Hvad betyder Redigering af personoplysninger?
Redigering af personoplysninger, ofte kaldet redaction, er en praktisk proces til at fjerne eller maskere bestemte oplysninger i tekst, dokumenter eller billeder. Det kan være navne, mailadresser, identifikationsnumre eller andre oplysninger, som ikke skal sendes videre til et AI-værktøj.
Processen består typisk af to trin: først opdages mulige oplysninger, derefter ændres de. Opdagelsen kan bruge mønstre, navnegenkendelse eller en model. Ændringen kan være sletning, erstatning med en kategori eller et pseudonym. Valget påvirker både beskyttelsen og hvor brugbart materialet stadig er.
Redaction er ikke en juridisk garanti for anonymitet. Kontrolleret 7. september 2026: Datatilsynets vejledning gør det nødvendigt at se på identifikationsmuligheder i hele materialet. En person kan fortsat genkendes gennem en særlig hændelse, selv om alle de felter, værktøjet markerede, er maskeret.
Placér kontrollen før den uønskede videregivelse
Hvis formålet er at undgå at sende personoplysninger til en bestemt modelleverandør, skal redigeringen ske før dette kald. Et eksternt redigeringsværktøj behandler selv de oprindelige data og skal derfor vurderes som en del af kæden. Brug en eksplicit liste over oplysningstyper og test både fund og oversete eksempler. Tilføj virksomhedsspecifikke mønstre, hvor standardmodellen ikke kender eksempelvis interne sagsnumre.
Kontrollér både lækager og tab af mening
Et værktøj kan overse et navn eller fjerne et fagord, der ligner et navn. Begge fejl har betydning. For dokumenter skal maskeringen ramme både det synlige lag, skjult tekst og relevante metadata. Test, om indhold kan kopieres ud under en sort firkant, og om eksporterede filer stadig indeholder originalen. Gem de regler og versioner, der blev brugt, så en senere fejl kan reproduceres uden at sprede flere rå kopier.
Et eksempel fra praksis
Illustrativt eksempel: Et værksted vil bruge AI til at gruppere kunders fejlbeskrivelser. Før analyse fjernes telefonnumre og nummerplader, og navne erstattes med neutrale markører. En stikprøve viser, at værktøjet også fjerner et produktnavn, mens en nummerplade med mellemrum slipper igennem. Teamet retter reglerne og gentager testen. De vurderer derefter, om friteksten fortsat indeholder genkendelige hændelser, før materialet deles videre.
Typiske faldgruber
- At sende rå data til en redigeringsservice uden at vurdere denne behandling.
- At sidestille en synlig sort markering med faktisk fjernelse af tekst.
- At måle kun på fundne felter og overse de oplysninger, systemet missede.
Det skal I afklare
- Definér oplysningstyper, behandling og placering i dataflowet.
- Test falske fund, oversete oplysninger og skjulte dokumentlag.
- Kontrollér, om det resterende materiale stadig kan identificere personer.
Spørgsmål og svar
Er redaction det samme som NER?
Nej. NER finder bestemte entiteter i tekst. Redaction bruger fundene til at ændre materialet og kræver også regler for, hvad der skal fjernes, og hvordan resultatet kontrolleres.
Kan vi stole på en høj confidence score?
Den er et signal fra værktøjet, ikke dokumentation for at alle oplysninger er fundet. Test på jeres sprog, formater og konkrete datatyper.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- Microsoft: PII detection og redaction ↗Primærkilde gennemgået 7. september 2026.
- Datatilsynet: Hvad er personoplysninger? ↗Primærkilde gennemgået 7. september 2026.