Ir para o conteúdo
BBSIABanco Brasileiro de Soluções de IA para a Gestão Pública
Compartilhar soluçãoVoluntariado
Gestão PúblicaEm avaliação

Ficha da solução · Model Card

Anonimizador DP

Anatel - Agência Nacional de Telecomunicações · Federal

LGPDdados pessoaisanonimizaçãoNERNLP+2

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

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.

Bases reutilizáveis

  • Bahmni — Prontuário hospitalar completo construído sobre OpenMRS, OpenELIS e OpenERP, incluindo laboratório e farmácia.
  • Ollama — Roda um modelo de linguagem na máquina do próprio órgão, sem enviar o texto para serviço externo. É a base para usar IA generativa sobre documento sigiloso.