رؤى خصوصية البيانات
مقالات خبراء حول أمان الذكاء الاصطناعي، الامتثال لـ GDPR، حماية بيانات الرعاية الصحية، وأفضل ممارسات إخفاء المعلومات الشخصية.
جميع المقالات
الهيئة الإيطالية Garante: الامتثال في الذكاء الاصطناعي والبيانات الشخصية
غرّمت Garante الإيطالية شركة OpenAI بـ15 مليون يورو في ديسمبر 2024 وحظرت ChatGPT مؤقتاً في 2023. 63% من الشركات الإيطالية تفتقر إلى سياسات حوكمة بيانات الذكاء الاصطناعي المتوافقة مع GDPR.
LGPD البرازيل: CPF وCNPJ وحماية البيانات
يشمل LGPD 215 مليون برازيلي وبدأت ANPD تطبيقاً جاداً في 2024. تكشف الأدوات المدرَّبة على الإنجليزية عن CPF بدقة 45% فحسب.
الرقابة الهولندية: غرامة 290 مليون يورو وتطبيق اللائحة العامة لحماية البيانات
فرضت هيئة الرقابة الهولندية على البيانات (AP) أكبر غرامة نقل بيانات في الاتحاد الأوروبي بقيمة 290 مليون يورو على أوبر. يستلزم رقم BSN (رقم الضمان الاجتماعي الهولندي) التحقق بخوارزمية الإحدى عشرة، وهو ما تفتقر إليه 56% من الأدوات المتاحة.
هيئة حماية البيانات البولندية: PESEL وNIP والامتثال لـRODO
وجدت UODO أن 89% من الأدوات المُعتمدة تفشل في الكشف عن PESEL البولندي بشكل صحيح. تعالج بولندا 2.3 مليون سجل لعملاء أوروبيين يومياً. التحقق من مجموع PESEL والـNIP.
هيئة ANSPDCP الرومانية: اكتشاف CNP والتحقق بموجب اللائحة العامة لحماية البيانات
وجدت ANSPDCP أن 78% من الأدوات تُخطئ في اكتشاف الرقم الوطني الروماني CNP مع التحقق السليم. يُشفّر CNP الجنس وتاريخ الميلاد والمحافظة — مما يستوجب تصنيفه بيانات ذات فئة خاصة وفق اللائحة.
هيئة IMY السويدية: الرقم الشخصي واختبار Luhn
وجدت IMY أن 45% من الأدوات العامة تُخطئ في اكتشاف الرقم الشخصي السويدي (personnummer). يُهمل معظم التطبيقات رقم التنسيق (samordningsnummer) الذي يضيف إزاحة 60 إلى أرقام اليوم. السويد تسجل 79% من المواطنين يمارسون حقوقهم بموجب اللائحة.
الدنمارك: التحقق من الرقم الشخصي CPR بالمودولو 11 لضمان الامتثال للائحة
تُخطئ 67% من أدوات معالجة اللغة الطبيعية في التحقق من الرقم الشخصي الدنماركي CPR بالمودولو 11. أصدرت Datatilsynet 14 قراراً في قطاع الرعاية الصحية في 2024. الاستخدام الثانوي لبيانات الصحة.
الرقم الوطني التشيكي: ترميز الجنس وفق اللائحة العامة لحماية البيانات
يُشفّر الرقم الوطني التشيكي (rodné číslo) الجنسَ عبر إزاحة الشهر بمقدار 50 — مما يُصنّفه بيانات ذات فئة خاصة وفق المادة 9 من اللائحة. 67% من الشركات التشيكية تستخدم أدوات ألمانية.
هيئة NAIH المجرية: TAJ-Szám وAdóazonosító Jel
دقة تعرّف الكيانات باللغة المجرية 67% مقابل 82% للمعدل الأوروبي — وفق تقييم NAIH لعام 2024. ثغرات في اكتشاف TAJ-szám وAdóazonosító jel.
هيئة HDPA اليونانية: الكشف عن AFM وAMKA
تكتشف الأدوات العامة رقم AFM اليوناني بدقة 52% فحسب. أصدرت HDPA 89 قراراً في 2024 — بزيادة 162% عن 2022. قطاعا السياحة والملاحة البحرية يواجهان متطلبات امتثال خاصة.
رقم My Number الياباني: خوارزمية Verhoeff وقانون APPI
63% من الأدوات العامة تعجز عن اكتشاف رقم My Number في الوثائق اليابانية. يعتمد My Number خوارزمية Verhoeff — أكثر خوارزميات التحقق تعقيداً في آسيا لأرقام الهوية الوطنية.
ملفات إبستين: التظليل ليس تنقيحاً
كشف إصدار وزارة العدل الأمريكية لملفات إبستين في ديسمبر 2025 عن ثغرة تنقيح حرجة: النص المظلَّل بالأسود في ملفات PDF لا يزال قابلاً للقراءة عبر النسخ واللصق.
السرية المهنية بين المحامي وموكله والذكاء الاصطناعي في 2026
أصدرت محكمة فيدرالية أمريكية في فبراير 2026 حكماً يقضي بأن المحادثات مع أدوات الذكاء الاصطناعي لا تتمتع بالحماية المقررة للسرية بين المحامي وموكله.
تشفير المعرفة الصفرية مقابل الثقة الصفرية
LastPass شفّر بيانات مستخدميه أيضاً — ومع ذلك سُرق ما يزيد على 438 مليون دولار. إليك الفرق بين التشفير من جانب الخادم والمعرفة الصفرية الحقيقية.
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.
اكتشاف PII متعدد اللغات للامتثال لـ GDPR
رقم التعريف الضريبي الألماني Steuer-ID ورقم NIR الفرنسي والرقم الشخصي السويدي Personnummer تتطلب جميعها منطق اكتشاف مختلف.
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.
94% من الشركات الصغيرة والمتوسطة تعرّضت لهجمات: حماية الخصوصية بأسعار معقولة
تواجه الشركات الصغيرة والمتوسطة التهديدات ذاتها التي تواجهها المؤسسات الكبرى لكنها لا تستطيع تحمّل تكلفة أدوات بأكثر من 800 دولار شهرياً. إليك كيفية الحصول على حماية خصوصية على مستوى المؤسسات بـ3 يورو شهرياً.
اكتشاف المعلومات الصحية المحمية: Snow Labs 96% مقابل GPT-4o
ليست جميع أدوات إخفاء الهوية متكافئة. تُظهر معايير ECIR 2025 درجات F1 تتراوح بين 79% و96%. تعرّف على أهمية الدقة وكيفية تقييم الأدوات.
المحاكم تفرض عقوبات على المحامين بسبب إخفاقات التنقيح
تمييز النص في Word ليس تنقيحاً. المحاكم تفرض عقوبات على المحامين بسبب إخفاقات تقنية تُعرّض المعلومات المُميَّزة للانكشاف.
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.
900 ألف مستخدم سُرقت محادثاتهم مع الذكاء الاصطناعي
سرقت إضافتا Chrome الخبيثتان محادثات ChatGPT من أكثر من 900,000 مستخدم. إحداهما كانت تحمل شارة 'Featured' من Google.
$7.42 مليون: تكاليف اختراق الرعاية الصحية تتصدر القائمة
تحتل الرعاية الصحية المركز الأول في أعلى تكاليف اختراق البيانات للسنة الرابعة عشرة على التوالي. تعرّف على سبب ارتفاع قيمة المعلومات الصحية الشخصية وكيفية حمايتها.
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.