كيف يعمل anonym.legal
كشف PII القائم على Regex الحتمي الذي يوفر نتائج قابلة للتكرار بنسبة 100%. نفس المدخلات، نفس المخرجات - في كل مرة. لا ذكاء اصطناعي، لا تخمين، فقط مطابقة أنماط شفافة.
How Does PII Detection Work?
PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:
- 1Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
- 2Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
- 3Context Scoring: Each detection is scored based on surrounding context to minimize false positives.
This hybrid approach detects 285+ entity types while maintaining deterministic, reproducible results — essential for compliance and legal discovery.
لماذا Regex، وليس الذكاء الاصطناعي؟
نهجنا
- نتائج قابلة للتكرار بنسبة 100%
- قابل للتدقيق بالكامل للامتثال
- لا حاجة لبيانات تدريب
- اتخاذ قرارات شفاف
- أداء سريع وقابل للتنبؤ
- لا انحراف للنموذج مع مرور الوقت
نهج الذكاء الاصطناعي/التعلم الآلي
- تختلف النتائج بين التشغيل
- اتخاذ قرارات في صندوق أسود
- يتطلب بيانات تدريب
- صعب التدقيق
- تكاليف حسابية أعلى
- انحراف النموذج مع مرور الوقت
عملية من 10 خطوات
من المدخلات إلى المخرجات، إليك ما يحدث بالضبط لوثيقتك
نص المدخلات
قم بتقديم وثيقتك عبر واجهة الويب أو API أو إضافة Office
كشف اللغة
يحدد النظام لغة الوثيقة لمعالجة مثلى
تحويل النص إلى رموز
يتم تقسيم النص إلى رموز لمطابقة الأنماط
مطابقة الأنماط
تقوم أنماط Regex بمسح أكثر من 50 نوعًا من الكيانات
تحليل السياق
تحسن النص المحيط دقة الكشف
تقييم الثقة
تحصل كل عملية كشف على درجة ثقة
تصنيف الكيانات
يتم تصنيف العناصر المكتشفة حسب النوع
مراجعة النتائج
عرض جميع الاكتشافات مع المواقع والدرجات
تطبيق الإخفاء
اختر طريقتك: استبدال، حجب، تجزئة، تشفير، أو إخفاء
وثيقة المخرجات
قم بتنزيل وثيقتك المخفية
خادم MCP: تكامل الذكاء الاصطناعي مع التركيز على الخصوصية
كيف تتدفق بياناتك عبر خادم MCP للحفاظ على أمان أدوات الذكاء الاصطناعي
طلب أداة الذكاء الاصطناعي
ترسل أداة الذكاء الاصطناعي الخاصة بك (Cursor، Claude) طلبًا يحتوي على PII
خادم MCP يعترض
يحلل الخادم ويكتشف جميع كيانات PII
الإخفاء
يتم استبدال PII برموز أو حجبها
معالجة الذكاء الاصطناعي
يتلقى الذكاء الاصطناعي ويعالج فقط البيانات المخفية
إرجاع الاستجابة
تعود استجابة الذكاء الاصطناعي عبر خادم MCP
إلغاء الترميز
اختياري: استعادة القيم الأصلية للمستخدم
مثال من العالم الحقيقي
قم بمعالجة الدفع لجون دو، البريد الإلكتروني john@example.com، البطاقة 4532-1111-2222-3333ما تراه الذكاء الاصطناعي
قم بمعالجة الدفع لـ PII_PERSON_001، البريد الإلكتروني PII_EMAIL_001، البطاقة PII_CREDIT_CARD_001ما تحصل عليه
Frequently Asked Questions
Why use regex instead of AI for PII detection?
Regex-based detection is deterministic and reproducible. The same input always produces the same output. AI/ML models can be unpredictable and may miss or falsely flag data. For compliance, reproducibility matters.
How accurate is the detection?
Our hybrid approach combines regex patterns with Named Entity Recognition (NER) for high accuracy. All patterns include checksum validation where applicable (credit cards, IBANs, SSNs). False positives are minimized through context-aware scoring.
What happens to my data during processing?
Text is sent to our EU-hosted servers (Hetzner, Germany) over TLS 1.3 for analysis. We don't store your data after processing. With Zero-Knowledge auth, we can't even identify which user made the request.
Can I add custom entity types?
Yes! You can create custom recognizers with your own regex patterns and context words. Custom entities support the same operators (replace, mask, hash, encrypt, redact) as built-in types.
How does reversible encryption work?
The Encrypt operator uses AES-256-GCM encryption with your key. Only you can decrypt. This allows re-identification for audits or legal discovery while keeping data protected in transit and storage.