By · Last updated 2026-04-13

Tornar al BlogTècnic

Privadesa en entorns air-gapped: anonimitzar sense connexio

Els entorns FedRAMP i ITAR tenen una cosa en comu: el núvol no es una opcio. La pseudonimitzacio reversible sota l'art. 4(5) del GDPR permet als equips classificats treballar amb seguretat.

April 13, 20269 min llegit
air-gapped anonymizationSCIF document processingITAR complianceFedRAMP offline toolsoffline PII detection

La norma air-gap

Algunes xarxes no tenen internet. No per politica — per disseny.

Un SCIF (Sensitive Compartmented Information Facility) es una sala amb jaula de Faraday. Cap senyal sense fils entra ni surt. L'ITAR (International Traffic in Arms Regulations) prohibeix enviar contingut tecnic cobert a parts no aprovades. Els proveïdors al núvol no tenen autoritzacio ITAR. Per a aquests grups, el "SaaS al núvol" no es un risc a gestionar.

Per a aquests llocs, les eines al núvol no funcionen. Sense mes.

Una eina que necessita una connexio de xarxa activa no pot funcionar aqui. Una eina que truca a un servidor de llicències es bloqueja. Una eina que envia fitxers a una API al núvol per a la deteccio no pot funcionar dins d'un SCIF. Aquests no son casos marginals. Son limitacions diaries per als equips de defensa.

El cas ITAR

Una cientifica de dades en una empresa de defensa te registres de personal sota ITAR. Ha d'eliminar noms i identificadors abans de compartir els fitxers. La seva xarxa es air-gapped.

No hi ha solucio al núvol. L'unic cami es una eina que s'executa al dispositiu local. Ha d'emmagatzemar els seus models localment. Ha de produir una sortida neta sense trucades externes.

L'aplicacio d'escriptori basada en Tauri 2.0 fa aixo. Despres de la installacio, no es produeixen trucades de xarxa durant una execucio. Els models NER de spaCy i els patrons regex s'executen tots al CPU local. La sortida roman al dispositiu fins que l'usuari l'exporta.

Per que la reversibilitat importa

El treball classificat sovint necessita pseudonimitzacio reversible. Els equips intercanvien noms reals per codis. Mantenen els registres utils. Protegeixen les identitats reals.

L'article 4(5) del GDPR defineix la pseudonimitzacio com una mesura formal de privadesa. Redueix el risc. Els registres pseudonimitzats comporten menys obligacions legals — si el token de cerca s'emmagatzema apart del conjunt de dades.

La investigacio de l'IAPP (2024) va trobar que nomes el 23% de les eines admeten la reversibilitat real. La majoria fan un emmascarament unidireccional o una substitucio completa. Un cop un registre es sobreescriu, desapareix.

Alguns equips governamentals divideixen la seva feina per compartiment. Un equip rep els fitxers pseudonimitzats. Fa l'analisi. Un segon equip te el token de cerca. Reidentifica els registres nomes quan la llei ho requereix. Aquest disseny dividit es l'unic enfocament segur per als fluxos de treball classificats amb multiples equips.

El model de coneixement zero va un pas mes enlla. El token de cerca es crea al dispositiu client. Mai no s'envia. Si el proveïdor rep una citacio judicial, no pot lliurar el token. Mai no el va tenir. Aixo satisfa les normes de cadena de custodia en molts entorns classificats.

Separacio de tokens EDPB

Les Directrius 05/2022 de l'EDPB estableixen que el token de pseudonimitzacio ha de mantenir-se separat. No ha d'estar amb la mateixa part que te els registres pseudonimitzats. O ha d'estar bloquejat darrere de controls que impedeixin a aquesta part llegir alhora els registres i el token.

Tres coses conjuntes compleixen aquesta norma:

  • Token creat al dispositiu client — mai no s'envia
  • Tot el processament fet localment — res no surt del lloc air-gapped
  • Sortida i token exportats separadament — dos fitxers separats, dos camins separats

Aquest disseny compleix alhora la norma EDPB i el requisit air-gap.

Per a una visio completa, la nostra visio general de seguretat mostra com el processament local redueix la cadena de tercers. La nostra guia de compliment cobreix les normes de transferencia del GDPR. Consulteu les nostres preguntes frequents per obtenir ajuda amb la configuracio.

L'aplicacio d'escriptori anonym.legal executa tota la deteccio de PII al dispositiu local. No cal internet despres de la installacio. Admet Windows, macOS i Linux. Els models NLP integrats cobreixen 24 idiomes.

Actualitzat per al 2026

Fonts

Preparat per protegir les vostres dades?

Comenceu a anonimitzar PII amb més de 285 tipus d'entitats en 48 idiomes.

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 servers live in Falkenstein, Germany.

We use Hetzner. They hold 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

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.