Poznatky o ochraně dat
Odborné články o bezpečnosti AI, souladu s GDPR, ochraně zdravotnických dat a osvědčených postupech anonymizace PII.
Všechny články
Prevence PII v reálném čase ušetří 2,2 milionu dolarů
IBM zjistil rozdíl nákladů ve výši 2,2 milionu dolarů mezi prevencí a detekcí. Zde je matematika, která činí zachycení PII v reálném čase nezbytností pro bezpečnostní týmy.
GDPR čl. 32: Monitorování PII expozice v nástrojích AI
Compliance týmy podniků potřebují kvantitativní důkaz o kontrolách PII v nástrojích AI. Síťová DLP interakce prohlížeče s AI nezachytí.
Prevence PII v reálném čase pro úniky dat z AI
Když zaměstnanec napíše jméno zákazníka do ChatGPT, data okamžitě opustí kontrolu organizace. Následná DLP kontrola tuto situaci nenapraví.
Vlastní PII nástroje selhávají při compliance auditech
spaCy 3.4.4 produkuje odlišné výsledky NER než spaCy 3.5.1. Finanční instituce zjistila, že 3 % dokumentů byla jinak anonymizována v přípravném prostředí oproti produkci.
Presidio: 3 týdny nastavení vs. spravované PII
Microsoft Presidio má tisíce hvězdiček na GitHubu a stovky otevřených issues. Složitost nastavení, overhead integrace PySpark a konflikty závislostí Pythonu.
Ze 6 týdnů na 3 dny: spravované PII API
Zdravotnické SaaS týmy stráví 6 týdnů produkčním nasazením vlastního Presidia, než přejdou na spravované API. Spravované API nahrazuje celé nasazení.
Presidio přehlédne více než 220 entit GDPR
Presidio dodává přibližně 40 výchozích rozpoznávačů entit zaměřených na americké identifikátory. Evropské organizace potřebují IBAN, Codice Fiscale a další.
„Zdarma” PII detekce vás stojí 13 000 € ročně
Vlastní provoz Presidia vyžaduje 40–80 hodin počátečního nastavení a 5–10 hodin měsíční údržby. Při hodinové sazbě inženýra 100 € to představuje 13 200 € a více.
Problém přesnosti Presidia: 22,7 % precision
Benchmark z roku 2024 zjistil, že detektor jmen osob v Presidiu dosahuje 22,7% přesnosti v obchodních dokumentech — 77,3 % detekcí jsou tedy falešně pozitivní výsledky.
Zkraťte onboarding: z týdnů na hodiny díky presetům
Onboarding do nástrojů pro ochranu soukromí trvá obvykle 2–4 týdny a míra chyb konfigurace v prvním týdnu dosahuje 22 %. Sdílitelné presety zkrátí zaškolení na 1 den.
MSP: Standardizujte anonymizaci
MSP a compliance poradci obsluhující více klientských organizací nemohou ve velkém měřítku ručně překonfigurovat nástroje PII pro každého klienta.
Posun konfigurace: Skryté riziko GDPR
Analytik A nahrazuje jména pseudonymy. Analytik B je začerňuje. Váš audit GDPR nalezne oboje ve stejném datasetu. Posun konfigurace — kdy tým.
Reprodukovatelná ochrana soukromí: Přednastavení pro ML
Anonymizace trénovacích dat ML musí být konzistentní a reprodukovatelná. Pokud datové vědkyně A a B aplikují různé typy entit, trénovací datasety jsou.
Ochrana soukromí podle více rámců pomocí jednoho nástroje
Compliance týmy spravující GDPR, HIPAA a CCPA musí v závislosti na kontextu dokumentu uplatňovat různé standardy anonymizace.
Přednastavení anonymizace ukončují nekonzistenci
Když 8 právních asistentů nezávisle konfiguruje anonymizaci PII, nekonzistenci nelze zabránit. Auditoři GDPR hledají systematické a konzistentní uplatňování.
Detekce MRN podle HIPAA bez doktorátu z regulárních výrazů
Formát MRN každé nemocnice je jiný. Memorial používá MRN:XXXXXXX, St. Mary's používá PT-YYYYY, University Hospital používá UHN-XXXXXXXXXX.
Právní PII: Detekce privilegovaných informací
Čísla soudních případů, čísla advokátních registrací, čísla soudních spisů a identifikátory klientských věcí jsou právně citlivé identifikátory, které standardní nástroje pro PII přehlíží.
GDPR a AI podpora: Vlastní identifikátory se počítají
AI zákaznické podpory přijímá zprávy zákazníků se jmény, e-maily A ID objednávek. Standardní nástroje PII odstraní e-mailové adresy, ale ID objednávek ponechají.
Národní ID EU, která váš nástroj PII přehlédne
Německé Steueridentifikationsnummer, francouzské Numéro fiscal, italské Codice Fiscale, španělské NIF/NIE — nástroje zaměřené na USA detekují SSN, ale většinu evropských národních ID přehlédnou.
Mimo SSN: Anonymizace interních identifikátorů organizace
Každá organizace má interní identifikátory — ID zaměstnanců, čísla účtů, ID objednávek — které jsou v kontextu osobně identifikovatelné, ale standardní nástroje je přehlédnou.
HIPAA: Detekce čísel MRN specifických pro nemocnici
HIPAA Safe Harbor vyžaduje odstranění čísel zdravotních záznamů — ale formáty MRN nejsou standardizované. Epic, Cerner a Meditech používají různé formáty.
Pipeline bezpečný pro GDPR: Anonymizace PII před uložením
Značky sloupců v dbt nejsou GDPR compliance. Surová zákaznická data přistávají ve vašem Snowflake skladu bez maskování ještě předtím, než se uplatní politiky na základě značek.
FOIA: Redakce z týdnů na hodiny pomocí AI
Federální vláda vynaložila na zpracování FOIA v roce 2024 odhadem 500 milionů dolarů, převážně na ruční redakci. ARPA-H výslovně hledala software pro AI redakci.
Anonymizace trénovacích dat ML v souladu s GDPR
GDPR omezuje použití osobních údajů pro trénování ML modelů nad rámec původního účelu jejich sběru. Datové týmy spoléhající na ad-hoc skripty čelí závažným rizikům.
Začněte chránit svá data ještě dnes
Více než 285 typů entit, 48 jazyků, bezpečnost na úrovni podniků za ceny startupů.
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 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
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
- 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.