Indsigter om Databeskyttelse
Ekspertartikler om AI-sikkerhed, GDPR-overholdelse, beskyttelse af sundhedsdata og bedste praksis for PII-anonymisering.
Alle Artikler
Realtids-PII-forebyggelse sparer 2,2 mio. dollars
IBM fandt en omkostningsforskel på 2,2 mio. dollars mellem forebyggelse og detektion. Her er matematikken, der gør realtids-PII-interception ikke-valgfri for sikkerhedsteams.
GDPR Art. 32: Overvågning af PII-eksponering i AI-værktøjer
Virksomheders complianceteams har brug for kvantitativt bevis for PII-kontroller i AI-værktøjer. Netværks-DLP misser browser-AI-interaktioner.
Forebyggelse af PII i realtid: Stop AI-datalæk, før de sker
Når en medarbejder skriver et kundenavn ind i ChatGPT, forlader data organisationens kontrol i realtid. Efterfølgende DLP kan ikke rulle dette tilbage.
Selvhostede PII-Værktøjer Fejler Compliancerevisioner
spaCy 3.4.4 producerer andre NER-resultater end spaCy 3.5.1. Et finansielt selskab opdagede, at 3% af dokumenterne var forskelligt anonymiseret i staging vs. produktion — et direkte revisionsfund under GDPR Artikel 32.
Presidio: 3 Ugers Opsætning vs. Managed PII-Tjeneste
Microsoft Presidio har tusindvis af GitHub-stjerner og hundredvis af åbne problemer. Opsætningskompleksitet, PySpark-integrationsomkostninger og Python-afhængighedskonflikter er veldokumenterede. Den managed løsning tager 12 minutter.
Fra 6 Uger til 3 Dage: Managed PII API vs. Selvhosting
Healthcare SaaS-teams bruger 6 uger på selvhostet Presidio-produktionsudrulning, inden de skifter til managed API. Den managed API erstatter hele udrulningsopgaven og reducerer integrationstiden til 3 dage.
Presidio Mangler 220+ GDPR-Enheder til EU
Presidio leveres med ~40 standard-enhedsgenkendere fokuseret på amerikanske identifikatorer. Europæiske organisationer har brug for IBAN, Codice Fiscale, BSN og andre EU-specifikke identifikatorer, der ikke er inkluderet.
"Gratis" PII-Detektion Koster €13.000 om Året
Selvhosting af Presidio kræver 40-80 timers indledende opsætning og 5-10 timers løbende vedligeholdelse om måneden. Til €100 i timen svarer det til €13.200+ om året — mere end 70 gange prisen på managed SaaS.
Presidios 22,7%-Precisionsproblem med Falske Positiver
Et benchmark fra 2024 viste, at Presidios navnegenkender opnår 22,7% præcision i forretningsdokumenter — altså er 77,3% af detektionerne falske positiver. Hybrid-detektion løser problemet.
Kortere Oplæringstid: Fra Uger til Timer med Forudindstillinger
Onboarding til privatlivsværktøjer tager typisk 2-4 uger med en fejlrate på 22% i den første uge. Delbare forudindstillinger reducerer oplæringen til 1 dag og sænker fejlraten til 3%.
MSP'er: Standardisér anonymisering
MSP'er og compliancekonsulenter, der betjener flere klientorganisationer, kan ikke manuelt rekonfigurere PII-værktøjer per klient i stor skala.
Konfigurationsdrift: En skjult GDPR-risiko
Analytiker A erstatter navne med pseudonymer. Analytiker B sværter dem ud. Din GDPR-revision finder begge i det samme datasæt. Konfigurationsdrift — hvor team.
Reproducerbar privacy: ML-forudindstillinger
Anonymisering af ML-træningsdata skal være konsistent og reproducerbar. Hvis datavidenskabsmænd A og B anvender forskellige entitetstyper, er træningsdatasæt.
Multi-framework-privacy med ét værktøj
Complianceteams, der administrerer GDPR, HIPAA og CCPA, skal anvende forskellige anonymiseringsstandarder afhængigt af dokumentkonteksten.
Anonymiseringsforudindstillinger eliminerer inkonsistens
Når 8 juridiske assistenter selvstændigt konfigurerer PII-anonymisering, er inkonsistens uundgåelig. GDPR-revisorer ser efter systematisk, konsistent anvendelse.
HIPAA MRN-detektion uden en regex-doktorgrad
Hvert hospitals MRN-format er forskelligt. Memorial bruger MRN:XXXXXXX, St. Mary's bruger PT-YYYYY, University Hospital bruger UHN-XXXXXXXXXX.
Juridisk PII: Privilege-detektion
Sagsnumre, advokaters licensnumre, domstolsakter og klientmappenumre er juridisk følsomme identifikatorer, som standardværktøjer til PII overser.
GDPR og Support-AI: Brugerdefinerede Identifikatorer Tæller
Kundesupport-AI modtager kundemeddelelser med navne, e-mails OG ordre-ID'er. Standard PII-værktøjer fjerner e-mailadresser men efterlader ordre-ID'er intakte — en compliance-kløft der misses.
EU Nationale ID'er Som Dit PII-Værktøj Misser
Tysklands Steueridentifikationsnummer, Frankrigs Numéro fiscal, Italiens Codice Fiscale, Spaniens NIF/NIE — US-fokuserede PII-værktøjer registrerer SSN'er men misser de fleste EU-nationale identifikatorer.
Ud Over CPR-Numre: Anonymisering af Interne ID'er
Alle organisationer har interne identifikatorer — medarbejder-ID'er, kontonumre, ordre-ID'er — der er personhenførbare i kontekst, men misses af standard PII-værktøjer. Sådan lukkes kløften.
HIPAA: Detektion af Hospitalspecifikke MRN-Formater
HIPAA Safe Harbor kræver fjernelse af medicinske journalnumre — men MRN-formater er ikke standardiserede. Epic, Cerner og Meditech bruger alle forskellige formater, der misses af generiske PII-værktøjer.
GDPR-Sikker Pipeline: Anonymiser PII Før Lagring
dbt-kolonnetags er ikke GDPR-compliance. Rå kundedata lander i dit Snowflake-datalager umaskeret, før tag-baserede politikker træder i kraft.
FOIA: AI Reducerer Redaktion fra Uger til Timer
Den føderale regering brugte anslået 500 millioner dollar på FOIA-behandling i 2024, primært manuel redaktion. ARPA-H søgte eksplicit AI-redaktionssoftware til at tackle de voksende efterslæb.
GDPR-Compliant Anonymisering af ML-Træningsdata
GDPR begrænser brugen af personoplysninger til ML-træning ud over det formål, de oprindeligt blev indsamlet til. Datascientists, der bruger ad hoc-scripts i Python, skaber compliance-huller, der fejler DPO-revisioner.
Begynd at Beskytte Dine Data I Dag
285+ enhedstyper, 48 sprog, virksomhedskvalitetssikkerhed til opstartspriser.
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.