Anonimização é o processo de modificar dados pessoais de forma irreversível, de modo que a pessoa a quem os dados se referem não possa mais ser identificada — nem diretamente, nem por combinação com outras informações. Um dado verdadeiramente anonimizado deixa de ser dado pessoal e, por isso, sai do escopo da LGPD.
Na prática, porém, anonimizar de verdade é mais difícil do que parece. E é exatamente nessa diferença — entre o que se chama de anonimização e o que de fato é anonimização — que a maioria das organizações erra.
O que é anonimização, segundo a LGPD
A Lei Geral de Proteção de Dados (Lei nº 13.709/2018) define dado anonimizado no art. 5º, inciso III: é o “dado relativo a um titular que não possa ser identificado, considerando a utilização de meios técnicos razoáveis e disponíveis na ocasião de seu tratamento.”
O detalhe importante está na expressão “meios técnicos razoáveis”. A LGPD não exige anonimização absoluta — algo que, em teoria, seria impossível de garantir para sempre. O que a lei exige é que o risco de reidentificação seja suficientemente baixo dado o contexto e o estado da tecnologia disponível.
A ANPD (Autoridade Nacional de Proteção de Dados) é quem define parâmetros técnicos para avaliar se um processo de anonimização atende esse critério. Até a data deste conteúdo, a ANPD já publicou orientações gerais, mas o tema ainda está em evolução regulatória no Brasil — o que torna o acompanhamento técnico da área essencial.
Anonimização não é o mesmo que pseudonimização
Essa confusão é mais comum do que deveria ser, inclusive em equipes jurídicas e de TI.
Pseudonimização substitui identificadores diretos (nome, CPF, e-mail) por um código ou apelido. O dado ainda está vinculado à pessoa — só que indiretamente, via uma chave de referência que permanece em poder da organização. A pessoa ainda pode ser reidentificada se alguém tiver acesso à chave.
Anonimização elimina qualquer vínculo possível com a pessoa, incluindo a possibilidade de reidentificação indireta. Não existe chave de reversão. O dado se desvincula definitivamente do indivíduo.
| Critério | Pseudonimização | Anonimização |
|---|---|---|
| Reversível? | Sim, com a chave | Não |
| Ainda é dado pessoal? | Sim | Não (se bem feita) |
| Sujeito à LGPD? | Sim | Não |
| Risco de reidentificação | Médio a alto | Baixo (objetivo) |
| Uso típico | Bases de dados internas, pesquisas | Publicação, compartilhamento externo |
| Exemplo | CPF substituído por hash | Faixa etária em vez de data de nascimento |
A pseudonimização é útil — reduz o risco em ambientes internos controlados — mas não dispensa o cumprimento da LGPD. Só a anonimização genuína retira o dado do regime de proteção legal.
As principais técnicas de anonimização de dados
Existem diversas abordagens técnicas, e a escolha depende do tipo de dado, do objetivo de uso e do nível de risco aceitável.
Generalização
O dado específico é substituído por uma categoria mais ampla. Em vez de registrar “nascido em 14/03/1982”, registra-se “nascido entre 1980 e 1989”. A precisão diminui, mas o dado ainda é analiticamente útil.
Supressão
Campos que poderiam identificar a pessoa são simplesmente removidos ou mascarados. É a técnica mais simples e, dependendo do contexto, pode ser suficiente — mas raramente é, quando usada sozinha.
Perturbação (ruído)
Valores numéricos são alterados por uma margem aleatória pequena. O conjunto de dados mantém propriedades estatísticas consistentes, mas nenhum registro individual corresponde à realidade exata. Muito usado em dados financeiros e de saúde para análise agregada.
K-anonimato
Desenvolvido pelo pesquisador Latanya Sweeney, o k-anonimato garante que qualquer registro em um conjunto de dados seja indistinguível de pelo menos outros k-1 registros nas colunas de identificação indireta (quase-identificadores). Se k=5, cada combinação de atributos aparece no mínimo 5 vezes no conjunto.
L-diversidade e T-proximidade
São refinamentos do k-anonimato que lidam com vulnerabilidades adicionais — como ataques de homogeneidade, em que todos os registros “similares” têm o mesmo valor sensível. São técnicas mais robustas para dados de saúde, por exemplo.
