MedTrack — Enmascaramiento PII/PHI

Registros protegidos

12.847

Pacientes activos en BD

Tipos de dato enmascarado

Email · Tel · DNI · Tarjeta · HC · Fecha · IP · SSN · Nombre

Riesgo antes

CRÍTICO

Logs con datos en texto plano

Riesgo después

BAJO

Cumplimiento GDPR verificado

1 · Transformación de datos — Antes vs Después

Técnica aplicada por campo en la BD de pacientes de MedTrack

🗄️ tabla pacientes — producción → dev PostgreSQL

Campo	Valor real (PRODUCCIÓN)	Valor enmascarado (DEV)	Técnica	Riesgo pre
nombre	María García López	M* G* L***	Redacción parcial	● ALTO
email	m.garcia@gmail.com	m*****a@gmail.com	Preserva dominio	● ALTO
telefono	+34 612 345 678	*-*-5678	Últimos 4 dígitos	● ALTO
dni	47291384X	*****384X	Sufijo fijo	● ALTO
num_tarjeta	4532 0151 1283 0366	453201******0366	BIN + últimos 4	● CRÍTICO
fecha_nacimiento	15/03/1985	1980–1990 (rango 10a)	Generalización	● MEDIO
num_historial	HC-2024-0234	HC-TEST-8491	Fake format-preserving	● MEDIO
ip_acceso	83.46.122.71	83.46.0.0/16	Generalización /16	● MEDIO
created_at	2024-03-15 10:23:41	2024-03-15 10:23:41	Sin cambio	● BAJO

2 · Sanitización de logs en tiempo real

Middleware Express.js + Winston — MedTrack API Gateway

📋 Log real vs sanitizado — POST /api/pagos ⚠ Actualmente sin proteger

ANTES — Log producción (riesgo CRÍTICO)

2024-03-15 10:23:41 POST /api/pagos {"patient_email":"m.garcia@gmail.com","card":"4532015112830366","amount":150,"ssn":"123-45-6789"}

2024-03-15 10:24:12 ERROR checkout failed for c.sanchez.ruiz@hotmail.com card 5425233430109903

2024-03-15 10:25:05 POST /auth/login {"user":"anamartinez85@yahoo.es","password":"MiPass2024!","token":"eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.xxx"}

sanitizeLog() aplicado

DESPUÉS — Log sanitizado (GDPR compliant)

2024-03-15 10:23:41 POST /api/pagos {"patient_email":"[EMAIL]","card":"[CREDIT_CARD]","amount":150,"ssn":"[SSN]"}

2024-03-15 10:24:12 ERROR checkout failed for [EMAIL] card [CREDIT_CARD]

2024-03-15 10:25:05 POST /auth/login {"user":"[EMAIL]","password":"[REDACTED]","token":"[REDACTED]"}

🔐 Vista enmascarada PostgreSQL SQL

-- Acceso de equipo dev: solo esta vista
CREATE OR REPLACE VIEW pacientes_masked AS
SELECT
  id,
  LEFT(nombre, 1) || '***' AS nombre,
  REGEXP_REPLACE(email,
    '^([^@])([^@]*)(@.+)$',
    '\1***\3') AS email,
  '***-***-' || RIGHT(telefono, 4) AS telefono,
  mask_pan(num_tarjeta) AS num_tarjeta,
  FLOOR(DATE_PART('year',fecha_nac)/10)*10
    ||'s' AS decada_nac,
  created_at, status, clinica_id
FROM pacientes;

-- Permisos: dev solo ve la vista
GRANT SELECT ON pacientes_masked TO dev_team;
REVOKE SELECT ON pacientes FROM dev_team;

-- Función format-preserving para PAN
CREATE OR REPLACE FUNCTION mask_pan(pan TEXT)
RETURNS TEXT AS $$
BEGIN
  RETURN RPAD(LEFT(pan, 6),
    LENGTH(pan)-4, '*')
    || RIGHT(pan, 4);
END;
$$ LANGUAGE plpgsql IMMUTABLE;
        

🐍 Funciones Python — medtrack_masker.py Python 3.11

# medtrack_masker.py — MedTrack PII utilities
import re
from faker import Faker

fake = Faker("es_ES")

def mask_email(email: str) -> str:
    local, domain = email.split('@')
    masked = (local[0] + '*' * (len(local)-2)
              + local[-1]) if len(local) > 2 else '***'
    return f"{masked}@{domain}"

def mask_pan(card: str) -> str:
    c = re.sub(r'[\s-]', '', card)
    return c[:6] + '*'*(len(c)-10) + c[-4:]

def mask_phone_es(phone: str) -> str:
    digits = re.sub(r'\D', '', phone)
    return f"***-***-{digits[-4:]}"

def generate_fake_patient() -> dict:
    """Genera paciente fake realista en español."""
    return {
        "nombre": fake.name(),
        "email": fake.email(),
        "telefono": fake.phone_number(),
        "dni": fake.nif(),
        "fecha_nac": fake.date_of_birth(
          minimum_age=18, maximum_age=85
        ).isoformat(),
        "num_historial": f"HC-TEST-{fake.random_int(1000,9999)}",
    }

