Прозорци за защита на данните
Експертни статии за сигурността на AI, съответствието с GDPR, защитата на данни в здравеопазването и най-добрите практики за анонимизация на PII.
Всички статии
Garante Италия: Съответствие при AI и лични данни
Итальянският Garante глоби OpenAI с 15 млн. евро през декември 2024 г. и временно забрани ChatGPT през 2023 г. 63% от итальянските компании нямат политики за управление на данните при AI.
LGPD Бразилия: CPF, CNPJ и защита на данните
LGPD обхваща 215 млн. бразилци, а ANPD започна сериозно прилагане на закона от 2024 г. CPF се разпознава само с 45% точност от инструменти, обучени на английски.
Нидерландски AP: Глоба от 290 млн. евро и прилагане на GDPR
Нидерландският AP наложи най-голямата глоба в ЕС за трансфер на данни - 290 млн. евро срещу Uber. BSN (холандски социален номер) изисква валидиране по метода Elfproef, пропускано от 56% от инструментите.
UODO Полша: PESEL, NIP и RODO
UODO установи, че 89% от използваните инструменти не разпознават правилно полския PESEL. Полша обработва 2,3 млн. клиентски записи от ЕС дневно. Валидиране на контролната цифра на PESEL и NIP.
ANSPDCP Румъния: Разпознаване и проверка на CNP
ANSPDCP установи, че 78% от инструментите не разпознават румънския CNP с правилно валидиране. CNP кодира пол, дата и окръг на раждане - с последици като специална категория данни по GDPR.
IMY Швеция: Personnummer и проверки по Luhn
IMY установи, че 45% от общите инструменти пропускат шведския personnummer. Samordningsnummer (с отместване 60) се пропуска от повечето реализации. 79% от шведите упражняват правата си по GDPR.
Дания CPR: Валидиране по модул 11 за GDPR
67% от NLP инструментите пропускат валидирането на датски CPR номер по модул 11. 14 от правоприлагащите действия на Datatilsynet в здравеопазването през 2024 г. Вторично използване на здравни данни.
Чешко родно число: Кодиране на пол и GDPR
Чешкото rodne cislo кодира пола чрез 50-отместване в кода на месеца - което го прави специална категория данни по член 9 на GDPR. 67% от чешките фирми използват германски инструменти.
NAIH Унгария: TAJ-szam и Adoazonositо Jel
Точността на NER за унгарски е 67% срещу средните 82% за ЕС - оценка на NAIH за 2024 г. Пропуски при разпознаването на TAJ-szam с претеглена контролна сума и adoazonositо jel.
HDPA Гърция: Засичане на АФМ и АМКА
Гръцкият АФМ се открива с едва 52% точност от универсалните инструменти. HDPA издаде 89 решения през 2024 г. - ръст от 162% спрямо 2022 г. Туристическият и морският сектор са изложени на специфичен риск.
Japan My Number: Verhoeff и APPI
63% от универсалните инструменти не успяват да засекат My Number в японски документи. My Number използва алгоритъма Verhoeff - най-сложната контролна сума на национален идентификатор в Азия.
Файловете Epstein: Маркирането не е редакция
Публикуването на файловете Epstein от DOJ през декември 2025 г. разкри критичен провал в редакцията: текст, маркиран в черно в PDF, остава четим чрез копиране и поставяне.
Адвокатска тайна и AI през 2026 г.
Федерален съд в САЩ постанови през февруари 2026 г., че комуникациите чрез AI инструменти не се ползват с адвокатска тайна.
Нулево знание срещу нулево доверие: Облачно криптиране
LastPass е криптирал данните на потребителите си -- и въпреки това са откраднати $438 милиона. Ето разликата между криптиране от страна на сървъра и истинско нулево знание.
Анонимизиране на лични данни без мрежа: Офлайн подход за отбраната
41% от корпоративните политики за сигурност забраняват облачна обработка на класифицирани документи.
Многоезично разпознаване на лични данни за GDPR
Германски Steuer-ID, френски NIR и шведски Personnummer изискват различна логика за разпознаване.
Обратимо срещу постоянно редактиране: Правилният избор
GDPR прави разграничение между анонимизиране и псевдонимизиране. Съдилищата се нуждаят от оригинали. Изследванията изискват повторна идентификация. Научете кога да използвате всеки подход.
Многоезично NER: Английски моделе се провалят при арабски
Английските NER модели постигат 85-92% точност. Арабски и китайски? Често 50-70%. Научете за техническите предизвикателства и как да изградите наистина многоезично решение.
94% от МСП са атакувани: Достъпна защита на личните данни
МСП се сблъскват със същите заплахи като корпорациите, но не могат да си позволят инструменти за $800+/месец. Ето как да получите защита на ниво Enterprise за €3/месец.
Разпознаване на PHI: Snow Labs 96% срещу GPT-4o
Не всички инструменти за деидентификация са еднакви. Бенчмарковете от ECIR 2025 показват F1 резултати от 79% до 96%. Научете защо точността е от значение и как да оценявате инструментите.
Съдилищата налагат санкции на адвокати за редактиране
Маркирането на текст в Word не е редактиране. Съдилищата налагат санкции на адвокати за технически пропуски, разкриващи привилегирована информация.
Използвайте Claude и ChatGPT без изтичане на лични данни
Ръководство за разработчици за сигурно използване на ИИ асистенти. Настройте интеграция с MCP Server за прозрачна защита на лични данни в Claude Desktop, Cursor и VS Code.
900 хил. потребители са им откраднати ИИ чатове
Два злонамерени Chrome Extension откраднаха ChatGPT разговори от над 900 000 потребители. Единият носеше значката 'Featured' на Google.
$7,42 млн.: Разходите при здравни пробиви са на челно място
Здравеопазването е индустрията с най-високи разходи при пробиви на данни за 14 поредни години. Научете защо PHI е толкова ценна и как да я защитите.
Започнете да защитавате данните си днес
267+ типа субекти, 48 езика, сигурност на ниво предприятие на стартиращи цени.
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.