Técnicas de anonimización: cuál usar y cuándo
Julio 2026 · Lectura: ~10 min
Las técnicas de anonimización de referencia son cinco: supresión, generalización, perturbación, enmascaramiento y seudonimización —esta última sin efecto anonimizador pleno, porque es reversible—. La elección depende del uso posterior del dato y del riesgo de reidentificación admisible.
No existe la técnica perfecta: cada una intercambia protección por utilidad de una manera distinta, y el dictamen 05/2014 del Grupo de Trabajo del Artículo 29 evalúa precisamente eso: cómo se comporta cada técnica frente a los tres riesgos canónicos (singularización, vinculabilidad e inferencia). Esta guía las recorre una a una con ejemplos, resume sus fortalezas y debilidades en una tabla y da criterios concretos para elegir.
Si buscas el marco general —qué convierte un dato en anónimo a ojos del RGPD y de la AEPD—, empieza por la guía completa de anonimización de datos.
Tabla comparativa de técnicas de anonimización
| Técnica | Qué hace | ¿Anonimiza? | Utilidad restante | Uso típico |
|---|---|---|---|---|
| Supresión | Elimina el dato | Sí (sobre ese dato) | Nula para el atributo | Publicación de documentos |
| Generalización | Valor -> categoría amplia | Sí, con modelo formal | Alta (analítica) | Estadística, open data |
| Perturbación | Altera valores con ruido | Sí, bien calibrada | Alta (agregados) | Datos de prueba, investigación |
| Enmascaramiento | Dato -> etiqueta [TIPO] | Sí (sobre ese dato) | Estructural (se ve que había dato) | Documentos, formación |
| Seudonimización | Dato -> código reversible | No (art. 4.5 RGPD) | Total con la clave | Uso interno, investigación art. 89 |
Las técnicas, una a una
1. Supresión
Eliminar el dato del conjunto o del documento. Es la única técnica con garantía absoluta sobre el dato suprimido: lo que no existe no se reidentifica. Se aplica sistemáticamente a los identificadores directos (nombre, DNI, número de historia, matrícula) y, en documentos, exige operar sobre el contenido real del archivo: eliminar el texto del código del PDF, no taparlo. Su límite es obvio: cada supresión resta utilidad, y suprimirlo todo equivale a no publicar.
2. Generalización
Sustituir el valor exacto por uno menos preciso que engloba a un grupo: la fecha de nacimiento por el año o la franja de edad, la dirección por el municipio, la profesión concreta por el sector. Bien aplicada, diluye al individuo en un colectivo; el tamaño mínimo de ese colectivo es exactamente lo que mide el k-anonimato. Mal aplicada —rangos demasiado estrechos, combinaciones raras— deja grupos de una sola persona: la celda con valor 1 es el clásico fallo de las estadísticas publicadas.
3. Perturbación (aleatorización)
Alterar los valores añadiendo ruido controlado o permutando datos entre registros, de modo que ningún valor individual sea fiable pero los agregados (medias, distribuciones, correlaciones) se conserven. Es la familia de la privacidad diferencial, que calibra matemáticamente cuánto ruido hace falta para que la presencia de un individuo sea indetectable. Ideal para datasets analíticos y datos de prueba; inaplicable cuando el valor individual debe seguir siendo cierto (un expediente, una sentencia).
4. Enmascaramiento
Sustituir el dato por una etiqueta neutra que declara su tipo: [NOMBRE], [DNI], [DIRECCION]. A efectos de reidentificación equivale a la supresión —el valor desaparece—, pero conserva la legibilidad y la estructura del texto: el lector sabe que ahí había un interviniente o una cuenta bancaria. Es la técnica natural en documentos jurídicos donde el relato debe seguir entendiéndose, y la que usan las herramientas profesionales de anonimización documental.
5. Seudonimización (el falso amigo)
Sustituir el identificador por un código, token o alias cuya correspondencia se guarda aparte. Es la técnica más útil operativamente —permite seguir al mismo individuo entre registros y revertir cuando hay derecho que atender— y la más peligrosa conceptualmente: no anonimiza. El art. 4.5 RGPD la define como tratamiento de datos personales, no como salida del Reglamento. Tratar datos seudonimizados como anónimos es la infracción de manual.