Privacidade diferencial (differential privacy)
A abordagem mais moderna e matematicamente formal. Um ruído calibrado é adicionado às respostas de consultas ao banco de dados, de modo que a presença ou ausência de qualquer indivíduo não afeta significativamente o resultado. É a técnica usada por Google e Apple em coletas de dados de usuários em larga escala.
Anonimização de documentos: onde o tema se conecta ao tarjamento
Quando falamos em documentos — processos, contratos, laudos, ofícios, decisões administrativas — a anonimização assume uma forma prática específica: a remoção ou ocultação visual de informações identificadoras nos próprios arquivos.
Nesse contexto, o conceito técnico que descreve a ação é o tarjamento (também chamado de redação ou expurgo de documentos). Tarjar um documento é aplicar anonimização no nível do conteúdo textual e visual, bloqueando nomes, CPFs, endereços e outros dados pessoais antes de o documento ser compartilhado, publicado ou arquivado.
A distinção que importa aqui:
- Anonimização é o objetivo legal e conceitual — garantir que o titular não possa ser reidentificado.
- Tarjamento é o método prático para atingir esse objetivo em documentos.
Um tarjamento mal feito — por exemplo, colocar uma caixa preta sobre o texto em PDF sem remover o texto subjacente — não produz anonimização real. O dado ainda está no arquivo, só invisível na tela.
Conheça o guia completo sobre tarjamento: O que é tarjamento
Anonimização na LGPD: quando ela libera obrigações e quando não libera
A lógica da LGPD é que dados anonimizados não são dados pessoais — e, portanto, não estão sujeitos às suas obrigações. Isso inclui:
- Desnecessidade de base legal para tratamento
- Desnecessidade de consentimento
- Não contagem nos prazos de retenção
- Possibilidade de compartilhamento sem restrições adicionais
Mas há uma exceção relevante no art. 12, §1º: se o processo de anonimização for reversível usando meios razoáveis, a LGPD ainda se aplica. Cabe à organização demonstrar que sua técnica é robusta o suficiente para não ser revertida.
Além disso, dados anonimizados usados para formação de perfil comportamental voltados à pessoa natural voltam a ser tratados como dados pessoais pela lei. É uma precaução legislativa para evitar que organizações “anonimizem” dados e depois os usem de forma que, na prática, ancora comportamentos individuais.
Anonimização no setor público: LAI, transparência e proteção
Para órgãos públicos, a anonimização está no centro de uma tensão que não tem resolução simples: o direito à informação (garantido pela Lei de Acesso à Informação, Lei nº 12.527/2011) versus o direito à privacidade (reforçado pela LGPD).
A LAI determina que informações pessoais são sigilosas por padrão. A LGPD reforça essa proteção. Mas a transparência ativa — a obrigação de publicar informações públicas proativamente — exige que documentos sejam acessíveis.
A saída técnica e jurídica é a anonimização dos dados pessoais antes da publicação. Documentos de processos administrativos, decisões, contratos licitados e outros atos públicos podem (e frequentemente devem) ser divulgados com os dados pessoais de terceiros devidamente tarjados.
Órgãos como TCU, MPSP e MPSC já têm fluxos estabelecidos para isso. O volume, porém, é o desafio: um tribunal de médio porte pode ter dezenas de milhares de documentos para revisar, e o trabalho manual é inviável em escala.
Como implementar anonimização de dados na prática
A implementação depende de onde os dados estão — em sistemas, em bancos de dados ou em documentos.
Em bancos de dados e sistemas
- Mapeie os dados pessoais — quais campos, em quais tabelas, com qual sensibilidade. Isso é o inventário de dados, base de qualquer programa de privacidade.
- Classifique por finalidade de uso — dados que ainda precisam ser processados individualmente não podem ser anonimizados ainda. Identifique os que já cumpriram sua finalidade.
- Escolha a técnica adequada ao tipo de dado e ao uso posterior (análise agregada, publicação, arquivo histórico).
- Teste a resistência à reidentificação — cruzar com bases públicas disponíveis (IBGE, dados abertos, redes sociais) é um método básico de validação.
- Documente o processo — a LGPD valoriza a responsabilização. Manter registro das decisões técnicas sobre anonimização é parte da governança de dados.
