Perspectives sobre la Privadesa de Dades
Articles d'experts sobre seguretat de la IA, compliment del GDPR, protecció de dades sanitàries i millors pràctiques d'anonimització de PII.
Tots els Articles
Destacat Automatic de PII vs. Formacio en Compliment
El 62% dels empleats que utilitzen eines d'IA per a dades de clients de vegades obliden eliminar la PII primer. Per aixo el destacat automatic elimina la dependencia de la memoria humana en el compliment.
La trampa de la redaccio PDF: dades exposades
Els arxius del DOJ sobre Epstein, el cas Manafort i les filtracions de la NSA comparteixen el mateix error: una redaccio cosmètica que deixa el text subjacent accessible per copiar i enganxar.
Fragmentacio de formats de documents en eines de dades personals
Una sola resposta a una DSAR pot abastar contractes Word, factures PDF, llistes de clients Excel i exportacions CSV. Usar eines diferents per a cada format crea buits de compliment.
Dades personals a Excel: anonimitzeu centenars de columnes
Els fitxers Excel son un dels tipus de documents mes rics en dades personals en les operacions empresarials. Aqui s'explica per que l'analisi de text estandard falla en els fulls de calcul i que pot fer l'analisi del context de la columna.
Anonimitzacio de registres JSON conforme al RGPD: manteniu la capacitat de depuracio
Els registres d'aplicacio acumulen silenciosament correus electronics d'usuaris, adreces IP i numeros de compte. Aqui s'explica com compartir registres amb tercers, contractistes i plataformes d'observabilitat sense transferir dades personals.
Dades personals en text lliure de CSV: mes enlla de l'eliminacio de columnes
Els CSV d'enquesta contenen dades personals no nomes en columnes estructurades sino tambe en respostes de text lliure. L'eliminacio estandard de columnes omet les dades personals que vulneren el Recital 26 del RGPD.
E-discovery de formats mixtos: el buit de compliment
Les produccions d'e-discovery i les DSAR del RGPD abarquen PDF, documents Word, Excel i exportacions JSON. Usar eines diferents per a cada format crea buits de consistència que els reguladors detecten.
RGPD en registres d'aplicacio: compliment de dades personals JSON
Els registres d'aplicacio contenen adreces de correu electronic, IPs i numeros de compte de clients que l'Article 5(1)(e) del RGPD exigeix gestionar.
RGPD i documents escanejats antics: OCR per a PII
El dret a la supressio del RGPD s'aplica a les dades personals independentment del format. Els PDF basats en imatge procedents d'arxius en paper no estan exempts.
PII en captures de pantalla: fugues en eines internes
Slack, Teams, Jira i el correu electronic reben regularment captures de pantalla amb PII de clients. Aquesta violacio del control d'acces eludeix totes les eines DLP.
OCR de formularis manuscrits i deteccio de PII
Un hospital de mida mitjana processa 50.000 formularis d'ingres manuscrits a l'any. La redaccio manual de PII a aquest volum requereix 0,5 ETC.
PII en recerca: captures de pantalla i el RGPD
Els articles academics inclouen regularment DataFrames de pandas i sortides de R que mostren registres reals de pacients com a exemples de metodologia. Aqui s'explica per que aixo es una violacio del RGPD.
PII en wikis interns: dades de clients a Confluence
Els equips de suport documenten processos amb captures de pantalla de comptes de clients. Al llarg de 3 anys, aixo representa milers de violacions de la minimitzacio de dades del RGPD al vostre wiki intern.
Els assistents de codificacio amb IA filtren PII de produccio
Fixtures de proves unitaries amb registres reals de clients. Fitxers de registre amb dades de produccio per a la depuracio. GitHub va trobar 39 milions de secrets filtrats el 2024.
La fragmentacio d'eines de PII causa fallades en les auditories de compliment
Quatre eines diferent per a quatre fluxos de treball diferent significa quatre conjunts de cobertura d'entitats diferent i quatre rastres d'auditoria diferent.
PII entre aplicacions: Word, Chrome i IA
Les dades de clients flueixen del navegador als documents Word i als prompts de Claude. Cada canvi de context es un punt potencial de filtracio.
GDPR, CCPA i PDPA en una sola eina
Empleats a la UE sota el GDPR, empleats als EUA gestionant dades CCPA, empleats a l'APAC sota el PDPA. Tres jurisdiccions, un equip distribuit.
Auditoria GDPR fallida: eines de PII fragmentades
L'auditor demana pels controls de deteccio de PII. 'Utilitzem cinc eines diferents' no es la resposta que vol. Per que la consistencia multiplataforma es essencial.
Treball remot i GDPR: la inconsistencia de plataforma
Els equips a l'oficina utilitzen programari d'escriptori complet. Els treballadors remots utilitzen aplicacions web amb configuracions potencialment diferents. La normativa exigeix que els controls siguin iguals en ambdos casos.
PII multiplataforma: Mac, Linux i Windows
Responsables de privacitat en Mac, equips juridics en Windows, enginyers de dades en Linux, tots processant les mateixes dades amb eines diferents. Per que la deteccio independent del sistema operatiu es imprescindible.
BfDI Alemanya: guia de compliment GDPR per a equips tecnics
Alemanya va registrar 27.829 notificacions de violations del GDPR el 2024, mes que cap altre estat membre de la UE. Que significa el focus d'execucio del BfDI per als controls tecnics de PII.
CNIL Franca: compliment tecnic del GDPR
La CNIL va processar 16.433 reclamacions el 2023 i ha imposat mes de 150 milions d'euros en multes des del 2019. La seva orientacio sobre IA exigeix una anonimitzacio documentada per a les dades d'entrenament.
ICO Regne Unit: Diferencies post-Brexit del GDPR
L'ICO va multar LastPass amb 1,2 milions de lliures per xifratge inadequat el desembre del 2025. La resolucio estableix que el xifratge del costat del client es un requisit legal.
Garante Italia: Guia de compliment d'IA i DCP
El Garante italia va multar OpenAI amb 15 milions d'euros el desembre del 2024 i va prohibir temporalment ChatGPT el 2023. Aixo es el que requereix el regulador d'IA mes agressiu d'Italia.
Comenceu a Protegir les Vostres Dades Avui
Més de 267 tipus d'entitats, 48 idiomes, seguretat de nivell empresarial a preus de startup.
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.