Определение сведений в качестве персональных данных

Актуальность материала: 30.09.2026

Презентация "Определение сведений в качестве персональных данных":
🔸Что есть ПД: пять стадий принятия неизбежного
🔸Дефиниция ПД и идентификатора
🔸Проблематика определения ПД в РФ
🔸Проблематика определения ПД в ЕС
🔸Роскомнадзор [2014]: матрица ПД
🔸Роскомнадзор [2021]: QR-код не является ПД
🔸Роскомнадзор [2023]: уникальность и неизменность ПД
🔸Уникальность и неизменность ПД как философско-логическая категория
🔸Роскомнадзор [2024]: нет исключительного права определять ПД
🔸Правоприменительная практика по определению ПД
🔸«Мерцающие» ПД
🔸«Квантовые» ПД
🔸Любые сведения о человеке – это ПД?
🔸Источники ПД
🔸Идентификация
🔸Аутентификация и авторизация
🔸Алгоритм определения ПД: взгляд «прайвасиста»
🔸Алгоритм определения ПД: принципы
🔸Алгоритм определения ПД: механика
🔸Примеры отсутствия признаков обработки ПД, регулируемой 152-ФЗ
🔸Индекс атрибутивности данных: описание и параметры
🔸Индекс атрибутивности данных: основные преимущества
🔸Индекс атрибутивности данных: формула и пример расчета

🔸Атрибутивность – это свойство данных выступать признаком/характеристикой (атрибутом) человека.

🔸Индекс атрибутивности данных – это оценка вероятности того, что совокупность данных позволит нам узнать конкретного человека (определить его) и/или уменьшить степень неизвестности в отношении этого человека.

🔸Формула расчета Индекса атрибутивности – это сумма свойств каждого типа данных (насколько они уникальны, неизменны и т.д.) из рассматриваемого сценария обработки, умноженная на мультипликатор контекста, т.е. сценарий использования данных: есть ли у нас техническая возможность и юридическая цель связать эти данные с реальной личностью. Иначе говоря, свойства данных (их «масса») умножаются на потребность в определении человека (контекст).

🔸Вероятность применимости 152-ФЗ рассчитывается из итогового балла индекса по логарифмической шкале от 1 до 100%: 1% + 99% × ln(индекс / минимально возможный индекс) / ln(максимально возможный индекс / минимально возможный индекс). Максимально возможный индекс всегда в 8 раз больше минимального, поскольку мультипликатор контекста (1, 2, 4) и удельная атрибутивность (от 7 до 14 баллов) вместе дают три удвоения, поэтому шкала делится на три равные части. Итоговое значение записывается как балл и процент в скобках, например 220 (80%).

🔸Индекс помогает провести итоговую черту в спорных ситуациях:

• Зеленая зона (33% и ниже) – мы обрабатываем данные, но не знаем людей. Закон (152-ФЗ) нас почти не касается.
• Желтая зона (34-66%) – мы не знаем имен, но можем «вычислить» человека или его устройство. Закон начинает быть применим к нам.
• Красная зона (67% и выше) – мы точно знаем, чьи персональные данные обрабатываем. Включаются все требования закона.

🔸Цветовая индикация носит вспомогательный характер и использует три цвета без переходных оттенков, основным показателем является процент вероятности.

🔸Стимул к «цифровой осознанности» (Data Minimization). Индекс работает как счетчик калорий: каждое лишнее поле в базе данных (даже «безобидное») увеличивает итоговый балл риска. Это наглядно показывает заинтересованным сторонам (маркетингу, HR), что сбор данных «про запас и на всякий пожарный» — это не бесплатно, а юридически дорого. Подход мотивирует удалять избыточные данные или применять различные методики снижения атрибутивности данных (например, вместо точного возраста указывать его диапазон), чтобы остаться в безопасной «зеленой зоне» регулирования.

🔸Справедливость к контексту (Privacy by Design). Индекс защищает бизнес от избыточных требований. Он математически доказывает, что уникальность данных ≠ персональные данные, обработка которых регулируется законодательством о ПД. Даже если вы храните супер-уникальные идентификаторы (например, сложные хеши или GUID сессий), но используете их исключительно для техподдержки, а не для определения человека, то итоговый риск остается низким. Это позволяет не тратить бюджет на защиту технических логов так же строго, как кадровую базу.

🧮 Калькулятор Индекса атрибутивности данных