By · Last updated 2026-06-03

Zpět na blogGDPR a shoda

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.

June 3, 20266 min čtení
GDPR auditconfiguration driftredaction inconsistencycompliance governanceteam anonymization

Posun konfigurace: Skryté riziko GDPR

Analytik A nahrazuje jména pseudonymy. Analytik B je začerňuje. Oba dodržují stejné pravidlo GDPR pro stejný typ dokumentu — nebo si to alespoň myslí.

Váš audit nalezne obě metody v jednom datasetu. Auditor se ptá: „Jaký je váš standardní postup pro osobní jména?” Nemůžete odpovědět. Existují dva postupy, ne jeden.

Toto je posun konfigurace. Nevyžaduje únik dat, aby vytvořil riziko. Produkuje zjištění auditu. Opakovaná zjištění vedou k pokutám.

Jak vypadá posun konfigurace

Posun se buduje pomalu. Nikdo si ho nevšimne až do auditu.

Měsíc 0 — Nastavení: Compliance manager nastaví nástroj PII. Tým dostane krátkou ukázku.

Měsíc 2 — Nový zaměstnanec: Přijde nový analytik. Zkopíruje nastavení kolegy. Je blízko správnému, ale chybí jeden typ entity.

Měsíc 4 — Aktualizace politiky: Pokynovací poznámka přidává detekci data narození. Někteří členové týmu aktualizují své profily. Jiní změnu přehlédnou.

Měsíc 6 — Místní úprava: Jeden analytik sníží práh spolehlivosti, aby opravil nadměrnou redakci. Změna ovlivní veškerou jeho pozdější práci. Nikdy není zaznamenána.

Měsíc 8 — Audit DPA: Auditor vytáhne padesát dokumentů. Nalezne tři různé sady pravidel pro stejný typ dokumentu:

  • Dokumenty 1–20: jména pseudonymizována, data narození redakována, adresy redakovány
  • Dokumenty 21–35: jména začerněna, žádné zpracování data narození, adresy přítomny
  • Dokumenty 36–50: jména nahrazena, adresy redakovány, e-maily ponechány

Zjištění: žádná systematická kontrola nezajišťuje konzistentní maskování.

Tři škody smíšených nastavení

Selhání auditu

Auditoři DPA kontrolují, zda je maskování systematické. Tři různé přístupy na stejném typu dokumentu ukazují nedostatek kontrol — i když je každý přístup sám o sobě správný.

Ztráta kvality dat

Když jsou výstupy od několika analytiků sloučeny, mezery se kumulují. Dataset, kde 40 % záznamů má pseudonymizovaná jména a 60 % má redakovaná jména, je méně užitečné než kterákoli metoda aplikovaná jednotně. Modely trénované na smíšených výstupech mají horší výkon.

Slabší právní obhajoba

U soudu může protistrany napadnout úplnost redakce. Soudci zpochybňovali redakci při e-discovery, když různí recenzenti aplikovali různé standardy. Smíšené protokoly podkopávají tvrzení, že redakce byla důkladná.

Oprava pomocí přednastavení

Řešení je jednoduché: odstraňte rozhodnutí o nastavení od každého uživatele.

Před přednastavenymi: Každý uživatel nastaví nástroj na základě vlastního výkladu pravidel. Nastavení se liší podle osoby a relace.

Po přednastavenich: Compliance manager vytvoří pojmenovaná přednastavení. Každé přednastavení kóduje schválený soubor pravidel. Uživatelé vybírají správné přednastavení. Rozhodnutí nastane jednou, správnou osobou, a platí pro všechny.

Co přednastavení zahrnuje:

  • Které typy entit detekovat
  • Jakou metodu použít (Replace, Redact, Pseudonymize, Mask, Encrypt)
  • Definice vlastních entit (interní identifikátory, formáty specifické pro pracoviště)
  • Jazyková nastavení
  • Prahy spolehlivosti

Co uživatelé stále rozhodují:

  • Které přednastavení odpovídá aktuálnímu dokumentu — volba na základě pravidel, ne volba nastavení
  • Zda označená položka potřebuje ruční přezkum

Rozhodnutí o souladu — co dělat — je předem provedeno. Každodenní volba — které přednastavení — se řídí jasnými pravidly.

Zjistěte, jak přednastavení podporují konzistentní datové pipeline.

Šest kroků ke kontrole nastavení

Krok 1 — Uveďte aktuální nastavení

Zeptejte se všech členů týmu, jak mají nástroj nastavený. Zapište mezery. To ukáže, kolik posunu existuje.

Krok 2 — Definujte schválené sady pravidel

Pro každý typ dokumentu napište schválené nastavení. Nechte DPO podepsat.

Krok 3 — Vytvořte pojmenovaná přednastavení

Změňte každou schválenou sadu pravidel na pojmenované přednastavení. Používejte jasná jména. „Standard GDPR — Data zákazníků EU” je lepší než „Config1.”

Krok 4 — Odstraňte vlastní nastavení

Odstraňte možnosti ad-hoc nastavení ze standardních workflowů. Uživatelé vybírají přednastavení. Nebudují od nuly.

Krok 5 — Zaznamenejte proces

Poznamenejte, která přednastavení byla vytvořena, kým a kdy. Nastavte cyklus přezkumu: čtvrtletně pro přednastavení GDPR, ročně pro přednastavení HIPAA.

Krok 6 — Vybudujte auditní stopu

Protokoly by měly ukazovat: dávka X byla spuštěna s přednastavením „Standard GDPR — Data zákazníků EU” dne Y uživatelem Z. Sada pravidel přednastavení je zaznamenána. Stopa je úplná.

Viz způsob, jakým protokoly připravené na audit pomáhají při auditu GDPR.

Cena čekání

Mnoho týmů přeskočí správu přednastavení. Počáteční náklady jsou jasné. Rizikové náklady se zdají vzdálené.

Matematika se změní, když se podíváte na reálná data vymáhání:

  • Akce vymáhání GDPR vzrostly o 56 % v roce 2024 (DLA Piper Annual Report 2025)
  • Prvotní selhání procesů often vedou k nápravným příkazům s termíny
  • Opakovaná zjištění ve stejné oblasti vedou k pokutám
  • Porušení článku 32 nesou pokuty od tisíců po miliony, v závislosti na velikosti a závažnosti

Nápravný příkaz vás nutí vybudovat kontroly, které jste měli vybudovat dříve. Oprava pod tlakem typically stojí třikrát až pětkrát více než jednání dřív.

Závěr

Posun konfigurace není úmyslné selhání. Je to předvídatelný výsledek toho, že každý uživatel spravuje vlastní nastavení bez centrálního dohledu.

Lepší školení to neopraví. Jasnější záznamy to neopraví. Odstranění vlastního nastavení z workflowu to opraví.

Přednastavení jsou technickou formou systematického souladu s předpisy. Zajišťují, že rozhodnutí kvalifikovaných pracovníků se vztahují na všechny — bez ohledu na jejich zkušenosti nebo úsudek.

Vzdálené týmy čelí stejné výzvě ve větším měřítku.

Zdroje

Připraveni chránit svá data?

Začněte anonymizovat PII s více než 285 typy entit ve 48 jazycích.

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.