Anonymizér osobních dat v online konverzacích

SOTOLÁŘ, Ondřej and Jaromír PLHÁK. Anonymizér osobních dat v online konverzacích (Personal Data Anonymization Software for Electronic Communication). 2020.

Basic information

• Original name: Anonymizér osobních dat v online konverzacích
• Name (in English): Personal Data Anonymization Software for Electronic Communication
• Authors: SOTOLÁŘ, Ondřej (203 Czech Republic, belonging to the institution) and Jaromír PLHÁK (203 Czech Republic, guarantor, belonging to the institution).
• Edition: 2020.

Other information

• Original language: Czech
• Type of outcome: Software
• Field of Study: 10201 Computer sciences, information science, bioinformatics
• Country of publisher: Czech Republic
• Confidentiality degree: is not subject to a state or trade secret
• RIV identification code: RIV/00216224:14330/20:00116046
• Organization unit: Faculty of Informatics
• Keywords (in Czech): anonymizace;osobní dat;citlivá data;rozpoznání osobních dat
• Keywords in English: anonymization;personal data;personal data recognition;GDPR;sensitive data
• Technical parameters: Multiplatformní, open-source řešení. Zdrojové kódy jsou dostupné na https://gitlab.fi.muni.cz/irtis/irtis-anonymizer.

Abstract

Softwarové řešení využívá existujícího nástroje pro rozpoznávání pojmenovaných entit (NameTag) společně s nově navrženými pravidly pro rozpoznávání a spojování pojmenovaných entit do větších celků, nazvaných entity osobních dat. SW umožňuje jejich anonymizaci pomocí nahrazení entit osobních údajů jinými údaji, které zachovají původní, přirozené vyznění textu.

Abstract (in English)

This software provides a novel rule-based approach to the anonymization of personal data in unstructured text written in Czech language. It uses available machine-learning methods, like named-entity recognition, and improve their performance by grouping multiple entities into larger units based on the theory of tabular data anonymization. This solution, personal data entities are detected, classified, and anonymized. Moreover, the resulting texts keep the original word forms after their replacement with gazetteer values.