dsaitЦифровые решения и технологии искусственного интеллектаDigital Solutions and Artificial Intelligence Technologies3033-7097Финансовый университет при Правительстве Российской Федерации10.26794/3030-7097-2026-2-3-26-33dsait-72Research ArticleМЕТОДЫ И СИСТЕМЫ ЗАЩИТЫ ИНФОРМАЦИИ, ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬMETHODS AND SYSTEMS OF INFORMATION PROTECTION, INFORMATION SECURITYОбезличивание персональных данных в банковской сфере: анализ методов и выбор стратегии внедренияDepersonalization of personal data in the banking sector: Analysis of methods and selection of an implementation strategyhttps://orcid.org/0000-0003-4650-2623БарановаЕ. К.BaranovaE. K.

Елена Константиновна Баранова — доцент кафедры информационной безопасности

Москва

Elena K. Baranova — Assoc. Prof., Department of Information Security

Moscow

ekbaranova@fa.ruЛебедкинаЯ. В.LebedkinaYa. V.

Яна Витальевна Лебедкина — студент бакалавриата кафедры информационной безопасности

Москва

Yana V. Lebedkina — bachelor student, Department of Information Security

Moscow

228958@edu.fa.ruФинансовый университет при Правительстве Российской ФедерацииРоссияFinancial University under the Government of the Russian FederationRussian Federation202607092026232633Copyright © Баранова Е.К., Лебедкина Я.В., 20262026Баранова Е.К., Лебедкина Я.В.Baranova E.K., Lebedkina Y.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.digitarin.ru/jour/article/view/72

В статье рассматривается актуальная проблема обезличивания персональных данных в кредитно-финансовых организациях (КФО) в контексте ужесточения регуляторных требований, в частности Приказа Роскомнадзора № 140. Проведен анализ классических и современных методов обезличивания (маскирование, псевдонимизация, генерация синтетических данных и др.) с точки зрения их применимости в банковской среде, где критически важны сохранение формата данных, референциальная целостность и высокая производительность. Дана сравнительная оценка трех современных отечественных решений: DataMask, «Гарда Data Masking» и N1 AI. Выявлены их системные ограничения, включая потенциальное несоответствие новым нормативным актам, недостаточную гибкость для уникальных банковских сущностей и высокую стоимость владения. На основе проведенного анализа обосновывается стратегическая целесообразность разработки специализированного внутрикорпоративного инструмента обезличивания, который гарантирует полное соответствие регулированию, максимальную адаптивность к бизнес-процессам банка и долгосрочную экономическую эффективность. Для кредитно-финансовой организации характерна обработка обширного массива структурированных персональных данных (ПДн), совмещающих признаки общих, иных данных и сведений, составляющих банковскую тайну. Данные сведения, как правило, хранятся в реляционных базах данных в формализованном виде (отдельные поля для номера паспорта, телефона, счета и т.д.), что, с одной стороны, упрощает их автоматизированный поиск, а с другой — требует применения строгих мер защиты, к которым относится и безопасное обезличивание для использования в непроизводственных средах. Это определяет ключевые требования к рассматриваемой системе: необходимость точного обнаружения полей различных категорий финансово-идентифицирующей информации и применение алгоритмов маскировки, обеспечивающих необратимость преобразования при сохранении структурной целостности и формата данных для корректной работы тестовых систем.

This article examines the pressing issue of personal data anonymization in credit and financial institutions (CFIs) in the context of tightening regulatory requirements, in particular, Roskomnadzor Order No. 140. It analyzes classic and modern anonymization methods (masking, pseudonymization, synthetic data generation, etc.) for their applicability in a banking environment where preserving data formats, referential integrity, and high performance are critical. A comparative assessment of three modern domestic solutions is provided: DataMask, Garda Data Masking, and N1 AI. Their systemic limitations are identified, including potential non-compliance with new regulations, insufficient flexibility for unique banking entities, and high cost of ownership. Based on this analysis, the strategic feasibility of developing a specialized internal anonymization tool is substantiated. This tool guarantees full regulatory compliance, maximum adaptability to the bank’s business processes, and long-term economic efficiency. A credit and financial institution is characterized by processing an extensive array of structured personal data (PD), which combines the features of general, other data, and information that constitutes bank secrecy. This information is typically stored in relational databases in a formalized format (separate fields for passport number, phone number, account number, etc.), which, on the one hand, simplifies their automated search, but on the other hand, requires strict protection measures, including secure anonymization for use in non-production environments. This determines the key requirements for the system under consideration: the need to accurately detect fields of various categories of financial and identifying information, and the use of masking algorithms that ensure irreversible conversion while preserving the structural integrity and data format for the correct operation of test systems.

