Gå til innholdet
Nye nettsider er nylig lansert, og vi fikser fortløpende feil og mangler. Takk for at du har tålmodighet mens vi får alt innhold på plass.

Klassifisering av data

Prosjektansvarlig er ansvarlig for å sikre at all data er plassert i riktig kategori og lagret i henhold til klassifiseringen. Informasjonen skal alltid plasseres i en tilstrekkelig sikker klasse.

🟢 Grønn (åpen) data

Grønn benyttes dersom det ikke forårsaker noen skade for offentlige interesser, universitetet, enkeltperson eller samarbeidspartner at informasjonen blir kjent for uvedkommende eller endres utilsiktet. Eksempler:

  • Helt anonyme data
  • Dokumentasjon av litteratursøk
  • Offentlige dokumenter

Informasjon som kan eller skal være tilgjengelig for alle uten særskilte tilgangsrettigheter.

🟡 Gul (begrenset) data

Gul benyttes dersom det vil kunne forårsake en viss skade (f.eks. deltakere, VID eller offentlige interesser) at informasjonen blir kjent for uvedkommende. Eksempler:

  • Datasett som inneholder ikke-sensitive personopplysninger
  • Upublisert forskningsmateriale
  • Tekster og bilder under opphavsrett

Informasjonen skal ikke være åpne for alle og må ha kontrollerte tilgangsrettigheter.

🔴 Rød (fortrolig) data

Rød benyttes hvis det vil kunne forårsake skade (f.eks. for deltakere, VID eller offentlige interesser) hvis informasjonen blir kjent for uvedkommende. Dette er informasjon som universitetet er pålagt å begrense tilgangen til i lov, forskrift, avtaler, reglementer og annet regelverk. Eksempler:

  • Alle særlige kategorier av personopplysninger, f.eks. helseopplysninger, etnisitet, politisk oppfatning, religiøs eller filosofisk overbevisning, seksuelle forhold, straffbare forhold 
  • Informasjon som kan føre til at deltakere mister jobb

Informasjonen bør ha strenge tilgangsrettigheter.

⚫ Svart (strengt fortrolig) data

Svart benyttes dersom det vil kunne forårsake betydelig skade (f.eks. deltakere, VID eller offentlige interesser) at informasjonen blir kjent for uvedkommende. Spesielle forhold gjør det nødvendig å beskytte dataene enda mer. Eksempler:

  • Store mengder særlige kategorier av personopplysninger
  • Store mengder helserelaterte data
  • Forskningsdata som er av stor økonomisk eller kommersiell verdi