אנונימיזציה של מסמכים: המדריך המעשי

השחרה, פסאודונימיזציה, אנונימיזציה — מה ההבדל?

הנקודה הקריטית היא מי מחזיק את מפת ההחלפות: אם היא נשמרת אצל הארגון בלבד (או לא נשמרת כלל), הצד שמקבל את המסמך — כולל מנוע AI — מקבל מידע אנונימי מבחינתו.

מה חייבים לטפל בו? רשימת הפרטים המלאה

1. מזהים ישירים — שמות, ת"ז, דרכונים, טלפונים, אימיילים, כתובות.
2. מזהים פיננסיים — חשבונות בנק, כרטיסי אשראי, סכומים ייחודיים שמסגירים עסקה.
3. מזהים ארגוניים — שמות חברות, לקוחות, ספקים ופרויקטים.
4. מזהים עקיפים — צירופים כמו 'סמנכ"לית הכספים של חברה בת 40 עובדים בצפון' מזהים גם בלי שם.
5. Metadata — שדה המחבר (Author), הערות, Track Changes ונתיבי קבצים חושפים זהויות שלא רואים בטקסט. מסמך Office שומר אותם גם אחרי 'מחיקה' מהעמוד.

למה עקביות היא הכלל החשוב ביותר?

אם 'דני כהן' הופך פעם ל-PERSON_001 ופעם ל-PERSON_007, המסמך מאבד את המשמעות שלו: אי אפשר להבין מי חתם, מי קיבל ומי התחייב. החלפה עקבית — אותו טוקן לכל מופע של אותו פרט — שומרת על שרשרת האירועים, ולכן גם AI שמנתח את המסמך מסיק מסקנות נכונות.

איך עושים את זה בפועל? חמישה שלבים

1. סריקה — איתור כל המועמדים: זיהוי דטרמיניסטי (ת"ז עם ספרת ביקורת, Luhn לכרטיסי אשראי, תבניות טלפון) לצד זיהוי הקשרי לשמות וחברות.
2. סקירה אנושית — עוברים על כל ממצא ומחליטים: להשאיר, להחליף או להסיר. אוטומציה בלי סקירה מפספסת; סקירה בלי אוטומציה לא נגמרת.
3. החלפה עקבית — כל פרט מקבל טוקן קבוע (או ערך סינתטי) בכל המופעים.
4. ניקוי Metadata — מחבר, הערות, Track Changes ומאפייני מסמך.
5. בדיקת מזהים עקיפים — קוראים את התוצר ושואלים: אפשר עדיין להבין על מי מדובר?

אנונימיזציה לפני AI: למה זה הכלי המרכזי?

מחקר של Cyberhaven מצא שכ-11% ממה שעובדים מדביקים בכלי AI הוא מידע רגיש, ולפי IBM Cost of a Data Breach 2024 אירוע דליפה ממוצע עולה 4.88 מיליון דולר. חסימת AI לא עובדת — אנונימיזציה כן: היא נותנת לעובדים לנצל את הכלים על מסמך שכבר לא מכיל את מה שאסור להזין.

חשוב לא פחות איפה האנונימיזציה קורית: כלי אנונימיזציה שמעלה את המסמך לשרת שלו רק מעביר את הבעיה לספק אחר. עיבוד מקומי — בדפדפן או במחשב — אומר שהמסמך המקורי לא עוזב את הארגון בכלל.