La vérité sur les données anonymes

De nombreuses entreprises qui traitent des informations personnelles rassurent leurs utilisateurs en affirmant que toutes les données sont « anonymisées » . Si vous ne connaissez pas à fond le domaine, cela semble rassurant.

Cependant, la méthode utilisée par la plupart des entreprises pour anonymiser les données et la taille des bases de données modernes font qu’il est facile pour les attaquants de ré-identifier les individus.

• Qu’il s’agisse de dossiers médicaux
• ou de données de téléphones portables

…il suffit d’une douzaine d’informations pour trouver la personne qui se cache derrière chaque dossier « anonyme ».

Comment s’assurer que les gens comprennent les risques liés au partage des données ?

Pour assurer la sécurité de vos données, il faut les partager uniquement avec des organisations dignes de confiance qui indiquent clairement quelles données elles collectent et ce qu’elles en font.

Tout le monde laisse une trace

Par définition, les données véritablement anonymes sont dépouillées de tous les éléments qui pourraient éventuellement identifier la bonne personne

Le mode d’anonymisation le plus populaire consiste à supprimer d’une base de données les informations permettant d’identifier une personne, comme :

• votre nom
• votre date de naissance
• votre numéro de téléphone
• votre adresse personnelle, etc.

À première vue, cela peut sembler suffisant pour protéger votre vie privée

Cependant, lorsque vous commencez à superposer différents types de données, vous pouvez commencer à identifier des personnes. En fait, une société d’anonymisation des données, Aircloak, reconnaît même qu’une véritable anonymisation est extrêmement difficile  :

« Comme c’est le cas pour la sécurité informatique, aucune garantie à 100 % ne peut être donnée, et il est souvent nécessaire de procéder à une évaluation des risques. »

Un dossier médical « anonyme » peut être croisé avec une autre source d’information (par exemple, une brève de journal) pour identifier le nom du patient.

➽ Il suffit de 15 points de données pour que 99,98 % des personnes soient identifiables dans une base de données de 7 millions de personnes, selon un article publié dans Nature.

15 attributs de données peuvent sembler beaucoup, mais ce n’est pas le cas. Le rapport fait référence à la violation de données d’Experian, qui a divulgué une base de données « anonymisée » contenant 248 points de données sur 120 millions d’Américains.

Les grandes campagnes politiques conservent également des bases de données massives (et les distribuent à leurs alliés) qui comprennent des centaines de points de données sur leurs sujets.

Si une base de données contient moins de personnes, il devient nettement plus facile de ré-identifier les individus.

Pourquoi cela est-il important ?

La réidentification des données contenues dans une base de données prétendument anonymisée n’est pas seulement une astuce statistique pour les universitaires. Elle a des conséquences dans le monde réel.

➽ Les données anonymisées sont traitées différemment car elles sont censées protéger la vie privée des personnes concernées.

Aux États-Unis, les dossiers médicaux anonymisés peuvent être vendus à des sociétés pharmaceutiques. Une pratique similaire est autorisée au Royaume-Uni.

Certains pays parviennent mieux à exiger une anonymisation efficace. Le GDPR de l’Union européenne couvre ce point dans son considérant 26, qui stipule que les données doivent être réellement anonymes pour être exemptées des règles de protection des données du règlement.

➽ Il existe des méthodes d’anonymisation, telles que la généralisation ou la perturbation des données, qui sont très efficaces

Toutefois, cette question ne se limite pas aux difficultés techniques que présente l’anonymisation. Elle soulève également les promesses trompeuses que font les entreprises lorsqu’elles parlent de la manière dont elles traitent vos données.

L’analyse des données peut offrir de nombreux avantages aux citoyens, aux organisations et aux gouvernements, et il est légitime de collecter et d’analyser des données à des fins spécifiques.

Le projet de recherche des contacts préservant la vie privée est un exemple de la manière dont la collecte de données pourrait être utilisée pour retracer les infections au COVID-19 tout en protégeant la vie privée des individus.

➽ Cependant, la collecte de données doit toujours être clairement expliquée à la personne concernée, et les gens doivent toujours avoir le choix

De nombreuses entreprises présentent des politiques de confidentialité vagues ou difficiles à déchiffrer qui rendent presque impossible pour les personnes concernées de savoir quelles données sont collectées et avec qui elles sont partagées.

