Ficha da solução · Model Card
Anonimizador DP
Anatel - Agência Nacional de Telecomunicações · Federal
Sobre a solução
Biblioteca Python de código aberto, desenvolvida pela Anatel, para detectar e anonimizar dados pessoais em textos em português brasileiro. Combina modelo NER (spaCy) com expressões regulares, validação de dígitos verificadores e de contexto, e cobre 16 tipos de entidade (documentos, contato, endereço, dados bancários, entre outros). O processamento é local, na infraestrutura do órgão.
Como funciona
Pipeline local que combina modelo spaCy NER, expressões regulares, extração em tabelas Markdown e validadores (dígito verificador, formato, contexto). As entidades podem ser substituídas por rótulos como <|CPF|> ou apresentadas para revisão humana. O modelo treinado é baixado das releases do repositório; o texto não é enviado a serviço de nuvem.
Ficha técnica
- Origem
- Governamental (7.1.A)
- Tecnologia de IA
- Análise de texto / linguagem (NLP)
- Tipo
- Código / biblioteca
- Em uso desde
- 2026
- Licença
- GPL-3.0
- IA generativa
- Não
- Frameworks
- Python · spaCy · scikit-learn · pandas
- Tags
- LGPD · dados pessoais · anonimização · NER · NLP · português brasileiro · on-premise
Impacto
- Resultado / impacto
- Apoia a remoção ou o mascaramento de dados pessoais antes do compartilhamento ou da publicação de textos administrativos, reduzindo exposição indevida. Não substitui avaliação de risco de reidentificação nem dispensa revisão humana; as métricas publicadas valem para uma versão específica do modelo.
- Impacto social / ético
- Apoia o mascaramento de dados pessoais antes do compartilhamento ou da publicação de textos administrativos. Não substitui avaliação de risco de reidentificação nem dispensa revisão humana; processa dados pessoais por desenho, localmente, e as métricas publicadas valem para uma versão específica do modelo.
- Grupos afetados
- servidores responsáveis por publicar, compartilhar ou tramitar documentos; titulares dos dados pessoais presentes nos textos
Soberania e dados
- Maturidade
- Implementado — uso interno
- Soberania
- Brasil — soberano
- Hospedagem da inferência
- Brasil — soberano
- Transferência internacional
- Não
- Certificação
- A confirmar.
Governança e supervisão
- Supervisão humana
- Revisão obrigatória
- Descrição da supervisão
- Revisão humana obrigatória antes de publicar ou compartilhar documentos anonimizados; a ferramenta é apoio, não decisão.
- Responsável LGPD
- DPO — Anatel
Nível de risco: Limitado
- Avaliação de viés
- Benchmark público em 16 rótulos (F-beta 0,8748; precisão 0,9222; recall 0,8637). Sem avaliação pública de viés demográfico; riscos de falso negativo e falso positivo.
- Robustez
- Módulo de avaliação, testes automatizados e métricas publicadas; principal risco é dado pessoal não detectado.
- Explicabilidade
- Parcial — indica se cada entidade veio do modelo NER, de expressão regular ou de tabela, com validadores específicos.
- Canal de reclamação
- https://github.com/anatelgovbr/anonimizador-dp/issues
Você também pode consultar
Dados públicos (guia de prontidão)
- ANM — SIGMINE e dados abertos da mineração (processos minerários, CFEM) — Mapear pressão minerária sobre terras indígenas e UCs; arrecadação de royalties (CFEM) por município.
- ANP — Levantamento de Preços de Combustíveis e dados abertos — Acompanhar preços de combustíveis por região, estado, município e revenda; construir séries semanais; comparar margens entre distribuição e revenda. É uma das séries mais consumidas do dado público brasileiro.
- Anuário Brasileiro de Segurança Pública — FBSP — É a série de referência sobre violência no Brasil, com vinte edições, e cobre recortes que a estatística oficial demora a consolidar. Reúne em um documento só o que está disperso entre secretarias estaduais de segurança pública e polícias, com nota metodológica declarada. A planilha entrega as tabelas em formato tratável, o que é incomum em publicação desse tipo — a maior parte dos anuários do gênero sai só em PDF.
- CCEE — Dados CCEE (mercado de energia elétrica) — Séries de PLD, penalidades de lastro de energia de reserva, fator de alavancagem, contabilização e liquidação do mercado de curto prazo.
- DadosJusBr — remunerações do sistema de Justiça — Responde uma pergunta que nenhuma fonte oficial única responde: quanto o sistema de Justiça brasileiro paga, de forma comparável entre órgãos. Reúne em um formato só o que está espalhado por mais de cem portais com layouts diferentes. Medido em 07/09/2026: 124 órgãos — 30 do Ministério Público, 27 estaduais, 27 eleitorais, 24 do trabalho, 6 federais, 5 superiores, 3 militares e 2 conselhos.