# Muestra: 3 pacientes fake generados
for _ in range(3):
    print(generate_fake_patient())
        

3 · Pipeline Producción → Dev

Copia segura automatizada — ejecutar antes de cada ciclo de sprint

🔄 mask-db-for-dev.sh — MedTrack Automatizado

🏭

Prod DB

medtrack.prod
12.847 pacientes

→

📤

pg_dump

Solo esquema
sin datos

→

🎭

Enmascarar

9 campos PII
SQL + Python

→

🔍

Presidio Scan

Validar PII
residual = 0

→

💻

Dev DB

medtrack.dev
Datos seguros

#!/bin/bash — mask-db-for-dev.sh
PROD_DB="postgresql://medtrack-prod/app"
DEV_DB="postgresql://medtrack-dev/app_dev"

pg_dump --schema-only $PROD_DB > schema.sql
psql $DEV_DB < schema.sql

psql $PROD_DB -c "\COPY (
  SELECT id,
    LEFT(nombre,1)||'***' AS nombre,
    REGEXP_REPLACE(email,'^([^@])([^@]*)(@.+)$','\1***\3') AS email,
    '***-***-'||RIGHT(telefono,4) AS telefono,
    mask_pan(num_tarjeta) AS num_tarjeta,
    FLOOR(DATE_PART('year',fecha_nac)/10)*10||'s' AS decada_nac,
    'HC-TEST-'||LPAD(RANDOM()::INT::TEXT,4,'0') AS num_historial,
    created_at, status, clinica_id
  FROM pacientes
) TO STDOUT WITH CSV" | psql $DEV_DB -c "\COPY pacientes_masked FROM STDIN WITH CSV"

echo "✓ Dev DB lista con datos enmascarados — $(date)"
        

🛡️ Técnicas aplicadas en MedTrack

Redacción

Sustituye con [REDACTED]. Irreversible.

→ Logs, passwords, tokens

Máscara parcial

Oculta interior, mantiene inicio/fin.

→ Emails, nombres, DNI

Tokenización

BIN + últimos 4. PCI-DSS compliant.

→ Tarjetas de crédito

Dato sintético

Faker es_ES genera valores realistas.

→ Dev/staging completo

Generalización

Rango de 10 años en lugar de fecha exacta.

→ Análisis epidemiológico

Vista dinámica

GRANT solo a vista, REVOKE tabla base.

→ RBAC dev vs admin

✅ Checklist GDPR — Auditoría MedTrack 8/10 completados

✓

Inventario PII completado (9 tipos identificados)
HECHO
✓

Middleware sanitización de logs desplegado (Express + Winston)
HECHO
✓

Entornos dev/staging usan solo datos enmascarados
HECHO
✓

Vistas BD + roles restringen acceso PII crudo
HECHO
✓

Pipeline prod → dev documentado y probado
HECHO
✓

Presidio NLP scan validación residual PII = 0
HECHO
✓

Enmascaramiento tarjetas PCI-DSS BIN+4
HECHO
✓

Respuestas API enmascaran PII para roles no admin
HECHO
!

Pipeline CI/CD: scan secretos hardcoded
PENDIENTE — Sprint 14
○

Revisión anual del plan de enmascaramiento
PROGRAMADO — Jun 2027

4 · Detección automática con Presidio NLP

Validación post-pipeline — 0 PII residual en staging

🤖 Scan de texto libre — notas clínicas 0 PII detectadas en output

Input — Nota clínica real

"El paciente Carlos Sánchez (DNI 38492017B)

acudió el 22/07/2024. Tel: +34 699 876 543.

Email: c.sanchez@hotmail.com.

Tarjeta: 5425-2334-3010-9903."

Output — Nota anonimizada

"El paciente [NOMBRE] (DNI [REDACTED])

acudió el [FECHA]. Tel: [TELÉFONO].

Email: [EMAIL].

Tarjeta: [CREDIT_CARD]."

Presidio AnalyzerEngine detectó: PERSON · NRP (DNI) · DATE_TIME · PHONE_NUMBER · EMAIL_ADDRESS · CREDIT_CARD — 6 entidades, 100% anonimizadas. Método: replace con etiquetas tipo. Hash SHA-256 disponible para pseudonimización reversible controlada.