Ces entreprises considèrent l’anonymisation comme un moyen de vendre des données tout en respectant les exigences minimales en matière de sécurité des données.

Cependant, si des acteurs malveillants peuvent vous ré-identifier à partir de données anonymisées, cela soulève des questions éthiques sur un tel modèle économique.

• En tant qu’utilisateur, cela signifie que vous devriez évaluer encore plus attentivement les entreprises avec lesquelles vous partagez des données.
• Et les entreprises devraient, à tout le moins, informer leurs utilisateurs du risque de réidentification avant de partager leurs données.

Dans le cas contraire, il est impossible pour les utilisateurs de donner leur consentement éclairé.

➽ Si vraiment vous souhaitez être anonyme lorsque vous publiez un commentaire ou un article sur internet, il vous faut un VPN.

Ce type de logiciel maquille votre adresse IP, cache votre identité et chiffre votre connexion.

Techniques d’anonymisation des données

Comment est faite l’anonymisation des données ?

• Masquage des données – dissimuler des données dont les valeurs ont été modifiées. Vous pouvez créer une version miroir d’une base de données et appliquer des techniques de modification telles que le brassage de caractères, le chiffrement et la substitution de mots ou de caractères. Par exemple, vous pouvez remplacer un caractère de valeur par un symbole tel que « * » ou « x ».
• Pseudonymisation : méthode de gestion et de dépersonnalisation des données qui remplace les identifiants privés par de faux identifiants ou des pseudonymes, par exemple en remplaçant l’identifiant « John Smith » par « Mark Spencer ». La pseudonymisation préserve la précision statistique et l’intégrité des données, ce qui permet d’utiliser les données modifiées pour la formation, le développement, les tests et l’analyse, tout en protégeant la confidentialité des données.
• Généralisation : suppression délibérée d’une partie des données pour les rendre moins identifiables. Les données peuvent être modifiées en un ensemble de plages ou en une vaste zone avec des limites appropriées. Vous pouvez supprimer le numéro de maison dans une adresse, mais veillez à ne pas supprimer le nom de la route. L’objectif est d’éliminer une partie des identifiants tout en conservant une certaine précision des données.
• Échange de données – également connu sous le nom de brassage et de permutation, il s’agit d’une technique utilisée pour réorganiser les valeurs des attributs de l’ensemble de données afin qu’elles ne correspondent pas aux enregistrements originaux. La permutation des attributs qui contiennent des valeurs d’identification telles que la date de naissance, par exemple, peut avoir plus d’impact sur l’anonymisation que les valeurs de type d’appartenance.
• Perturbation des données – modifie légèrement l’ensemble de données d’origine en appliquant des techniques qui arrondissent les chiffres et ajoutent du bruit aléatoire. L’éventail des valeurs doit être proportionnel à la perturbation. Une petite base peut entraîner une faible anonymisation, tandis qu’une grande base peut réduire l’utilité de l’ensemble de données. Par exemple, vous pouvez utiliser une base de 5 pour arrondir des valeurs comme l’âge ou le numéro de maison, car elle est proportionnelle à la valeur originale. Cependant, l’utilisation de bases plus élevées, comme 15, peut donner l’impression que les valeurs d’âge sont fausses.
• Données synthétiques – informations fabriquées de manière algorithmique et n’ayant aucun lien avec des événements réels. Les données synthétiques sont utilisées pour créer des ensembles de données artificielles au lieu de modifier l’ensemble de données original ou de l’utiliser tel quel et de mettre en danger la vie privée et la sécurité. Le processus implique la création de modèles statistiques basés sur des schémas trouvés dans l’ensemble de données original. Vous pouvez utiliser les écarts types, les médianes, la régression linéaire ou d’autres techniques statistiques pour générer les données synthétiques.

Inconvénients de l’anonymisation des données

➽ A lire sur notre blog

• Comment envoyer un SMS anonyme

• Comment chiffrer vos torrents ?

➽ Liens externes

• Simplification de l’enregistrement et de la publication des maladies oncologiques, Berne, 17 novembre 2021

• Feten BEN FREDJ , 3 Juillet 2017, Méthode et outil d’anonymisation des données sensibles

➽ Abonnez-vous à notre newsletter