在 LGPD 和有关隐私的讨论中，出现了新的数据类别。其中之一就是敏感数据：这些数据可以根据道德角度的判断被用于某种类型的歧视或 对人造成直接伤害。
例如，我们有 关于政治取向、性生活和健康、生物识别、宗教取向等的数据。这是私人数据，因此更加具体。
根据 GDPR，这些信息需要处理者采 ws 粉丝 取更严格的保密措施，甚至更加谨慎，我们将在本文的最后一个主题中看到这一点。
什么是匿名数据？
匿名数据是经过匿名化处理的个人数据。也就是说，它们经过处理后就失去了与特定个体的直接联系。从这个意义上来说，数据的使用不会对特定的人产生特定的影响。
我们很容易理解匿名化如何既代表了无需处理 GDPR 立法即可探索数据的可能性，又代表了无法为指定目的管理数据。毕竟，数据被组织成通用的版本，具有阻止直接访问的功能，这可能会导致信息的使用价值的丧失。
例如，对于营销而言，匿名数据可以在 它使组织能够以更快的速度 必要时帮助评估客户资料信息或了解一般市场趋势。例如，在数字营销中的买方角色定义中，可以 匿名对客户的偏好、痛点和习惯进行一般调查，以得出理想客户 的具体和半虚构的资料。
在这种情况下，重要的不是知道做出回应的客户是谁，而是他们实际上说了什么，以便确定支持行动和活动的特征。因此，适应 GDPR 更加容易，因为这些数据不会给所有者产生太大影响。
然而，当寻找导致购买的后续对话线索时，它们就没用了。在这种情况下，拥有个人数据和直接访问权限至关重要。
匿名数据的一个特点 恰恰就是它在经过转换过程之后不能被恢复为个人数据。 也就是说，数据无法被重新识别。
因此，匿名数据与假名数据不同。数据假名化涉及使数据匿名化，但有可能稍后再将其再次个性化。
现在，让我们看一些数据匿名化方法，以便更好地理解这类信息的工作原理。
匿名化
一种常见的过程是完全转换数据，删 whatsapp 号码 除与个人的链接，而不进行逆转，正如我们已经提到的。
例如，完全删除数据库中包含个人信息的列。
抑制
删除使用固定数据来替换数据库的可识别部分。示例包括使用星号或其他标准化形式的数据。
概括
概括涉及将特定数据转换为一般类别 以消除个别联系。其中一个例子是将有关客户的信息转换为有关类别或群体的数据（例如受众的经典定义）。
这是一个很好的策略，因为它允许主动使用数据，而无需个人数据。
假名化
一种常见的假名化方法是使用与包含个人数据的表平行的表。在并行表中，数据是匿名的，但它允许通过密钥连接到原始数据。
加密
另一个非常受欢迎的功能是加密。这种方法依赖于使用公钥和/或私钥来访问原始数据。经过密码变换后，生成受保护的匿名数据，只有使用密钥才能解锁。
个人数据、敏感数据和匿名数据之间有什么区别？
当我们全面审视这三个定义时，我们可以得出一些有趣的结论。