Wytyczne sądowe dotyczące anonimizacji
Polskie sądy korzystają z zestawu szczegółowych zasad, które określają, jak powinien wyglądać proces anonimizacji danych. Dokumentacja analizowana w tym artykule opiera się na wytycznych 13 sądów, w tym Sądu Apelacyjnego w Lublinie, Sądu Okręgowego w Warszawie oraz Sądu Rejonowego w Gliwicach. Analiza wykazała, że wytyczne są bardzo podobne i bazują na wspólnych przykładach.
Czym jest anonimizacja danych?
Anonimizacja danych polega na zamianie informacji identyfikujących osoby fizyczne, firmy lub miejsca na formy, które uniemożliwiają ich rozpoznanie. Proces ten obejmuje:
1. Zamianę danych na inicjały: np. „Jan Kowalski” → „J. K.”.
2. Użycie inicjałów z wielokropkiem: np. „Warszawa” → „W.”.
3. Zastępowanie danych wielokropkiem: np. „ulica Krakowska” → „ul. (…)”.
Anonimizacja jest stosowana zarówno w przypadku osób, jak i innych kategorii danych, takich jak numery identyfikacyjne, adresy czy nazwy geograficzne.
Kategorie danych podlegających anonimizacji
1. Osoby fizyczne
Imiona i nazwiska są zamieniane na inicjały, np. „Anna Nowak” → „A. N.”. W sytuacjach, gdy w dokumencie występuje wiele osób o tych samych inicjałach, stosuje się numerację, np. „J. K. (1)” i „J. K. (2)”.
Wyjątki:
– Dane sędziów, protokolantów i prokuratorów pozostają jawne.
– Autorzy cytowanych książek i artykułów naukowych również nie podlegają anonimizacji.
2. Miejscowości
Nazwy miejscowości zamieniane są na inicjały, np. „Kraków” → „K.”. W przypadku nazw dwuczłonowych uwzględnia się tylko pierwszy człon, np. „Kąty Wrocławskie” → „K.”.
Wyjątki:
– Nazwy miast będących siedzibami sądów, np. „Sąd Apelacyjny we Wrocławiu”, pozostają niezmienione.
– Nie anonimizuje się miast wymienionych w miejscu wydania książek.
3. Firmy, organizacje i instytucje
Nazwy firm i organizacji zamieniane są na wielokropki, np. „XYZ sp. z o.o.” → „(…) sp. z o.o.”. Wyjątek stanowią instytucje publiczne, takie jak „Skarb Państwa” lub „Naczelny Sąd Administracyjny”, które nie podlegają anonimizacji.
4. Numery identyfikacyjne
Numery identyfikacyjne, takie jak PESEL, NIP, KRS, czy numery rejestracyjne pojazdów, są zamieniane na wielokropek. Problemem jest automatyczne wykrywanie bardziej skomplikowanych identyfikatorów, takich jak numery działek czy licencji.
5. Adresy
Adresy są zamieniane na wielokropki, pozostawiając jedynie podstawowe informacje, takie jak „ul.”, „plac” lub „skwer”.
6. Nazwy geograficzne
Przymiotniki geograficzne, np. „dolnośląski”, są zamieniane na wielokropek. Rzeczownikowe nazwy geograficzne zamienia się na inicjały.
Kategorie danych nieanonimizowanych
Nie wszystkie dane podlegają anonimizacji. Wyjątki obejmują:
1. Terminologię prawniczą: Przepisy prawa, wykładnie czy argumentacje sądowe pozostają jawne.
2. Nazwy instytucji publicznych: Sądy, ministerstwa czy organizacje międzynarodowe, takie jak UNESCO, nie są anonimizowane.
3. Oznaczenia czasu: Lata, miesiące i dni pozostają jawne, chyba że dotyczą daty urodzenia osoby fizycznej.
4. Treści orzeczeń wymienione w tabeli poniżej nie pozwalają na identyfikację podmiotu ani nie zagrażają jego interesom prawnym. Zainteresowani mogą dzięki temu lepiej zrozumieć okoliczności sprawy i sposób stosowania prawa przez sądy.
