Presidio: إعداد يمتد ثلاثة أسابيع مقابل خدمة PII مُدارة
يمتلك Microsoft Presidio آلاف نجوم GitHub ومئات الإشكاليات المفتوحة. تعقيد الإعداد وتكامل PySpark وتعارضات تبعية Python تجعل النشر الإنتاجي مشروعاً هندسياً ضخماً.
من ستة أسابيع إلى ثلاثة أيام: إعداد API مُدار للبيانات الشخصية
تُمضي فرق الرعاية الصحية SaaS ستة أسابيع في نشر Presidio ذاتي الاستضافة في بيئة الإنتاج قبل التحوّل إلى API مُدار يُنجز عملية الدمج في ثلاثة أيام.
تكلفة الكشف المجاني عن البيانات الشخصية: €13,000 سنوياً
يتطلب استضافة Presidio ذاتياً من 40 إلى 80 ساعة للإعداد الأولي، وصيانة شهرية تتراوح بين 5 و10 ساعات. بمعدل €100 للساعة الهندسية، يتجاوز ذلك €13,200 سنوياً.
مشكلة دقة Presidio: 22.7% فقط
كشف اختبار معياري أُجري عام 2024 أن محلل أسماء الأشخاص في Presidio يُحقق دقة 22.7% في مستندات الأعمال، ما يعني أن 77.3% من حالات الكشف إيجابيات زائفة.
الخصوصية القابلة للتكرار: الإعدادات المسبقة لفرق التعلم الآلي
يجب أن يكون إخفاء هوية بيانات تدريب التعلم الآلي متسقاً وقابلاً للتكرار. إذا طبّق عالما البيانات أ وب أنواعاً مختلفة من الكيانات، تصبح مجموعات بيانات التدريب متعارضة.
خط أنابيب آمن وفق اللائحة GDPR: إخفاء الهوية قبل التخزين
وسوم أعمدة dbt ليست امتثالًا للائحة GDPR. بيانات العملاء الخام تصل إلى مستودع Snowflake غير مُخفاة قبل تطبيق سياسات الوسوم.
قانون FOIA: تقليص وقت الحجب من أسابيع إلى ساعات
أنفقت الحكومة الفيدرالية ما يُقدَّر بـ500 مليون دولار على معالجة طلبات قانون FOIA في عام 2024، معظمه على الحجب اليدوي. طلبت ARPA-H صراحةً برامج حجب مدعومة بالذكاء الاصطناعي لتيسير العمل.
إخفاء هوية بيانات تدريب التعلم الآلي وفق اللائحة GDPR
تُقيِّد اللائحة GDPR استخدام البيانات الشخصية في تدريب نماذج التعلم الآلي خارج الغرض الأصلي من جمعها. يخلق علماء البيانات المعتمدون على نصوص Python المُعدَّة لمرة واحدة ثغرات امتثال جسيمة.
FOIA: أسرع بنسبة 80% مع الحذف الدفعي
استقبلت الوكالات الفيدرالية الأمريكية 1.5 مليون طلب FOIA في السنة المالية 2024 بتكلفة متوسطة قدرها 482 دولاراً لكل طلب. يُقلص الحذف الدفعي للبيانات وقت المعالجة بصورة جذرية.
Presidio مقابل anonym.legal: بناء أم شراء؟
Microsoft Presidio مجاني تقنيًا، لكن نشره بصورة صحيحة يستهلك من 40 إلى 80 ساعة هندسية. توفر anonym.legal دقة التعلم الآلي ذاتها في صورة خدمة SaaS مُدارة.
الخصوصية في البيئات المعزولة: إخفاء الهوية دون إنترنت
بيئات FedRAMP وITAR تشترك في سمة واحدة: السحابة ليست خيارًا. التسمية المستعارة القابلة للعكس بموجب المادة 4(5) من GDPR.
