Naar de inhoud
Alle video’s

Data classificatie: hash, postcode en deep links

Security & BeleidDuur: 1:42 min

Jop van Hooft, eCommerce AI Club

Uit de sessie: Specialist: Security

In deze clip geeft Jop van Hooft drie praktische regels voor dataclassificatie. Hij hasht e-mailadressen, bewaart alleen vier cijfers van de postcode en linkt rechtstreeks naar Magento in plaats van klantdata te kopiëren. Het is een voorbeeld uit zijn dagelijkse werk met data.

Voor wie: Je bouwt rapportages of AI-analyses op klantdata en zoekt eenvoudige regels om minder persoonsgegevens rond te sturen.

Waarom dit ertoe doet

Webshops bouwen rapportages en AI-tools op klantdata uit systemen als Magento. Hoe meer kopieën van namen, adressen en e-mailadressen in sheets, dashboards en prompts staan, hoe groter het lekrisico en hoe lastiger een verwijderverzoek wordt. Jop's regels verkleinen dat probleem zonder dat je analyses verliest. Met een hash van het e-mailadres zie je nog steeds hoe vaak een klant terugkomt. Met vier cijfers postcode zie je nog steeds waar orders vandaan komen. En met een deep link naar het bronsysteem staat de gevoelige informatie op één plek. Let wel: een hash is geen anonimisering, en daarom is de tweede helft van de uitleg hieronder belangrijk.

Belangrijkste inzichten

  • Een SHA-256-hash van het e-mailadres laat je klantherhaling meten zonder het adres zelf te bewaren.
  • SHA-256 is vastgelegd in de standaard FIPS 180-4 van NIST uit augustus 2015.
  • Gehashte of gepseudonimiseerde gegevens blijven volgens de EDPB persoonsgegevens, dus de AVG blijft gelden.
  • Vier cijfers postcode is genoeg voor regionale analyse, maar kleine gebieden kunnen maar enkele tientallen huishoudens hebben.
  • Een deep link naar Magento met het klant-ID houdt klantdata op één plek, met rechten en actuele gegevens.

Regel 1: hash e-mailadressen

Een hash is een vaste code die een rekenregel uit tekst maakt. Hetzelfde e-mailadres geeft altijd dezelfde code, en uit de code kun je het adres niet makkelijk terugrekenen. SHA-256, het algoritme dat Jop noemt, is gestandaardiseerd door het Amerikaanse NIST in de standaard FIPS 180-4 uit augustus 2015. Het voordeel dat Jop beschrijft: je kunt nog steeds analyseren hoe vaak dezelfde klant terugkomt, op basis van de hash in plaats van het e-mailadres. Voor rapportages is die eenvoud vaak genoeg.

Een hash is nog geen anonimisering

De Europese privacytoezichthouders (EDPB) stellen dat gepseudonimiseerde gegevens, die met aanvullende informatie aan een persoon kunnen worden gekoppeld, persoonsgegevens blijven. Een gehasht e-mailadres valt daaronder. Het kan ook worden teruggevonden, want e-mailadressen zijn raadbaar: wie een lijst adressen heeft, hasht ze en vergelijkt de uitkomst. Zonder extra beveiliging, zoals een geheime sleutel of een zout, houdt een hash dus beperkt tegen. Jop zegt zelf dat het gaat om gegevens die je niet in je omgeving wilt hebben; zie het als risicoverlaging, niet als vrijbrief voor de AVG.

Regel 2: vier cijfers van de postcode

Jop bewaart voor data-analyse zelden adressen, geen straat en huisnummer, maar wel de eerste vier cijfers van de postcode. Daarmee teken je een kaartje van waar je orders vandaan komen, zonder een specifiek huisadres in je database. Het CBS publiceert zijn buurtstatistieken per vier cijfers. Maar kleine gebieden kunnen weinig huishoudens hebben: de commerciële site allecijfers.nl noemt bij postcode 4104 maar 45 huishoudens. Combineer je vier cijfers met andere kenmerken zoals productcategorie en bestelmoment, dan blijft het raden naar wie het is, maar het kan lukken. Daarom blijft ook deze regel risicoverlaging.

Regel 3: deep links in plaats van kopieën

Een deep link is een link die rechtstreeks naar één record in een ander systeem wijst, in Jops voorbeeld de klantpagina in Magento met het klant-ID erin. Hij slaat het ID en de link op, niet de gegevens erachter. Wie meer wil weten, klikt door naar Magento, waar de rechten, logging en actuele gegevens al geregeld zijn. Het voordeel is dat een verwijderverzoek op één plek wordt afgehandeld. Hij definieert gevoelig als data die naar één individu of een heel klein groepje te herleiden is, zoals e-mail, huisadres, Facebook-account of kenteken.

Probeer dit deze week

  1. Vervang in één rapportage of sheet het e-mailadres door een hash en kijk of je dezelfde herhaalkoper-analyse kunt draaien.
  2. Haal straat, huisnummer en volledige postcode weg uit exports die je naar AI-tools stuurt en bewaar de eerste vier cijfers.
  3. Zet in dashboards een link naar het klantrecord in je webshopsysteem in plaats van naam en adres te kopiëren.

Begrippen

hash
Een vaste code die uit tekst wordt berekend. Dezelfde invoer geeft altijd dezelfde code, en terugrekenen is moeilijk, maar niet altijd onmogelijk.
SHA-256
Een veelgebruikt hash-algoritme dat een code van 256 bits maakt, vastgelegd in de NIST-standaard FIPS 180-4.
pseudonimiseren
Gegevens zo veranderen dat ze niet direct naar een persoon wijzen, terwijl koppeling met extra informatie nog kan. Het blijft onder de AVG.
deep link
Een link die rechtstreeks naar één specifieke pagina of record in een systeem wijst, zoals één klant in Magento.

Verdiep je in de gids

Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

[onverstaanbaar] Op het moment dat je een stukje tekst hebt, dat kan bijvoorbeeld een e-mailadres zijn, dan maakt hij daar als je met hasher automatisch zoiets van. En dit sla je dan op je database. En het mooie hiervan is: als je dit op deze manier codeert, dan komt er steeds als dit e-mailadres ergens in je database staat, komt deze code op. Dus je kan nog steeds wel analyseren van, hé, hoe vaak komt deze klant terug aan de hand van de hash van het e-mailadres, [onverstaanbaar] het e-mailadres zelf.

Voor data-analyse behoud ik ook dezelfde adressen, dus geen straatnaam, huisnummers, dat soort groepjes, maar wel de eerste vier cijfers van de postcode. Want vaak krijg je zo'n soort kaartjes. En dan kun je best wel nog goed analyses doen en weten waar komen je orders nou precies vandaan.

[onverstaanbaar] En een tip, wat ik heel veel doe, is dieplinken naar tools waar de informatie wel staat die gebruikers nodig hebben. Op het moment dat ik naar een klant verwijs, dan zou ik altijd het linkje van Magento pakken, daarin de customer ID meenemen. Dus de customer ID sla ik wel op in mijn database, het linkje sla ik wel op in mijn database, maar alle gegevens die erachter zitten... Dan stuur ik mensen lekker door naar Magento, want dan staat die informatie daar. En die hoef ik niet in mijn rapportages te hebben. [onverstaanbaar]

Spreker: Jop van Hooft, eCommerce AI Club

Bronnen

Meer over Security & Beleid