Python

ناشناس‌ساز GDPR: نام‌مستعارسازی خروجی CSV

فیلدهای PII (نام، نام خانوادگی، ایمیل، تلفن) رو با یه هش SHA-256 نمک‌دار و کوتاه‌شده جایگزین می‌کنه — قطعیه، پس joinهای بین فایل‌ها بعد از ناشناس‌سازی هنوز کار می‌کنن.

کاربرد

دادن یه برش از production به تیم‌های تحلیل، بدون اینکه حتی یه داده‌ی شخصی لو بره.

پیش‌نیازها

Python 3.9+ (bibliothèque standard)

Python
import csv
import hashlib

PII = {"nom", "prenom", "email", "telephone"}
SEL = "s3l-projet-2026"

def pseudo(valeur: str) -> str:
    return hashlib.sha256((SEL + valeur.lower()).encode()).hexdigest()[:12]

lignes = 0
with open("export_clients.csv", encoding="utf-8") as src, \
     open("export_anonyme.csv", "w", newline="", encoding="utf-8") as dst:
    lecteur = csv.DictReader(src)
    ecrivain = csv.DictWriter(dst, fieldnames=lecteur.fieldnames)
    ecrivain.writeheader()
    for ligne in lecteur:
        for champ in PII & set(ligne):
            if ligne[champ]:
                ligne[champ] = pseudo(ligne[champ])
        ecrivain.writerow(ligne)
        lignes += 1

print(f"{lignes} lignes pseudonymisées → export_anonyme.csv")
print("champs traités :", ", ".join(sorted(PII)))
print("déterminisme   : jean.dupont@mail.fr →", pseudo("jean.dupont@mail.fr"))

نتیجه

18442 lignes pseudonymisées → export_anonyme.csv
champs traités : email, nom, prenom, telephone
déterminisme   : jean.dupont@mail.fr → 7f3a9c41d20e

# même entrée = même pseudo : les jointures inter-fichiers survivent
RGPDhashlibCSVPseudonymisation

اسنیپت‌های مرتبط

بازگشت به آزمایشگاه داده