By · Last updated 2026-04-13

Tilbage til BlogTeknisk

Privatlivsbeskyttelse i luftgabsomgivelser: anonymiser offline

FedRAMP- og ITAR-omgivelser har ét til fælles — cloud er ikke en mulighed. Reversibel pseudonymisering i henhold til GDPR art. 4(5) kræver, at token holdes adskilt.

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

Luftgabsreglen

Nogle netværk har ingen internetforbindelse. Ikke som politik — som design.

Et SCIF (Sensitive Compartmented Information Facility) er et Faraday-afskærmet rum. Ingen trådløse signaler kommer ind eller ud. ITAR (International Traffic in Arms Regulations) forbyder at sende beskyttet teknisk indhold til ikke-godkendte parter. Cloudleverandører er ikke ITAR-godkendte. For disse miljøer er "cloud-SaaS" ikke en risiko at styre — det er udelukket.

For disse anlæg fungerer cloudværktøjer ikke. Punktum.

Et værktøj, der kræver en aktiv netværksforbindelse, kan ikke køre her. Et værktøj, der kalder en licensserver, blokeres. Et værktøj, der sender filer til en cloud-API til detektion, kan ikke fungere inden for et SCIF. Dette er ikke kanttilfælde. Det er hverdagsbegrænsninger for forsvarsteams.

ITAR-scenariet

En dataforsker hos en forsvarsvirksomhed har personalejournaler under ITAR. Hun skal fjerne navne og ID-numre inden deling af filerne. Hendes netværk er luftgabsbeskyttet.

Der er ingen cloudløsning. Den eneste mulighed er et værktøj, der kører på den lokale enhed. Det skal lagre sine modeller lokalt. Det skal producere rent output uden eksterne kald.

Desktop-appen baseret på Tauri 2.0 gør dette. Efter installation sker der ingen netværkskald under en kørsel. spaCy NER-modellerne og regex-mønstrene kører alle på den lokale CPU. Output forbliver på enheden, indtil brugeren eksporterer det.

Hvorfor reversibilitet er vigtig

Klassificeret arbejde kræver ofte reversibel pseudonymisering. Teams bytter rigtige navne ud med koder. De bevarer dataenes nytteværdi og beskytter rigtige identiteter.

GDPR artikel 4(5) definerer pseudonymisering som en formel privatlivsforanstaltning. Det reducerer risikoen. Pseudonymiserede poster bærer færre juridiske forpligtelser — hvis opslagstoken opbevares adskilt fra datasættet.

IAPP-forskning (2024) viste, at kun 23% af værktøjerne understøtter ægte reversibilitet. De fleste udfører envejsmaskering eller fuld erstatning. Når en post er overskrevet, er den væk.

Nogle offentlige teams opdeler arbejdet efter fortrolighedsklassifikation. Ét team får de pseudonymiserede filer og foretager analysen. Et andet team holder opslagstoken og re-identificerer poster kun, når loven kræver det. Dette delte design er den eneste sikre tilgang til klassificerede arbejdsgange med flere teams.

Zero-knowledge-modellen går et skridt videre. Opslagstoken oprettes på klientenheden. Den sendes aldrig ud. Hvis leverandøren stævnes, kan den ikke udlevere token. Den har den aldrig haft. Dette opfylder chain-of-custody-reglerne i mange klassificerede omgivelser.

EDPB-tokenadskillelse

EDPB's retningslinjer 05/2022 fastslår, at pseudonymiseringstoken skal opbevares adskilt. Den må ikke befinde sig hos den samme part, der besidder de pseudonymiserede poster. Eller den skal være låst bag kontroller, der forhindrer den part i at læse både poster og token på én gang.

Tre elementer tilsammen opfylder denne regel:

  • Token oprettes på klientenheden — sendes aldrig ud
  • Al behandling sker lokalt — ingenting forlader luftgabsanlægget
  • Output og token eksporteres separat — to separate filer, to separate kanaler

Dette design opfylder EDPB-kravet og luftgabsbegrænsningen på samme tid.

For det fulde billede viser vores sikkerhedsoversigt, hvordan lokal behandling skærer tredjepartskæden. Vores complianceguide dækker GDPR-overførselsregler. Se vores FAQ for hjælp til opsætning.

Anonym.legal Desktop-appen kører al PII-detektion på den lokale enhed. Ingen internet er nødvendig efter installation. Den understøtter Windows, macOS og Linux. Medfølgende NLP-modeller dækker 24 sprog.

Opdateret for 2026

Kilder

Klar til at beskytte dine data?

Begynd at anonymisere PII med 285+ enhedstyper på tværs af 48 sprog.

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.