Anonimiseren
Teksten worden op basis van Named Entity Recognition (NER) herkend en een proces binnen Insights extraheert de namen voor verdere afhandeling richting de beheerinterface en de automatische lakregels.
Wetgeving rond openbaarheid van overheidsgegevens en privacygevoelige informatie
De herkenning van persoons- en bedrijfsgegevens resulteert in een suggestielijst die wordt voorgelegd aan de Woo-behandelaar. Er is vervolgens altijd sprake van menselijke tussenkomst. De beoordeling of de gesuggereerde term als privacygevoelige persoons- of bedrijfsgegevens correct is en moet worden overgenomen is aan de Woo-behandelaar.
Er bestaat geen risico op geautomatiseerde besluitvorming en het algoritme heeft geen impact op grondrechten, maar voorziet juist in de bescherming daarvan. Het algoritme neemt geen besluiten met rechtsgevolgen, maar doet alleen een voorstel voor het anonimiseren van persoonsgegevens.
Het gebruik zorgt voor een verbetering, versnelling en vereenvoudiging van het proces voor openbaarmaking en transparantie. De automatisering maakt het proces minder foutgevoelig dan menselijk handelen. Een suggestielijst brengt alle denkbare gevallen van personen in de tekst in beeld. Zo is de kans op een datalek kleiner en zijn de gegevens van burgers en bedrijven beter beschermd.
- Leverancier
- ZyLAB eDiscovery & Compliance Services B.V.
- Contact
- woo@minbuza.nl
- Register-standaard
- v1.0