anonym.legal

By · Last updated 2026-06-05

Terug na BlogGDPR & Nakoming

Navorsings-PII: Skermkopies en GDPR

Akademiese artikels sluit gereeld pandas DataFrames en R-uitvoer in wat regte pasientrekords as metodologie-voorbeelde wys. Hier is hoekom dit 'n GDPR-skending is.

June 5, 20267 min lees
research dataacademic GDPRpublication privacyOCR image detectionArticle 89

Bygewerk vir 2026 — GDPR-handhawing teen navorsingsgroepe het gegroei. Hierdie risiko bly algemeen in gepubliseerde werk.

Die Metodologie-Skermkopie-Probleem

Baie akademiese artikels sluit skermkopies van analise-gereedskap in. Die doel is om metode te wys. Maar daardie skermkopies kan regte persoonlike rekords onthul. Die meeste navorsers merk hierdie risiko nie op nie.

Hier is vier algemene gevalle:

  • 'n Masjienleer-artikel wys 'n pandas DataFrame. Die eerste 10 rye het regte pasientname en ID's.
  • 'n Kliniese studie wys R-uitvoer. Pasientwaardes is op skerm. Pasient-ID's wys in die kantlyn.
  • 'n Sosiale wetenskap-artikel wys SPSS-tabelle. Opname-reaksies van regte mense is sigbaar.
  • 'n Tydskrif-tutoriaal wys 'n Jupyter-notaboek. Regte gebruikersrekords dien as voorbeeldrye.

In elke geval het die skrywer bedoel om metode te wys. Die persoonlike rekords was nie die punt nie. Hulle was net daar om die voorbeeld werklik te laat voel.

Maar "nie die punt nie" beteken nie veilig nie. GDPR Artikel 4(1) se dat persoonlike rekords enige feite oor 'n geidentifiseerde persoon insluit. 'n Pasientrekord in 'n gepubliseerde artikel is persoonlike inligting. Dit maak nie saak of dit in 'n skermkopie is nie. Dit sonder toestemming of 'n wettige basis onder Artikel 6 te publiseer breek GDPR.

Sien die GDPR-nakomingsoorsig vir meer oor publikasiereels.

Hoekom Dit Regsrisiko Skep

Navorsingsgroepe staan nou voor meer GDPR-handhawing. Publikasiemislukkings is 'n sleuteltrigger. Vier risiko's staan uit.

Tydskrif-terugtrekking. Artikel 17 gee mense die reg tot uitwissing. Dit geld ook vir gepubliseerde rekords. As 'n persoon hul besonderhede in 'n artikel vind, kan hulle vra vir verwydering. Vir 'n tydskrif beteken dit dikwels terugtrekking. Terugtrekking benadeel 'n navorser se loopbaan.

Etiekraad-bevindings. Etiekrade hersien gepubliseerde werk. Hulle kontroleer vir GDPR-belyning. Hulle het begin om artikels te merk wat persoonlike rekords in skermkopies wys. Hierdie merke beinvloed 'n navorser se toekomstige werk.

Data-Toegangsooreenkomsskendings. Navorsings-datastelle kom met Data-Toegangsooreenkoms. Hierdie reels stel vas wat gepubliseer mag word. 'n Skermkopie met persoonlike rekords kan die ooreenkoms breek. Die resultaat is dikwels verlies van datasettoegang.

Artikel 89-beperkings. Artikel 89 laat gebruik van persoonlike inligting vir wetenskap toe. Dit verlig sommige reels. Maar slegs waar behoorlike beveiligings bestaan. Om persoonlike rekords in 'n skermkopie te wys sonder de-identifikasie is nie 'n beveiliging nie. Dit is 'n skending.

Sien ons beskerming en beveiligingsblad vir die volledige uiteensetting.

Hoe Dikwels Gebeur Dit?

Hierdie probleem is nie seldsaam nie. Dit beinvloed gepubliseerde werk oor baie velde.

Paar faktore dryf dit.

Reproduseerbaarheidsnorme. Tydskrifte wil metodbesonderhede he. Navorsers gebruik skermkopies om aan hierdie behoefte te voldoen. Hulle kontroleer nie altyd wat in elke beeld sigbaar is nie.

Nou spertye. Tydsdruk lei tot vinnige skermkopies. Daar is geen tyd om elke beeld vir blootgestelde rekords te hersien nie.

Lae sigbaarheid in beelde. 'n DataFrame kan 20 kolomme he. Name en ID's mag in 'n kolom ver regs wees. Die navorser kyk na die sleutelkolom, nie die ID-kolom nie.

Geen kontrole by indiening nie. Tydskrif-portale voer formaatkontroles en plagiaatskanderings uit. Geen kontroleer beelde vir persoonlike entiteite nie. Niks merk die probleem voor die artikel leef gaan nie.

Skanderingswerkvloei vir Navorsingsgroepe

'n Pre-indiening skanderingsproses kan hierdie kwessies stop. Dit het sewe stappe.

  1. Navorser voltooi die manuskripdraf met alle figure.
  2. Draf gaan na 'n interne hersiener — die PI of 'n privaatheidskontak.
  3. Beeld-PII-opsporing loop op alle beeldleers in die manuskrip.
  4. Die verslag merk beelde met leesbare teks wat by persoonlike entiteitspatrone pas.
  5. Navorser hersien gemerkde beelde.
  6. Vir elke gemerkde beeld: vervang dit met 'n skoon skermkopie. Omskep pasient-ID 12847 na ID 00001. Vervang regte name met "Pasient A."
  7. Finale manuskrip gaan na die tydskrif met skoon beelde.

Tegniese opsies:

  • Handmatig: Voer manuskripbeelde uit. Loop bondel-PII-opsporing. Hersien die verslag.
  • Semi-outomaties: Gebruik 'n gedeelde vouer vir drafts. Loop bondelverwerking elke week op nuwe leers.
  • Werkvloei-geintegreer: Voeg 'n skanderingstap by die indieningsportaal.

Skandeer is vinnig. Vir 'n 15-figuur-manuskrip neem beeld-PII-opsporing minder as twee minute. 'n Terugtrekking neem maande.

Besoek die Gereelde Vrae of woordelys vir meer oor opsporingsfunksies.

Gevallestudie: Europese Universiteit

Een navorsingsgroep het beeld-PII-skandering by sy manuskripwerkvloei gevoeg. 'n Byna-mis het die verandering geaktiveer. 'n Artikel onder hersiening het pasientname in 'n DataFrame-skermkopie gehad.

Wat hulle gedoen het:

  • Alle draftsartikels is verwerk vir beeld-PII voor tydskrifindiening.
  • Skandering het alle PNG, JPG, en PDF-figure in elke draf gedek.
  • 'n Privaatheidskontak het die resultate hersien.

Resultate oor ses maande:

  • 23 manuskrifte geskandeer.
  • 7 manuskrifte (30%) het ten minste een beeld met persoonlike entiteite gehad.
  • Tipes gevind: pasientname in DataFrames (4 artikels).
  • Gebruiker-ID's wat by pasientformate pas (2 artikels).
  • E-posadresse in skermkopie-kantlyne (1 artikel).
  • Alle 7 reggestel voor indiening.
  • Nul terugtrekkingsversoeke of etieksbevindings na indiening.

Die etiekraad noem nou hierdie werkvloei as 'n model "gepaste beveiliging" onder Artikel 89. Dit ondersteun die groep se toekomstige navorsings-vrystelling-aansoeke.

Lees die stigterverklaring om te leer waarom anonym.legal vir hierdie soort probleem gebou is.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.