Avidentifiering
Avidentifiering är en teknik för anonymisering av personlig information. All information som gör att personuppgifter kan knytas till en viss person tas bort permanent. Tekniken används i forskning, till exempel i medicinsk forskning. Biobankslagen anger att biologiskt material från människor i vissa fall kan avidentifieras för att skydda den personliga integriteten.
Sammanhang
Forskning och statistik
Insamling av data i samband med forskning eller statistiska undersökningar handlar om att samla information om större grupper. Där är individen ofta ointressant, eftersom syftet med undersökningen är att undersöka beetende hos grupper i samhället eller ge statistik för exempelvis yrkesbranscher, tendenser för politiska partier eller popularitet hos olika varumärken.
I personalenkäter på en arbetsplats garanteras anonymitet för de svarande, vilket är tänkt att en större öppenhet och ärlighet i svaren. I USA är även avidentifierad information om hälsostatus ett viktigt ämne, i samband med undersökningar kring försäkringar.
Undersökningsresultaten för kvantitativa forskning presenteras endast på gruppnivå, medan kvalitativa undersökningar i regel använder pseudonymer när utdrag ur intervjuer presenteras.
Rekrytering
En miljö där avidentifiering diskuterats och testats är i samband med rekrytering inom den offentliga sektorn (i Sverige). Där kan persondata hos en ansökan döljas för rekryteraren, för att undvika att rekryteraren fattar beslut utifrån fördomar om invandrare och andra grupper av sökande. Det handlar om att minska risken för särbehandling av personer baserat på grupptillhörighet.
I Sverige har den avidentifierade ansökningsmodellen fått begränsad framgång, trots att nästan hälften av de sökande uppskattar att deras namn inledningsvis är dolt för rekryteraren. Två decennier efter introduktionen av helt avidentifierade ansökningar (utan namn) var tekniken på 2020-talet endast möjlig hos 13 procent av svenska arbetsgivare. Betydligt vanligare var möjligheten att ansöka utan personligt foto, uppgiven ålder elle personligt brev.
Teknik och problem
Begreppet avidentifiering kan syfta på flera olika saker. Det är dels raderandet eller förändrandet av (personlig) information. Det kan även handla om att nå en nivå där en person inte på ett 'rimligt' vis kan identifieras utifrån den lämnade informationen.
Avidentifiering kan göras av både strukturerad information som kön, ålder, adress, yrke, civilstånd som kan förekomma i databastabeller och av ostrukturerad information som förekommer i fri text. Man kan även – där det inte påverkar statistiken – introducera brus i datamängden, så att data för enskilda svarande kan byta plats med varandra. Att avidentifiera information i fri text är svårare. Personnamn kan till exempel sammanblandas med platser eller med företagsnamn.
Avidentifiering kan aldrig vara 100 procent säker, eftersom om andra källor läggs till den avidentifierade informationen kan den avidentifierade informationen återidentifieras. Avidentifiering inom statistik kallas för röjandekontroll och kan göras på flera sätt. Ovanliga entiteter kan tas bort; viss information kan aggregeras, det vill säga slås ihop till större grupper.
En text kan avidentifieras via datorlingvistiska verktyg som används för namnigenkänning; de kan känna igen personnamn, adresser, platser, organisationer och tidpunkter. Detta kan utökas till mer finskalig igenkänning, som för- och efternamn, organisationer, produkter och företag, årtal, datum och klockslag.
Olika ord
Begreppet avidentifiering finns inte i den svenska dataskyddsförordningen, där man istället använder ord som anonymisering respektive pseudonymisering. Även internationellt skiljs mellan dessa tre relaterade men icke-identiska begreppen.
Anonymisering och pseudonymisering ses ibland som tydligare ord för två olika situationer. Det handlar dels om att data permanent är frikopplade från personen (anonymisering) alternativt att data fortfarande ska vara användbara men inte lätt sammankopplade med en viss person (pseudonymisering).
I svenska lagtexter används ordet avidentifiering för att permanent skilja identiteten hos en person från uppgifterna som personen lämnat. I engelskspråkig forskning har ordet sedan 1997 dock fått en vidare användning, även till sammanhang där kopplingen mellan data och person kan återskapas (via externa medel).