Cómo elegir la técnica adecuada
La pregunta correcta no es «¿qué técnica es mejor?» sino «¿qué necesita poder hacerse con el dato después?». Tres escenarios cubren la mayoría de los casos:
El dato debe desaparecer (publicación de documentos)
Sentencias, actas, resoluciones, expedientes que salen a un portal o a un tercero: supresión o enmascaramiento sobre todas las capas del archivo. Aquí no hay equilibrio que buscar: el identificador sobra. El detalle práctico está en la guía de anonimización de documentos.
El dato debe seguir siendo útil en agregado (estadística, open data, test)
Generalización de cuasi-identificadores más perturbación de valores sensibles, verificadas con un modelo formal (k-anonimato como mínimo; l-diversidad si hay atributos sensibles). Para datos de prueba de software, valora antes la alternativa sintética: misma estructura, riesgo cero.
Hay que poder volver al individuo (uso interno, investigación)
Seudonimización con la clave separada y protegida, asumiendo que el RGPD sigue aplicando en su totalidad. Si el proyecto termina y la trazabilidad deja de ser necesaria, destruir la clave y tratar los cuasi-identificadores convierte el dataset en candidato a anónimo, previa evaluación del riesgo.
Y una regla transversal de la guía de la AEPD: documenta la decisión. Qué técnica, sobre qué atributos, con qué parámetros y qué análisis de riesgo la respalda. La anonimización defendible no es solo la bien hecha: es la que puede demostrarse.
Preguntas frecuentes
¿Cuáles son las principales técnicas de anonimización?
Las cinco técnicas de referencia son la supresión (eliminar el dato), la generalización (sustituirlo por una categoría más amplia), la perturbación o aleatorización (alterar el valor conservando la utilidad estadística), el enmascaramiento (sustituirlo por una etiqueta neutra) y la seudonimización (sustituirlo por un código reversible). Solo las cuatro primeras pueden producir datos anónimos; la seudonimización mantiene los datos dentro del ámbito del RGPD.
¿Qué técnica de anonimización es la más segura?
La supresión: un dato que ya no existe no puede reidentificarse. Su coste es la pérdida total de utilidad de ese atributo. Por eso en la práctica se combina: supresión para los identificadores directos, generalización o perturbación para los cuasi-identificadores que conservan valor analítico, y verificación del resultado con un modelo formal como el k-anonimato.
¿La seudonimización es una técnica de anonimización?
Técnicamente se estudia junto a ellas, pero jurídicamente no produce anonimización: mientras exista la clave o tabla de correspondencia, los datos siguen siendo personales (art. 4.5 RGPD) y el Reglamento se aplica íntegro. Es útil como medida de seguridad y como paso intermedio de un proceso de anonimización que termina destruyendo la clave y tratando los cuasi-identificadores.
¿Qué técnica debo usar para anonimizar documentos PDF?
En texto libre las técnicas aplicables son la supresión y el enmascaramiento con etiquetas ([NOMBRE], [DNI]), ejecutadas sobre el contenido real del archivo y sus metadatos, nunca como una caja negra superpuesta. La generalización y la perturbación tienen sentido en datos estructurados, pero rara vez en una sentencia o un expediente, donde el objetivo es que el dato desaparezca del documento.
Conclusión
Las técnicas de anonimización son un menú, no una receta: supresión y enmascaramiento cuando el dato debe desaparecer, generalización y perturbación cuando debe seguir siendo útil en agregado, seudonimización cuando hay que poder volver atrás —sabiendo que esa vuelta atrás mantiene el RGPD en vigor—. Lo que convierte el menú en anonimización real es la verificación: modelos formales en datos estructurados, revisión de todas las capas en documentos, y un análisis de riesgo documentado en ambos casos.
Para el marco legal completo, sigue con la guía de anonimización de datos; para la diferencia de regímenes, seudonimización vs anonimización; y para aplicarlo a PDFs y texto libre, la guía completa de anonimización de documentos.