تكلفة النتائج الإيجابية الزائفة في أدوات كشف البيانات الشخصية
يوثّق النقاش رقم 1071 على GitHub لمشروع Presidio نمطًا منهجيًا من النتائج الإيجابية الزائفة. رصدت دراسة أجريت عام 2024 نسبة دقة بلغت 22.7% في مجموعات البيانات المؤسسية متعددة اللغات. يشرح هذا المقال كيفية قياس دقة الأدوات وتحسينها.
البيانات الشخصية بالعربية والعبرية: فشل أدوات الكشف الغربية
لا تتوقف متطلبات اللائحة الأوروبية لحماية البيانات (GDPR) عند حدود البوسفور. تظل البيانات الشخصية باللغتين العربية والعبرية في سير العمل الأوروبية بلا حماية فعلية. يتناول هذا المقال الكشف متعدد اللغات باستخدام XLM-RoBERTa ومتطلبات بنية الكشف عن الكيانات في النصوص من اليمين إلى اليسار.
بيانات شخصية في وثائق متعددة اللغات: فشل الأدوات أحادية اللغة
72% من مؤسسات الاتحاد الأوروبي تعالج وثائق بثلاث لغات أو أكثر في آنٍ واحد. الوثائق متعددة اللغات تُسبب معدل إغفال للبيانات الشخصية أعلى بنسبة 45% في أدوات NER أحادية اللغة.
اكتشاف PII في منطقة آسيا والمحيط الهادئ: التايلاندية والإندونيسية والفيتنامية
اكتشفت شركة تقنية مالية في سنغافورة تعالج 500,000 محادثة دعم شهرياً بـ 12 لغة في منطقة آسيا والمحيط الهادئ أن أداتها الإنجليزية فقط أغفلت PII في 60% من المحادثات غير الإنجليزية. إليك كيفية تحقيق التغطية الكاملة.
الإيجابيات الكاذبة: لماذا يُخفق الحجب بالتعلم الآلي
كشف اختبار معياري أجري عام 2024 أن Presidio أنتج 13,536 اكتشافاً إيجابياً كاذباً للأسماء عبر 4,434 عينة — إذ صنّف الضمائر وأسماء السفن والدول كأسماء أشخاص. إليك ما يُكلّفه ذلك في البيئات القانونية والرعاية الصحية.
ISO 27001 وانعدام المعرفة يُقلِّصان وقت تقييم الموردين
كشف مسح أُجري عام 2025 أن "غياب الاعتماد الأمني المعترف به" جاء السبب الثاني الذي يدفع المسؤولين عن أمن المعلومات (CISOs) إلى استبعاد موردي SaaS. إليك ما تقدمه مجموعة ISO 27001 وانعدام المعرفة.
بنية انعدام المعرفة تُقصِّر دورات المبيعات
تتضمن استبيانات أمن الموردين الخاصة بالمؤسسات أكثر من 100 سؤال في المتوسط. تُجيب بنية انعدام المعرفة على أصعب هذه الأسئلة إجابةً حاسمة — وتُتيح إغلاق الصفقات.
خرق LastPass: دروس في أمن المورّدين
شفّر LastPass بيانات مستخدميه. ومع ذلك سُرقت الخزائن. تبعتها أكثر من 600,000 سجل من Okta. ارتفعت حوادث أمن SaaS 300% من 2022 إلى اليوم.
تقييم ادعاءات الصفر المعرفة بعد خرق LastPass
سُرق 438 مليون دولار من مستخدمي LastPass بعد اختراق خزائنهم 'المشفرة'. تبعته غرامة من ICO بقيمة 1.2 مليون جنيه إسترليني. إليك قائمة التحقق لتقييم ما إذا كان أحد المزودين يُقدّم فعلاً حماية بمعرفة صفرية.
LangChain CVE-2025-68664: كيف تتسرب البيانات الشخصية عبر مسار RAG الخاص بك
CVSS 9.3. تكشف دوال التسلسل في LangChain متغيرات البيئة والأسرار لنماذج اللغة الكبيرة التي يتحكم فيها المهاجمون. كيفية اكتشاف تسربات البيانات الشخصية وإصلاحها.
