رؤى خصوصية البيانات
مقالات خبراء حول أمان الذكاء الاصطناعي، الامتثال لـ GDPR، حماية بيانات الرعاية الصحية، وأفضل ممارسات إخفاء المعلومات الشخصية.
جميع المقالات
التنقيح القانوني: إصلاح مشكلات التنسيق
أفاد 73% من المختصين القانونيين بتعرّضهم لتلف في التنسيق عند استخدام أدوات التنقيح التابعة لجهات خارجية (Bloomberg Law 2024). وقضية ملفات إبستاين في وزارة العدل الأمريكية خير مثال على ذلك.
Excel واللائحة الأوروبية لحماية البيانات: مخاطر بيانات جداول البيانات
ارتفعت طلبات الوصول إلى البيانات بموجب اللائحة الأوروبية لحماية البيانات 180% بين 2021 و2024 وفق المجلس الأوروبي لحماية البيانات (EDPB). يستغرق معالجة طلب الوصول إلى البيانات الشخصية في المتوسط 12 ساعة يدويًا. تستعرض هذه المقالة كيفية التعامل مع مخاطر ملفات Excel وفق اللائحة الأوروبية.
الذكاء الاصطناعي المؤسسي: وصول المطوّرين دون مخاطر
حظرت البنوك ChatGPT، فاستخدمه مطوّروها من المنزل على أي حال. 27.4% من المحتوى المُدخَل في روبوتات الدردشة المؤسسية يحتوي على بيانات حساسة وفق Zscaler. تتناول هذه المقالة كيف يُحلّ خادم MCP مفارقة الذكاء الاصطناعي المؤسسي.
استخدام Cursor وClaude دون تسريب الكود أو بيانات الاعتماد
يُحمّل Cursor ملفات .env في سياق الذكاء الاصطناعي افتراضيًا. خسرت إحدى شركات الخدمات المالية 12 مليون دولار بعد إرسال خوارزميات تداول ملكية إلى مساعد ذكاء اصطناعي. تتناول هذه المقالة كيف تحمي طبقة إخفاء الهوية بيانات الاعتماد والكود الملكي أثناء بيئات تطوير الذكاء الاصطناعي.
سياسات الذكاء الاصطناعي دون ضوابط تقنية محكوم عليها بالفشل
يشارك 77% من موظفي المؤسسات بيانات عمل حساسة مع أدوات الذكاء الاصطناعي رغم السياسات الحاظرة. أدخل أحد متعاقدي حكومة الولايات المتحدة بيانات متقدمي الإغاثة من FEMA في ChatGPT. تتناول هذه المقالة لماذا تحتاج حوكمة الذكاء الاصطناعي إلى ضوابط تقنية لا تدريبًا فحسب.
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.
نماذج اللغة الكبيرة تفوّت أكثر من 50% من المعلومات الصحية المحمية في السجلات السريرية
كشفت دراسة أجريت عام 2025 أن نماذج اللغة الكبيرة تفوّت أكثر من 50% من المعلومات الصحية المحمية في الوثائق متعددة اللغات. تحتوي 34.8% من مدخلات ChatGPT على بيانات حساسة. يستعرض هذا المقال سبب قصور هذه الأدوات عن تلبية متطلبات إخفاء هوية البيانات وفق قانون HIPAA.
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.
بيئة التطوير مقابل المتصفح: أمن الذكاء الاصطناعي للمطوّرين
يستخدم المطوّرون الذكاء الاصطناعي في بيئتين: بيئة التطوير المتكاملة (Cursor وVS Code) والمتصفح (Claude.ai وChatGPT). كل بيئة تتطلب ضوابط أمنية مختلفة.
83% من إضافات الذكاء الاصطناعي لا تخضع للتدقيق الأمني
83% من إضافات Chrome ذات الصلاحيات الواسعة لم تخضع قط للتدقيق الأمني (USENIX 2025). 45% من موظفي المؤسسات يستخدمون إضافات غير معتمدة.
39 مليون تسريب على GitHub: مخاطر أدوات الذكاء الاصطناعي في البرمجة
67% من المطوّرين سرّبوا أسراراً عن غير قصد في الكود البرمجي (GitGuardian 2025). 39 مليون سر تسرّب على GitHub في عام 2024، بزيادة 25% عن العام السابق.
التحقق من هوية العملاء على نطاق واسع: تكاليف الإيجابيات الكاذبة
اكتشف بنك رقمي يعالج 5000 طلب تحقق يومياً عبر 15 دولة أوروبية أن خطوة كشف البيانات الشخصية تُسبب تراكماً مدته يومان في قوائم الانتظار.
الحجب القابل للشرح: مسارات التدقيق في تدقيقات HIPAA
يتطلب منهج "تحديد الخبراء" وفق HIPAA منهجية موثقة. ويتطلب الاكتشاف الإلكتروني القانوني تسجيل مبررات كل حجب. 34% من مسؤولي حماية البيانات يُفيدون بعدم كفاية أدواتهم لتوثيق الامتثال.
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.
أداة واحدة، 45 دولة: 267+ نوعاً من البيانات الشخصية
رقم CPF البرازيلي يحتوي على أرقام تحقق. رقم PAN الهندي مؤلف من 10 خانات أبجدية رقمية. صيغ IBAN الأوروبية تتباين من دولة إلى أخرى. المنصات العالمية لا تستطيع الاعتماد على أدوات منفصلة لكل منطقة.
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.
الدفاع عن الحجب: درجات ثقة الذكاء الاصطناعي أمام المحاكم
سأل قاضٍ لماذا جرى حجب 47% من مستند ما. إجابة "الذكاء الاصطناعي أشار إلى ذلك" لا يمكن الدفاع عنها قانونياً. إليك ما يبدو عليه الحجب الآلي القابل للدفاع.
أدوات PII الإنجليزية فقط: مسؤولية قانونية بموجب GDPR
يسري تطبيق GDPR بالتساوي على الانتهاكات بجميع لغات الاتحاد الأوروبي. حين تُغفل أداة PII التي تركّز على الإنجليزية المعرّفات الألمانية أو الفرنسية أو البولندية، يتحمل مزوّد الخدمة مسؤولية قانونية واضحة.
أدوات PII الإنجليزية فقط: ثغرة اللائحة العامة لحماية البيانات
رقم التعريف الضريبي الألماني Steuer-ID المكوّن من 11 رقماً مختلف هيكلياً عن رقم الضمان الاجتماعي الأمريكي. أما أرقام NIR الفرنسية فتتكون من 15 رقماً. وأرقام PESEL البولندية والرقم الشخصي السويدي Personnummer لكل منهما بنية مخالفة. الأدوات الإنجليزية فقط لا تكتشفها.
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.
ابدأ بحماية بياناتك اليوم
أكثر من 267 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, held by our hosting provider.
- 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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.