Határidő alatt, ömlesztett adatokból: az ÁBTL vezetője a mágnesszalag-feldolgozásról számolt be

A nemzetbiztonsági bizottság november 9-i, határozatképtelenség miatt berekesztett ülésén Cseh Gergő Bendegúz, az Állambiztonsági Szolgálatok Történeti Levéltárának (ÁBTL) főigazgatója részletesen ismertette, hogyan jutottak el a mágnesszalagokról származó adatok a nyilvános online adatbázisig — és hol csúszott félre az automatizált feldolgozás.

Alig egy hónap alatt strukturált adatbázis kellett

A 60 ezer rekordot tartalmazó anyagot október 5-én kapta meg a levéltár az Alkotmányvédelmi Hivataltól (AH), amely az adatok felülvizsgálatát koordinálta. Cseh szerint az állomány „rendkívül rossz állapotban”, strukturálatlanul érkezett: az Excel-táblában soronként egyetlen mezőben szerepeltek a tulajdonnév, születési hely, idő, B-dosszié szám és lakcím. Ezeket az informatikai eszközök segítségével kellett külön mezőkre bontaniuk.

A törvény által rögzített közzétételi határidő november 4. volt. A főigazgató elmondta: a strukturálást elvégezték, és abban bíztak, hogy a rendelkezésre álló IT-infrastruktúrával időben végigviszik a munkát. A 6-os kartonok és B-naplók esetében többszörös ellenőrzésre volt lehetőség; a mágnesszalag-adatoknál erre azonban nem maradt idő.

164 rekord: a kódek elcsúszott, a parser félreértelmezett

Az adathalmazban egy-egy kétszámjegyű kód jelezte a személy viszonyát az állambiztonsági szolgálathoz. A források szerint:

• 04 — működő hálózati személy
• 05 — megfigyelt személy (a hálózati kapcsolat köre)
• 07 — a hálózatból kizárt személy

164 esetben ez a kód nem a megszokott helyen szerepelt az ömlesztett szövegben. Amikor a rendszer automatikusan szétválasztotta a mezőket, ezek a rekordok tévesen hálózati személyként kerültek a nyilvános adatbázisba — köztük olyanok, akiket valójában megfigyeltek, nem pedig beszerveztek. A hiba feltárása után a kérdéses bejegyzéseket eltávolították.

„Minket is sokkolt, amikor kiderült, hogy ártatlan emberek adatai kerültek ki” — mondta Cseh, aki ismételten elnézést kért az érintettektől.

Évtizedes technikai háttér: szalagtól az Excelig

A mágnesszalagok története régebbre nyúlik, mint a mostani feldolgozási hiba. Az ÁBTL honlapja szerint 1990 januárjában három állambiztonsági adattárat (G, H, K) mentettek át korabeli mágnesszalagokra; az 1970-es évekbeli Egységes Gépi Prioráló Rendszer (EGPR) maradványairól van szó. A 2009-es digitalizációs bizottság a 18 tekercset olvashatóvá tette, de már akkor is dokumentálták: a lementett állomány strukturálatlan, „ömlesztett” adatfolyam, részben kódolt karakterekkel.

A Telex korábbi cikke rámutatott: a szalagokról több mint tíz évvel ezelőtt kinyert adatok így kerültek végül Excel-formátumba az AH-hoz, onnan pedig október elején az ÁBTL-hez — gyakorlatilag egy többéves legacy-data lánc utolsó láncszemeként.

Mit jelent ez a gyakorlatban?

Az ügy több, vállalati és közigazgatási környezetben is ismerős informatikai problémát vet fel egyszerre.

• Minőség versus határidő: ha a forrásadat nem normalizált, az automatizált ETL-szakasz hibázhat — különösen, ha nincs idő validációra.
• Legacy rendszerek öröksége: a 40–50 éves adatformátumok (lyukkártya, mágnesszalag, proprietáris kódolás) még digitalizálás után is nehezen kezelhetők maradnak.
• Adatvédelmi következmények: Péterfalvi Attila, a Nemzeti Adatvédelmi és Információszabadság Hatóság elnöke jelezte, GDPR-alapú vizsgálat indul, és több adatkezelőt is érinthet az ügy — nemcsak a levéltárt, hanem azokat is, akiktől az adatok átkerültek.

A levéltár vezetője hangsúlyozta: a tíz új státuszt és az anyagi támogatást megkapták a feladathoz, de jogalkalmazóként nem mérlegelhettek a törvényi közzétételi kötelezettség felett. A következő mérföldkő a mintegy 9000 B-dosszié feldolgozása: esetenként 100–200 oldalas iratokról van szó, februárig kell átnézniük, kiemelt figyelemmel a személyes adatok védelmére.

Források: Webrádió, 444.