Teknologien bag F2 Redaction
F2 Redaction kører lokalt på organisationens egen server. Det vil sige, at dokumentet og dets indhold ikke sendes til eksterne tjenester, når du gør brug af den automatiske søgning.
Den automatiske søgning kan kun finde maskinlæsbar tekst. Er et dokument ikke OCR-behandlet, søger F2 Redaction ikke i billeder. Tekst, der udelukkende findes i billeder eller logoer (for eksempel et navn i et logo), bliver derfor ikke markeret til overstregning af den automatiske søgning.
| Det kræver modulet F2 Aktindsigt, Avanceret at kunne arbejde med F2 Redaction fra en aktindsigtssag. Kontakt cBrain for mere information. |
Tjekliste til anonymisering
Den automatiske søgning er et forslagsværktøj. Ansvaret for hvad der overstreges (og hvad der ikke gør) ligger hos dig, der behandler dokumentet. Brug derfor gerne følgende tjekliste, når du skal anonymisere et dokument.
-
Gennemgå resultatet af den automatiske søgning, før du indfører overstregninger. I oversigten over fundne elementer i overstregningspanelet kan du navigere mellem markeringerne.
-
Læs selv dokumentet igennem for oplysninger, som den automatiske søgning ikke kan kende. Det kan for eksempel være indirekte identifikation som "borgerens nabo i nummer 12" eller oplysninger i billeder. Tekstafsnit og billeder kan efterfølgende overstreges med overstregningsværktøjerne.
-
Supplér den automatiske søgning med manuelle søgninger.
-
Lær F2 Redaction op ved at tilføje elementer til den automatiske søgning. Elementerne bliver fremover inkluderet i den automatiske søgning i dokumenter, der skal anonymiseres.
-
F2 Redaction er indstillet til hellere at markere for meget end for lidt. Vær opmærksom på:
-
"Falske positiver": Markering af et element, der ikke er persondata, for eksempel et fakturanummer markeret som telefonnummer eller et ord som "bo" eller "lund" markeret som en person.
-
"Falske negativer": Persondata som den automatiske søgning har overset.
-
Den automatiske søgning
Den automatiske søgning i F2 Redaction bruger bl.a. NER (Named Entity Recognition), som betyder, at en statistisk sprogmodel gennemgår teksten og vurderer, hvilke ord der sandsynligvis er persondata.
Sprogmodellen er trænet på mønstre fra millioner af sætninger, så den kan genkende bl.a. navne, organisationer og adresser.
Desuden genkender sprogmodellen persondata baseret på en række definerede faste mønstre, såsom CPR-numre, telefonnumre, matrikelnumre og e-mailadresser. De faste mønstre er baseret på formater og kan ikke læse tekstens betydning i en kontekst. Det vil sige, at et ottecifret tal formateret som et telefonnummer vil blive markeret som et telefonnummer, selvom det er et fakturanummer.
NER-teknologi kan lave fejl. De typiske fejlkilder er:
-
Danske navne, der også er almindelige danske ord, som for eksempel Bo, Lys og Birk.
-
Ukendte og udenlandske navne, der ikke ligner de mønstre, som modellen har lært, kan blive overset.
-
Udenlandske ord kan blive markeret som navne.
-
Tekniske artefakter fra skannede dokumenter, usædvanlige skrifttyper, spatieret tekst og orddelinger kan forstyrre genkendelsen.
Brug derfor tjeklisten, når du anvender den automatiske søgning.