De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Subsetten & Anonimiseren

Verwante presentaties


Presentatie over: "Subsetten & Anonimiseren"— Transcript van de presentatie:

1 Subsetten & Anonimiseren
Volg ons op

2 Opgericht in 1998, gespecialiseerd in data integratie
ITCG en DATPROF Opgericht in 1998, gespecialiseerd in data integratie Diensten Producten - Data Warehousing - Data Migratie - Data Kwaliteit - Test Data Management

3 Klanten

4

5 TESTEN ONTWIKKELEN OUTSOURCING MARKETING OPLEIDING DOELEINDEN:
Problemen: Werken met volledige kopieën: Werken met volledige kopieën: Werken met persoonsgegevens:

6 Waarom subsetten? Minimaliseren gebruik van persoonsgegevens
Besparen op hardware & infrastructuur Terugbrengen doorlooptijden Efficiënter beheren testdata

7 Waarom anonimiseren? Beschermen relaties Voldoen aan wetgeving
Voorkomen imagoschade Beveiligen concurrentie-gevoelige data

8 Creëren representatieve subsets van productie databases

9 Wat is subsetten? Voorbeeld 2: “alle klanten uit Amsterdam”
Voorbeeld 1: “willekeurig 5%” Test database Productie database

10 % Zelfde structuur Classificatie Productie data
Test Classificatie Relatief: t.o.v startpunt Volledig: stamtabellen Leeg: log tabellen Overslaan: temp tabellen Start punt Selectie criterium

11 Relevant voor subsetten
Representatief Consistent Onderhoudbaar Herhaalbaar Keten-ondersteuning Bruikbaar!

12 Hoe werkt DATPROF Subset?
1. Create application 2. Import Data model 3. Configure subset 4. Deployment Deploy subset Subset

13 Anonimiseren vertrouwelijke en privacy gevoelige data

14 Hoe zit het met beveiliging?
Productie Test Ontwikkel Extern Firewall? Autorisatie? Beveiliging-updates? Outsourcing?

15 Persoonsgegevens

16 “Elk gegeven over een geïdentificeerde of identificeerbare natuurlijke persoon”
Bron: Wet Bescherming Persoonsgegevens Adressen Telefoonnummers Namen

17 Anonimiseren van Persoonsgegevens
“Elk gegeven over een geïdentificeerde of identificeerbare natuurlijke persoon” Bron: Wet Bescherming Persoonsgegevens Religie Gezondheid Video Beelden Politieke voorkeur Kentekens Anonimiseren van Persoonsgegevens

18 Regulering in het kort Viertal risicoklassen :
Risicoklasse 0 - Publiek niveau; telefoonboeken Risicoklasse 1 - Basis niveau: krantabonnement Risicoklasse 2 - Verhoogd risico: bank & verzekering gegevens Risicoklasse 3 - Hoog risico: DNA & opsporingsgegevens Artikel 9: Doelbinding “Persoonsgegevens worden niet verder verwerkt op een wijze die onverenigbaar is met de doeleinden waarvoor ze zijn verkregen” Artikel 13: Organisatorische & technische maatregelen “De verantwoordelijke legt passende technische en organisatorische maatregelen ten uitvoer om persoonsgegevens te beveiligen tegen verlies of tegen enige vorm van onrechtmatige verwerking. “ CBP- AV23 - Beveiliging van persoonsgegevens “Voor het testen van informatiesystemen met persoonsgegevens mogen uitsluitend gegevens van fictieve personen gebruikt worden”

19 Wat is anonimiseren? Test database Voorbeeld:
Verwissel bestaande namen Genereer nieuwe 11-proef banknummers Laat geboortedata enigszins afwijken Genereer nieuwe bedragen en aantallen Test database

20 Key-Shuffle, Shuffle & Expressie
Voorbeeld Key-Shuffle, Shuffle & Expressie Production ID Firstname Lastname Bankaccount Totaal 1 John Ed˚wards € 110,00 2 Chris Evans € 140,00 Test ID Firstname Lastname Bankaccount Totaal 2 John Evans € 110,00 1 Chris Ed˚wards € 140,00 Production PK ID Product Totaal 1 Basic € 90,00 2 Advanced € 20,00 3 4 Pro € 50,00 Test PK ID Product Totaal 1 2 Basic € 90,00 Advanced € 20,00 3 4 Pro € 50,00 Key-Shuffle: ID Shuffle: Lastname Expressie: Bankaccount

21 Keten-ondersteuning Geheugen functie Geheugen functie

22 Keten met berichtenverkeer
Interne Organisatie Externe Organisatie Productie Systeem Productie Systeem Geheugen Enterprise Service Bus

23 Relevant voor anonimiseren
Anoniem, maar herkenbaar Representatief Identieke datakwaliteit Referentiële integriteit Ketenondersteuning Bruikbaar!

24 Hoe werkt DATPROF Privacy?
1. Create application 2. Import Data model 3. Configure anonymization 4. Deployment Deploy anonymization

25 Demo? Neem contact op via www.datprof.com info@datprof.com


Download ppt "Subsetten & Anonimiseren"

Verwante presentaties


Ads door Google