Em documentos
- Identifique os dados pessoais no documento — nomes, CPFs, endereços, números de matrícula, dados sensíveis.
- Use uma ferramenta que remova o dado da camada de texto, não apenas que o cubra visualmente.
- Valide o arquivo resultante — abra o PDF em modo de texto ou com extrator de conteúdo para confirmar que os dados não estão acessíveis.
- Estabeleça um fluxo sistemático — anonimização pontual não escala. Processos recorrentes precisam de automação.
Para organizações com volume alto de documentos, ferramentas especializadas como o MavenDoc permitem configurar padrões de detecção automática de dados pessoais (CPF, CNPJ, nomes, datas de nascimento) e aplicar tarjamento em lote, reduzindo o tempo de processamento em até 90% em comparação com a revisão manual.
→ Conheça o MavenDoc — a solução de tarjamento automático para órgãos públicos e empresas.
Perguntas frequentes sobre anonimização
O que é anonimização de dados?
Anonimização é o processo de transformar dados pessoais de forma que a pessoa a quem eles se referem não possa mais ser identificada, direta ou indiretamente, por qualquer meio razoável disponível. Segundo a LGPD (art. 5º, inciso III), um dado anonimizado deixa de ser dado pessoal e sai do escopo da lei.
Qual a diferença entre anonimização e pseudonimização?
Pseudonimização substitui identificadores por códigos, mas mantém a possibilidade de reverter o processo usando uma chave de referência — o dado continua sendo pessoal. Anonimização elimina qualquer vínculo possível com o indivíduo, sem chave de reversão. Só a anonimização retira o dado do regime da LGPD.
Dado anonimizado está fora da LGPD?
Em regra, sim. Mas se o processo de anonimização puder ser revertido com meios técnicos razoáveis, a LGPD ainda se aplica (art. 12, §1º). A robustez da técnica usada é o que determina se a exclusão do regime legal é válida.
Quais são as principais técnicas de anonimização?
As técnicas mais usadas são: generalização (substituir valor preciso por categoria ampla), supressão (remover o campo), perturbação/ruído (adicionar variação aleatória), k-anonimato (garantir indistinguibilidade entre registros), l-diversidade, t-proximidade e privacidade diferencial. A escolha depende do tipo de dado e do uso pretendido.
Como anonimizar documentos em PDF?
Para anonimizar documentos PDF corretamente, é preciso remover o texto identificador da camada de conteúdo do arquivo — não apenas cobri-lo visualmente. Ferramentas como Adobe Acrobat Pro, MavenDoc e outras especializadas realizam essa operação. Cobrir com uma caixa preta sem remover o texto subjacente não é anonimização — o dado ainda está no arquivo.
Tarjamento e anonimização são a mesma coisa?
Tarjamento é a técnica prática de anonimização aplicada a documentos. O objetivo do tarjamento é produzir anonimização — mas um tarjamento mal feito (superficial, reversível) não atinge esse objetivo. São termos relacionados, mas não intercambiáveis: tarjamento é o método, anonimização é o resultado buscado.
A LGPD exige anonimização dos dados?
A LGPD não impõe anonimização como obrigação geral, mas exige que dados sejam tratados apenas enquanto necessário para a finalidade. Quando a finalidade se encerra, os dados devem ser eliminados ou anonimizados. Em contextos específicos — como compartilhamento de dados para pesquisa ou publicação de documentos públicos — a anonimização é a forma correta de conciliar uso e proteção.
Como órgãos públicos devem tratar anonimização de documentos?
Órgãos públicos operam na interseção entre a LAI (transparência) e a LGPD (privacidade). A regra geral é: documentos públicos podem ser divulgados, mas dados pessoais de terceiros (que não sejam agentes públicos no exercício de suas funções) devem ser anonimizados antes da publicação. O tarjamento sistemático de documentos é o fluxo técnico para cumprir essa exigência.
Sobre a Maven
A Maven é uma empresa brasileira de govtech com mais de uma década de experiência em conformidade documental e proteção de dados no setor público. O MavenDoc é a plataforma de tarjamento e anonimização automática de documentos usada por órgãos como TCU, MPSP, STM e MPSC — com resultados documentados de redução de até 90% no tempo de processamento de documentos sensíveis.