Przykłady danych nieanonimizowanych
| Typ frazy | Przykładowe frazy |
| Nazwy części instytucji (wydziałów, oddziałów, katedr, zakładów itp.) | Wydział Matematyki i Informatyki Oddział Intensywnej Opieki Medycznej |
| Liczby porządkowe, liczby pewnych zdarzeń, osób, przedmiotów | zadał 23 ciosy nożem, miała 2 synów i 3 córki |
| Wykonywany (lub wyuczony) zawód, stanowisko służbowe oraz pełnione funkcje | w firmie pełniła obowiązki Głównego Księgowego najpierw pracował jako weterynarz, a następnie jako informatyk |
| Choroby oraz rodzaje terapii | Odmówiła przyjścia do pracy ze względu na nieżyt górnych dróg oddechowych, Zmuszony był wykonać otolaryngologiczny zabieg otwarcia przedniej ściany tchawicy |
| Nazwy państw | Przebywał na terenie Niemiec do maja ,mieszkania własnościowego we Francji o powierzchni |
| Liczby z jednostkami | zakupionej kukurydzy w ilości 5.000 ton, powierzchnię użytkową 80 m. kw |
Rola człowieka w procesie anonimizacji
Pomimo postępu technologicznego, człowiek odgrywa kluczową rolę w anonimizacji dokumentów:
1. Decyzja o publikacji: Pracownik sądu decyduje, czy dokument może być udostępniony po anonimizacji.
2. Poprawa błędów: Konieczne jest usuwanie błędów krytycznych, np. ujawnienia tożsamości osób fizycznych.
3. Zatwierdzenie: Ostateczna decyzja o publikacji należy do człowieka.
Warianty anonimizacji w dokumentach sądowych
W procesie anonimizacji dokumentów sądowych kluczowe jest uwzględnienie faktu, że niektóre frazy mogą być anonimizowane na więcej niż jeden sposób. Algorytmy anonimizacji wykorzystujące przetwarzanie języka naturalnego często oferują różne możliwe warianty zastępowania danych, a decyzja o wyborze jednego z nich ma istotne znaczenie dla czytelności i bezpieczeństwa tekstu.
Przykłady wariantów anonimizacji
- Frazy związane z organizacjami i instytucjami:
| Klub Sportowy Tęcza | Kancelaria Adwokacka Janiny Nowak |
| Klub (…) | Kancelaria (…) |
| Klub Sportowy (…) | Kancelaria Adwokacka (…) |
| Kancelaria Adwokacka J. N. |
- Frazy wiełoczłonowe zawierające nazwy firm lub lokalizacje
| Zakłady Naprawcze Taboru Kolejowego w Oleśnicy S.A. |
| Zakłady (…) S.A. |
| Zakłady (…) w O. S.A. |
W takich przypadkach pracownicy sądowi zazwyczaj pozostawiają wybór algorytmu, o ile zastosowany wariant nie obniża bezpieczeństwa ani czytelności tekstu.
Różnice w klasyfikacji danych
Proces anonimizacji nie ogranicza się tylko do zamiany fraz na inicjały lub wielokropki. Często pojawia się problem błędnej klasyfikacji danych w wyniku działania algorytmu. Dany obiekt (np. nazwisko, nazwa firmy, miasto) może zostać zakwalifikowany w różny sposób, co skutkuje różnymi wariantami anonimizacji.
Przykłady:
| Mercedes Benz | Arthur Andersen | Kazimierz Dolny |
| Jako osoba: „M. B.” | Jako osoba: „A. A.” | Jako osoba: „K. D.” |
| Jako marka samochodu: „M. (…)” | Jako firma: „(…)” | Jako miasto: „K.” |
Błędy anonimizacji
Choć algorytmy NLP są coraz bardziej zaawansowane, wciąż mogą popełniać błędy wynikające z:
Niepoprawnej klasyfikacji fraz:
- Algorytm może błędnie zaklasyfikować frazę, co prowadzi do nieprawidłowej anonimizacji. Na przykład:
- „Kazimierz Dolny” jako osoba („K. D.”) zamiast jako miasto („K.”).
Nieoptymalnego wyboru wariantu anonimizacji:
- Wybór formy anonimizacji może wpłynąć na czytelność lub bezpieczeństwo tekstu.
Procedura postępowania w przypadku błędów
W sytuacjach, gdy algorytm dokonuje nieidealnego wyboru, pracownicy są zobowiązani zaakceptować wynik anonimizacji, o ile spełnia on dwa kluczowe kryteria:
- Nie zwiększa ryzyka identyfikacji osób lub instytucji.
- Nie prowadzi do istotnego spadku czytelności tekstu.
W praktyce oznacza to, że pracownik sądu musi ocenić, czy dany wariant anonimizacji jest wystarczająco bezpieczny i czytelny, a jeśli tak – zatwierdzić go nawet w przypadku drobnych nieścisłości.
Znaczenie odpowiedzialności w procesie anonimizacji
Skuteczna anonimizacja dokumentów sądowych wymaga odpowiedzialnego podejścia, które łączy automatyzację z przemyślaną interwencją człowieka. Algorytmy oferują różnorodne możliwości anonimizacji, ale to ocena pracowników zapewnia, że dane pozostają zarówno bezpieczne, jak i zrozumiałe. Kluczowe jest, by decyzje w procesie anonimizacji minimalizowały ryzyko identyfikacji przy jednoczesnym zachowaniu czytelności dokumentów, co pozwala na ich zgodne z prawem udostępnianie.