обезличивание персональных данныхпсевдонимизациямаскирование данныхбанковские информационные системыинформационная безопасностьзащита информацииanonymization of personal datapseudonymizationdata maskingbanking information systemsinformation securityinformation protectionReferencesАльмухаметова Э. И., Шаймарданов И. Ф. Актуальность и методы обезличивания персональных данных. В сб.: Передовые инженерные решения в нефтепереработке и нефтехимии. Салават: Уфимский государственный нефтяной технический университет; 2025:261-263. URL: https://elibrary.ru/ffyproAlmukhametova E. I., Shaimardanov I. F. Relevance and methods of depersonalization of personal data. In: Advanced engineering solutions in oil refining and petrochemistry. Salavat: Ufa State Petroleum Technical University; 2025:261-263. URL: https://elibrary.ru/ffypro (In Russ.).Алексеев Д. В., Тумбинская М. В. Современные методы обезличивания персональных данных: анализ эффективности и направления развития. В сб.: Цифровые системы и модели: теория и практика проектирования, разработки и использования. Казань: Казанский государственный энергетический университет; 2025:2036-2039. URL: https://elibrary.ru/wldthvAlekseev D. V., Tumbinskaya M. V. Modern methods of depersonalization of personal data: analysis of effectiveness and development directions. In: Digital Systems and Models: theory and practice of design, development and use. Kazan: Kazan State Power Engineering University; 2025:2036-2039. URL: https://elibrary.ru/wldthv (In Russ.).Колбасов В. В. Персональные данные: обезличивание персональных данных, обрабатываемых в информационных системах персональных данных. Некоммерческие организации в России. 2017;1:59-62. URL: https://elibrary.ru/zegwvvKolbasov V.V. Personal data: depersonalization of personal data processed in personal data information systems. Non-profit organizations in Russia. 2017;1:59-62. URL: https://elibrary.ru/zegwvv (In Russ.).Кучин И. Ю. Защита конфиденциальности персональных данных с помощью обезличивания. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2010;2:158-162. URL: https://elibrary.ru/muyqhfKuchin I. Y. Protection of the confidentiality of personal data through depersonalization. Bulletin of the Astrakhan State Technical University. Series: Management, Computer Engineering and Computer Science. 2010;2:158-162. URL: https://elibrary.ru/muyqhf (In Russ.).Полуянова Е. В. Актуальные вопросы, связанные с обезличиванием персональных данных в Российской Федерации. Тенденции развития науки и образования. 2024;114-6:36-38. URL: https://doi.org/10.18411/trnio-10-2024-243Poluyanova E.V. Topical issues related to depersonalization of personal data in the Russian Federation. Trends in the Development of Science and Education. 2024;114-6:36-38. (In Russ.). URL: https://doi.org/10.18411/trnio-10-2024-243Чепик П. И. Обезличивание персональных данных как способ повышения их защиты при обработке в информационных системах. В сб.: Безопасные информационные технологии. М.: Московский государственный технический университет им. Н. Э. Баумана; 2023:150-153. URL: https://elibrary.ru/tktuemChepik P. I. Depersonalization of personal data as a way to increase their protection during processing in information systems. In: Secure Information technologies. Moscow: Bauman Moscow State Technical University; 2023;150-153. URL: https://elibrary.ru/tktuem (In Russ.).Алексеев Д. В., Тумбинская М. В. Современные методы обезличивания персональных данных: анализ эффективности и направления развития. В сб.: Цифровые системы и модели: теория и практика проектирования, разработки и использования. Казань; 2025:2036-2039. URL: https://elibrary.ru/wldthvAlekseev D. V., Tumbinskaya M. V. Modern methods of depersonalization of personal data: analysis of effectiveness and development directions. In: Digital Systems and Models: Theory and practice of design, development and use. Kazan; 2025:2036-2039. URL: https://elibrary.ru/wldthv (In Russ.).