Verifica indipendente della robustezza dell’anonimizzazione dei dataset

Ricerca scientifica | Sperimentazioni cliniche | Intelligenza artificiale

La robustezza dell’anonimizzazione si verifica, non si presume.

Eliminare nomi, codici fiscali e altri identificativi diretti non significa necessariamente rendere anonimo un dataset. La combinazione di informazioni anagrafiche, cliniche, temporali e geografiche può infatti consentire di individuare una persona, collegare più registrazioni riconducibili allo stesso soggetto o dedurre informazioni riservate. NB Consulting offre un servizio specialistico di verifica tecnica indipendente dell’efficacia e della robustezza delle procedure di anonimizzazione applicate ai dataset destinati alla ricerca scientifica, alle sperimentazioni cliniche e allo sviluppo di sistemi di intelligenza artificiale. Attraverso strumenti di analisi quantitativa, modelli statistici e test di re-identificazione, supportiamo organizzazioni pubbliche e private nella valutazione del rischio residuo e nella verifica dell’effettiva efficacia delle tecniche adottate.

Cosa verifichiamo

L’attività di assessment è orientata all’individuazione delle principali vulnerabilità dei dataset trasformati, con particolare riferimento a tre categorie di rischio:

Singolarizzazione (Record Isolation)

Valutiamo se una persona possa essere isolata all’interno del dataset attraverso combinazioni di caratteristiche apparentemente non identificative.

Collegabilità (Linkability)

Analizziamo la possibilità di collegare i dati trasformati con altre informazioni ragionevolmente accessibili, compresi archivi e sequenze longitudinali.

Inferenza (Inference)

Verifichiamo se, attraverso l’analisi delle informazioni residue, sia possibile dedurre diagnosi, condizioni cliniche o altri attributi riservati.

Come viene effettuata la verifica

La metodologia prevede:

1. Analisi preliminare del processo: esame delle procedure di anonimizzazione, del contesto, delle informazioni trattate e delle caratteristiche dei destinatari.
2. Individuazione dei quasi-identificativi: identificazione delle variabili che, singolarmente o in combinazione, possono contribuire alla re-identificazione.
3. Test quantitativi di robustezza: valutazione delle classi di equivalenza, dell’unicità, del k-anonimato e, quando pertinenti, di l-diversity, t-closeness e dei modelli di rischio Prosecutor, Journalist e Marketer, anche attraverso ARX Data Anonymization Tool.
4. Verifiche integrative: analisi del rischio di collegamento, delle informazioni longitudinali e, per i dataset sanitari, dei metadati DICOM e degli eventuali identificativi residui nelle immagini, secondo il perimetro concordato.
5. Redazione del report finale: documentazione delle verifiche effettuate, degli indicatori misurati, dei rischi residui e delle misure correttive raccomandate.

Ambiti di applicazione

Il servizio è rivolto ad aziende sanitarie e ospedali, IRCCS, università, centri di ricerca, promotori di sperimentazioni cliniche, CRO, aziende farmaceutiche, imprese med-tech e società che sviluppano sistemi di intelligenza artificiale.

Le attività possono riguardare dataset strutturati, dati sanitari, immagini diagnostiche, dati longitudinali, registri di ricerca e basi informative destinate all’addestramento e alla validazione di modelli di IA.

Cosa riceve il committente

Al termine dell’attività, NB Consulting predispone un report tecnico indipendente di verifica della robustezza dell’anonimizzazione, contenente:

• Metodologia e strumenti utilizzati.
• Risultati dei test e indicatori quantitativi di rischio.
• Analisi delle possibili vulnerabilità e dei rischi residui.
• Valutazione dei requisiti tecnici dichiarati e delle evidenze disponibili.
• Raccomandazioni e piano delle misure correttive.
• Elementi utili a supportare la documentazione di accountability e le eventuali valutazioni d’impatto sulla protezione dei dati.

L’attività può essere organizzata anche all’interno di ambienti informatici autorizzati dal committente, evitando trasferimenti non necessari di dati personali.

Un supporto concreto alla protezione dei dati nella ricerca

L’obiettivo è fornire ai titolari del trattamento, ai Responsabili della protezione dei dati, ai referenti della ricerca e alle strutture tecniche una valutazione indipendente, documentata e riproducibile, utile per assumere decisioni consapevoli sull’utilizzo dei dataset e sull’adeguatezza delle misure adottate.

La verifica consente inoltre di distinguere la semplice pseudonimizzazione da un processo di anonimizzazione effettivamente robusto nel contesto considerato.