امتداد LibreOffice لإخفاء هوية البيانات الشخصية
دليل خطوة بخطوة لإخفاء هوية البيانات الشخصية في وثائق LibreOffice باستخدام امتداد anonym.legal.
LibreOffice مقابل Office: تشطيب البيانات الشخصية
مقارنة تفصيلية لقدرات إخفاء هوية البيانات الشخصية في LibreOffice (امتداد anonym.legal) مقابل Microsoft Office (الامتداد المكتبي).
لماذا يُخفق الكشف الثنائي عن البيانات الشخصية في الامتثال
الكشف الثنائي نعم/لا غير كافٍ للسياقات التي تتطلب حكمًا بشريًا. إليك كيف يُحوِّل تقييم الثقة إخفاء هوية البيانات الشخصية من تخمين ثنائي إلى ضابط امتثال قابل للتدقيق.
تشرذم تنسيقات الوثائق في أدوات معالجة البيانات الشخصية
قد يشمل رد طلب الوصول إلى البيانات الشخصية (DSAR) عقوداً بصيغة Word وفواتير PDF وقوائم عملاء بصيغة Excel وملفات CSV. استخدام أدوات مختلفة لكل تنسيق يُفضي إلى ثغرات امتثال حقيقية.
إخفاء البيانات الشخصية في سجلات JSON بموجب GDPR: الحفاظ على قدرة التصحيح
تتراكم سجلات التطبيقات بشكل صامت على عناوين البريد الإلكتروني وعناوين IP وأرقام الحسابات للمستخدمين. إليك كيفية مشاركة السجلات مع أطراف خارجية ومقاولين ومنصات الرصد بما يتوافق مع GDPR.
GDPR في سجلات التطبيقات: امتثال البيانات الشخصية في JSON
تحتوي سجلات التطبيقات على عناوين البريد الإلكتروني وعناوين IP وأرقام حسابات العملاء التي تشترط المادة 5(1)(e) من GDPR إدارتها.
حماية البيانات الشخصية عبر التطبيقات: Word وChrome والذكاء الاصطناعي
تنتقل بيانات العملاء من أبحاث المتصفح إلى مستندات Word ثم إلى مطالبات Claude. كل تبديل سياق هو نقطة تسرب محتملة.
حماية البيانات الشخصية عبر المنصات: Mac وLinux وWindows
مسؤولو الخصوصية على Mac، والقانونيون على Windows، ومهندسو البيانات على Linux — جميعهم يعالجون البيانات ذاتها بأدوات مختلفة. إليك سبب أهمية الاكتشاف المستقل عن نظام التشغيل.
إخفاء هوية PII بدون اتصال بالإنترنت: الأولوية للعمل غير المتصل
41% من سياسات أمان المؤسسات تحظر المعالجة السحابية للمستندات السرية. إليك كيفية العمل في الشبكات المعزولة.
الحجب القابل للعكس مقابل الدائم: الاختيار الصحيح
يُميّز GDPR بين إخفاء الهوية والتزييف. المحاكم تحتاج النسخ الأصلية. البحث يحتاج إعادة الربط. تعرّف على متى تستخدم كل نهج.
التعرف على الكيانات متعدد اللغات: نماذج الإنجليزية تفشل في العربية
نماذج التعرف على الكيانات المدرَّبة على الإنجليزية تحقق دقة 85-92%. أما العربية والصينية فغالباً 50-70%. تعرّف على التحديات التقنية وكيفية البناء الحقيقي.
استخدم Claude وChatGPT دون تسريب البيانات الشخصية
دليل المطوّر لاستخدام مساعدي الذكاء الاصطناعي بأمان. إعداد تكامل خادم MCP لحماية شفافة للبيانات الشخصية في Claude Desktop وCursor وVS Code.
ابدأ بحماية بياناتك اليوم
أكثر من 285 نوع كيان، 48 لغة، أمان على مستوى المؤسسات بأسعار بدء التشغيل.
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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.