Plataforma / Anonimizar
Anonimiza sin romper el modelo de datos
Cada campo sensible se transforma con la técnica que necesita, y el mismo valor recibe el mismo sustituto en todas las tablas. Las aplicaciones y las pruebas siguen funcionando.
Reglas por campo
La técnica adecuada para cada dato
No hay una política única para todo el dataset: cada campo se configura con su propio método. Nombres y correos pueden sustituirse por datos falsos mientras un teléfono conserva su formato.
- Datos falsos según la etiqueta del campo
- Enmascaramiento con formato preservado
- Reordenación aleatoria, sustitución por lista, vaciado o eliminación
- Funciones JavaScript para lógica a medida
- Configuración regional para nombres y formatos coherentes
Diccionario
Las relaciones entre tablas se mantienen
El diccionario decide si un mismo valor de origen recibe siempre el mismo sustituto. Con alcance global, la coherencia se mantiene en todas las entidades y campos, y también entre ejecuciones sucesivas.
- Alcance por etiqueta, por nombre de campo, por entidad o global
- Claves foráneas coherentes tras la transformación
- Mismo mapeo entre ejecuciones para datasets comparables
- Opción de saltar el diccionario cuando no debe quedar correspondencia
Datos sintéticos
Cuando no debe quedar vínculo con el original
La síntesis genera registros nuevos a partir del esquema, no de datos existentes. Sirve para ampliar volumen en pruebas de carga o para trabajar sin ninguna fuente de producción.
- Volumen configurable, por encima o por debajo del original
- Datos falsos por etiqueta, listas, secuencias y rangos
- Funciones JavaScript personalizadas
- Combinable con las reglas de anonimización
Las cuatro capacidades
Preguntas sobre la anonimización
¿La anonimización rompe las relaciones entre tablas?
No, si la regla usa diccionario. Con un diccionario de alcance global, un mismo valor de origen recibe siempre el mismo sustituto en todas las entidades y campos, de modo que las claves siguen coincidiendo entre tablas.
¿Puedo aplicar lógica de transformación propia?
Sí. Además de las técnicas predefinidas puedes usar funciones JavaScript para lógica específica de tu modelo de datos, como formatos nacionales o dependencias entre campos.
¿La anonimización es reversible?
Depende de la técnica y del diccionario. Los datos falsos, el vaciado o la eliminación de un campo sin diccionario persistente no permiten reconstruir el valor original. El enmascaramiento con formato conserva parte del valor y ofrece otro nivel de protección, que conviene evaluar frente al requisito regulatorio aplicable.
¿Un dataset anonimizado queda fuera del RGPD?
Un dato anonimizado de forma irreversible deja de ser dato personal. Que lo sea depende de la configuración: técnicas sin mapeo recuperable frente a enmascaramiento que conserva parte del valor. La valoración jurídica corresponde a tu equipo legal o a tu DPO.
¿Qué diferencia hay entre anonimizar y sintetizar?
Anonimizar parte de datos reales y sustituye sus valores. Sintetizar genera registros nuevos a partir del esquema, sin partir de datos reales previos.
Compruébalo sobre tus propios esquemas
Te mostramos la anonimización en una arquitectura como la tuya, con tus relaciones entre tablas intactas.