Борисов А. В. Применение имитационного компьютерного моделирования к задаче обезличивания персональных данных. Оценка состояния и Основные положения. Программирование. 2023;4:58-74. URL: https://doi.org/10.31857/S0132347423040040Borisov A.V. Application of simulation computer modeling to the problem of depersonalization of personal data. Assessment of the condition and the main provisions. Programming. 2023;4:58-74. (In Russ.). URL: https://doi.org/10.31857/S0132347423040040Бесов В. В., Данилова Э. З., Мекуриа Д. В. Методы обезличивания пользовательских данных: анализ применимости в условиях современных требований к приватности. Телекоммуникации и информационные технологии. 2025;12(1):84-89. URL: https://elibrary.ru/xjkqtnBesov V.V., Danilova E. Z., Mekuria D.V. Methods of depersonalization of user data: an analysis of applicability in the context of modern privacy requirements. Telecommunications and Information Technology. 2025;12(1):84-89. URL: https://elibrary.ru/xjkqtn (In Russ.).Мищенко Е. Ю., Соколов А. Н. Алгоритмы реализации методов обезличивания персональных данных в распределенных информационных системах. Доклады Томского государственного университета систем управления и радиоэлектроники. 2019;22(1):66-70. URL: https://doi.org/10.21293/1818-0442-2019-22-1-7-66-70Mishchenko E.Yu., Sokolov A. N. Algorithms for implementing methods of depersonalization of personal data in distributed information systems. Reports of Tomsk State University of Control Systems and Radio Electronics. 2019;22(1):66-70. (In Russ.). URL: https://doi.org/10.21293/1818-0442-2019-22-1-7-66-70Малявко А.А., Реутов В. В., Коротких И. В., Шперлинг В. К. Алгоритмы, методы и подходы к обезличиванию и обогащению данных, в том числе персональных. Безопасность цифровых технологий. 2022;4(107):9-26. URL: https://doi.org/10.17212/2782-2230-2022-4-9-26Malyavko A. A., Reutov V. V., Korotkov I. V., Shperling V. K. Algorithms, methods and approaches to depersonalization and enrichment of data, including personal data. Digital Technology Security. 2022;4(107):9-26. (In Russ.). URL: https://doi.org/10.17212/2782-2230-2022-4-9-26Гусева Т. М., Карабанова А. Н., Блимготов Т. К. Защита персональных данных путем их обезличивания. В сб.: Теория и практика применения новых информационных технологий. Ставрополь: Издательство «АГРУС»; 2020:103-106. URL: https://elibrary.ru/jssuvnGuseva T. M., Karabanova A. N., Blimgotov T. K. Protection of personal data by depersonalization. In: Theory and practice of the application of new information technologies. Stavropol: AGRUS Publishing House; 2020:103-106. URL: https://elibrary.ru/jssuvn (In Russ.).Маршалко Г. Б., Дали Ф.А., Савиных А. Н. Сравнительный анализ методов обезличивания персональных данных. В сб.: Методы и технические средства обеспечения безопасности информации. СПб.; 2022:161-163. URL: https://elibrary.ru/wppbqjMarshalko G. B., Dali F.A., Savinykh A. N. Comparative analysis of methods of depersonalization of personal data. In: Methods and technical means of ensuring information security. St. Petersburg; 2022:161-163. URL: https://elibrary.ru/wppbqj (In Russ.).Учаева Е. С., Фот Ю. Д. Исследование методов обезличивания персональных данных. В сб.: Актуальные вопросы обеспечения комплексной безопасности. Оренбург; 2025:1570-1574. URL: https://elibrary.ru/eevaehUchaeva E. S., Fot Yu. D. Research of methods of depersonalization of personal data. In: Current issues of ensuring integrated security. Orenburg; 2025:1570-1574. URL: https://elibrary.ru/eevaeh (In Russ.).

The authors declare that there are no conflicts of interest present.