André Luís Andrade MenolliLuiz Fernando Pereira Nunes2026-09-142026-09-142026-04-13https://repositorio.uel.br/handle/123456789/19945A intensificação do tratamento de dados pessoais em ambientes digitais ampliou os riscos à privacidade e evidenciou a necessidade de soluções técnicas capazes de operacionalizar a conformidade com legislações de proteção de dados. Este trabalho tem como objetivo desenvolver e validar o CAFIS, um framework automatizado para anonimização de dados pessoais baseado na análise de contexto e na sensibilidade dos atributos, em conformidade com a Lei Geral de Proteção de Dados Pessoais. O método adotado fundamenta-se na Design Science Research, estruturada nas etapas de relevância, rigor, design, construção e avaliação do artefato. O framework integra módulos de análise contextual da base, classificação de atributos, avaliação de sensibilidade e risco de reidentificação, seleção automatizada de técnicas de anonimização e geração de indicadores de conformidade. A avaliação empírica foi realizada por meio da aplicação do CAFIS em diferentes bases de dados, considerando critérios técnicos, jurídicos e éticos, com foco na preservação da utilidade dos dados e na mitigação dos riscos à privacidade. Os resultados indicam que o CAFIS apoia o processo decisório de anonimização de forma sistemática e contextualizada, permitindo mensurar a aderência aos princípios da LGPD, especialmente finalidade, necessidade, adequação, prevenção e responsabilização. Conclui-se que o framework contribui para a redução da lacuna entre a normatização jurídica e a implementação técnica da proteção de dados, oferecendo uma abordagem integrada, auditável e adaptável a diferentes contextos organizacionais, sem comprometer a utilidade analítica das informaçõesporAnonimização de dadosProteção de dados pessoaisLGPDFramework automatizadoPrivacidade da informaçãoDissertaçãoCiências Exatas e da Terra - Ciência da ComputaçãoCiências Exatas e da Terra - Ciência da ComputaçãoData anonymizationPersonal data protectionLGPDAutomated frameworkInformation privacy