Referință
Ce date personale apar într-un document românesc
Contractele, formularele fiscale și dosarele de resurse umane din România au un set de identificatori care nu apar în documentele englezești: CNP scris în căsuțe, adrese cu bloc, scară, etaj și apartament, CUI cu prefix RO, număr de înregistrare la Registrul Comerțului. Aceasta este lista categoriilor, cu exemple și cu ce se poate verifica matematic.
- 1. Patru familii de date
- 2. Ce se validează matematic și ce nu
- 3. De ce formatele românești încurcă instrumentele generice
- 4. Capcane care produc atât scăpări, cât și falsuri
- 5. În ce ordine le acoperi
- 6. Întrebări frecvente
1. Patru familii de date
Gruparea ajută la verificare: dacă ai acoperit toate cele patru familii, ai acoperit documentul.
| Familie | Categorii | Exemplu |
|---|---|---|
| Identitate | nume, prenume, nume de familie, numele părinților, CNP, serie și număr CI, pașaport, permis de conducere, număr de asigurat / card de sănătate (CNAS) | Rusu Gabriel, CNP 1511206278589 |
| Contact și domiciliu | adresă completă, stradă, număr, bloc, scară, etaj, apartament, cod poștal, localitate, județ, țară, telefon, e-mail, IP, nume de utilizator | Pta Venus nr. 135, bl. 37, sc. B, ap. 85 |
| Financiar | IBAN, cont bancar, card bancar, salariu | RO44 EXIM WNLQ DUYX I4R7 YHDJ |
| Profesional și documentar | denumirea angajatorului, funcția, CUI, număr Registrul Comerțului, REVISAL, număr de contract, număr de document, dată, număr de înmatriculare, VIN | SC Exemplu SRL, J2025003254007 |
Aplicația CBS-PII lucrează cu 36 de etichete tehnice. Nu sunt 36 de tipuri distincte de date personale: șase dintre ele descriu componente ale aceleiași adrese (număr, bloc, scară, etaj, apartament, cod poștal). Numărul nu este o competiție: relevant este că fiecare etichetă are un format cunoscut, un context de apariție și un mod de verificare.
2. Ce se validează matematic și ce nu
Diferența dintre un detector care „ghicește după formă” și unul care verifică este cifra de control. Acolo unde există un astfel de algoritm, un rezultat greșit poate fi respins matematic.
| Categorie | Format | Verificare |
|---|---|---|
| CNP | 13 cifre | Sumă de control (mod-11); un CNP cu cifra de control greșită este respins |
| IBAN | RO + 22 de caractere (24 în total) | Sumă de control (mod-97); se aplică și IBAN-urilor din alte țări |
| Card bancar | 13-19 cifre | Sumă de control (algoritm Luhn); spațiile și cratimele se normalizează |
| Serie CI | 2 litere + 6 cifre | Doar formatul — nu există algoritm public de verificare |
| Pașaport | 2 litere + 6-7 cifre | Doar formatul |
| CUI / CIF | 2-10 cifre, opțional cu prefix RO | Are cifră de control proprie (algoritm public, mod-11), dar în aplicație verificarea se face doar prin ancorare la etichetă („CUI”, „CIF”, „cod fiscal”); un număr de 2-10 cifre singur nu este un CUI |
| Nr. Registrul Comerțului | J40/1234/2020 sau noul format continuu J2025003254007 | Doar formatul |
| Nume, adresă, funcție, salariu | fără format fix | Depinde de context lingvistic: „subsemnatul”, „dl.”, „dna.”, „fiul lui” |
Consecința practică: categoriile fără cifră de control sunt cele care produc atât scăpări (un nume scris neobișnuit), cât și falsuri pozitive (o expresie care seamănă cu o adresă). De aceea, peste un model de limbaj sunt necesare reguli deterministe și o verificare finală a documentului produs.
3. De ce formatele românești încurcă instrumentele generice
- CNP-ul scris în căsuțe. Formularele oficiale au câte o căsuță pentru fiecare cifră, iar extragerea textului poate transforma 13 cifre în 13 fragmente separate.
- Adresa nu este un singur câmp. Într-un formular fiscal, strada, numărul, blocul, scara, etajul, apartamentul și codul poștal sunt rubrici distincte, fiecare cu eticheta ei. Un instrument care caută „adresă” nu vede această structură.
- IBAN-ul rupt pe două rânduri. Standardul permite spații la fiecare patru caractere, iar într-un tabel contul poate continua pe rândul următor. Se rezolvă prin normalizare și apoi verificare mod-97.
- Diacriticele și OCR-ul. O scanare poate transforma „Bacău” în „Bacau”, poate rupe un cuvânt la capăt de rând sau poate confunda un „0” cu un „O”. Regulile trebuie să trateze variantele echivalente.
- Formate de dată multiple.
04.10.1957,4 octombrie 1957și12/2025coexistă în același dosar, cu sensuri diferite.
4. Capcane care produc atât scăpări, cât și falsuri
- „Data” fără cifre. Expresia „la data semnării” nu este o dată calendaristică și nu trebuie tratată ca atare.
- Numerele din tabele de rate. Un număr de ordine sau un rest de plată nu este un număr de apartament.
- Codurile CAEN. Un cod de activitate economică nu este un număr de document, deși are același aspect.
- Numerele de articole de lege. „art. 1270” sau „OUG 13/1994” nu sunt numere de contract, deși pot fi confundate cu ele.
- Numele care coincide cu un cuvânt comun. Un nume de familie care este și substantiv comun produce, la un detector naiv, „redactări” ale unor cuvinte obișnuite.
5. În ce ordine le acoperi
- Identificatorii direcți — CNP, serie de act, pașaport: nu se lasă niciodată în clar atunci când documentul pleacă în afara organizației.
- Contactul — adresă, telefon, e-mail: sunt calea cea mai rapidă de a ajunge la o persoană fizică.
- Financiarul — IBAN, card: un IBAN complet este suficient pentru a iniția o plată.
- Contextul profesional — funcție, salariu, angajator: identifică indirect, mai ales în organizațiile mici.
- Restul documentului — de la caz la caz, în funcție de destinatar.
6. Întrebări frecvente
Ce este CNP-ul și de ce se validează matematic?
CNP-ul are 13 cifre: prima cifră codifică sexul și secolul nașterii, următoarele șase sunt data nașterii (an, lună, zi), apoi două cifre pentru județul de naștere, trei cifre de ordine și ultima cifră este o cifră de control calculată cu un algoritm mod-11. Pentru că ultima cifră este verificabilă, un CNP scris greșit sau inventat poate fi respins matematic, fără a fi nevoie de o bază de date.
De ce IBAN-ul românesc are 24 de caractere?
IBAN-ul românesc respectă standardul european: prefixul RO, două cifre de control, patru litere care identifică banca și șaisprezece caractere pentru cont. Cifrele de control se verifică prin algoritmul mod-97, ceea ce permite validarea unui IBAN chiar dacă este scris cu spații la fiecare patru caractere sau rupt pe două rânduri într-un tabel.
Seria de buletin are o cifră de control?
Nu. Formatul este două litere urmate de șase cifre, dar nu există un algoritm public de verificare, spre deosebire de CNP sau IBAN. Un instrument care pretinde că „validează” seria de buletin verifică doar formatul, nu autenticitatea documentului.