Enterprise NLP vs. Regex

anonym.legal vs Caviard.ai

Caviard.ai er en Chrome-udvidelse, der bruger regex-mønstre til PII-registrering, hvilket opnår 60–75% recall med 15–30% falsk positiv rate – utilstrækkelig til reguleret compliance-arbejde. anonym.legal's 3-lag NLP-motor leverer 92–98% recall på tværs af 48 sprog med deterministiske, revisionerbare resultater på web, desktop, Office Add-in og alle browsere.

Start gratis prøveperiode Se priser

Lær mere om Caviard.ai

Funktion Sammenligning

Funktion	anonym.legal	Caviard.ai
Detektionsteknik	Yes	Kun regex-mønstre
Enhedstyper	285+	Omkring 30–50 mønstre
Sprogunderstøttelse	48 languages	Begrænset (regex-huller på ikke-ASCII)
Platformunderstøttelse	Yes	Kun Chrome-udvidelse
Per-enhed tillidscore	Yes	Nej
Deterministiske resultater	Yes	Kun mønsterbaseret
Genkaldelsesfrekvens	Yes	60–75%
Falsk positiv rate	Yes	15–30%
ISO 27001	Yes	Ikke dokumenteret
Compliance-revisionsspor	Yes	Nej
Reversibel kryptering	AES-256-GCM	Nej (lokal browserbehandling)
Office Add-in	Yes	Nej
Prissætning	Free to €29/mo	Ikke offentliggjort

Sammenligning baseret på offentligt tilgængelig information. "Ikke fundet" angiver funktion, der ikke er dokumenteret på produktets side. Sidst opdateret februar 2026.

Hvorfor Vælge anonym.legal

Alle browsere + desktop – Ikke kun Chrome

anonym.legal fungerer i Chrome, Firefox, Edge, Safari og som desktop-app. Caviard.ai er en Chrome-udvidelse – medarbeidere, der bruger andre browsere, får ingen beskyttelse.

Deterministisk NLP vs. Regex-mønstre

anonym.legal bruger 3-lag NLP (Presidio + spaCy + XLM-RoBERTa transformers). Regex kan ikke forstå kontekst: det mangler lokations-enheder, forvirrer virksomhedsnavne med tekst og fejler på alle ikke-ASCII-tegn.

ISO 27001-certificeret infrastruktur

anonym.legal kører på Hetzner Tyskland med ISO 27001-certifiering. Caviard.ai har ingen dokumenteret sikkerhedscertificering.

48 sprog vs. regex-huller

Regex-baseret detektionsfejler på tysk omlyd, arabisk, kinesisk, hebraisk og andre ikke-ASCII-tegn. anonym.legal's flersprogede NLP dækker 48 sprog indfødt.

Per-enhed tillidscore

Hver detektion inkluderer en 0–100% tillidscore og den regel/model, der udløste den – påkrævet for juridisk forsvarbarhed og HIPAA-revisionsspor. Caviard.ai giver ingen tillidscore.

285+ enhedstyper

Landsspecifikke ID'er med checksumvalidering, 48-sproget NER, medicinske optegnelser, finansielle identifikatorer. Caviard.ai dækker omkring 30–50 regex-mønstre.

Hvornår anonym.legal er det rigtige valg

anonym.legal overgår Caviard.ai når:

Du har brug for compliance-grad recall (92–98%) snarere end basic pattern matching (60–75%)
Dit team bruger Firefox, Edge, Safari eller desktop-applikationer – ikke kun Chrome
Du behandler flersproget indhold: tysk, fransk, arabisk, kinesisk, hebraisk eller noget af 48 sprogene
Du kræver per-enhed tillidscore og revisionsspor til HIPAA, GDPR eller e-discovery
Du har brug for reversibel anonymisering – dekrypter pladsholdere, når det kræves ved lov

Ofte Stillede Spørgsmål

Hvad er forskellen mellem regex-baseret og NLP-baseret PII-detektion?

Regex-mønstre matcher faste tekststrukturer (f.eks. SSN-format). De mangler kontekstafhængige PII: navne i sætninger, lokations-enheder og evt. mønster, der varierer let. NLP-modeller forstår sproget kontekst – anonym.legal's 3-lag pipeline (Presidio + spaCy + XLM-RoBERTa) opnår 92–98% recall vs. 60–75% for regex-kun værktøjer som Caviard.ai.

Fungerer Caviard.ai i Firefox, Edge eller Safari?

Nej. Caviard.ai er en Chrome-udvidelse og fungerer kun i Chrome-baserede browsere. anonym.legal fungerer i alle større browsere via webappen, giver dedikerede Chrome- og Edge-udvidelser og inkluderer en standalone desktop-app til Windows, macOS og Linux.

Hvilke sikkerhedscertifikater har Caviard.ai?

Caviard.ai publicerer ikke ISO 27001 eller SOC 2-certificeringer. anonym.legal kører på Hetzner Tyskland-infrastruktur med ISO 27001-certifiering, GDPR-overholdende databehandlerovereenkomster og zero-knowledge-godkendelse bekræftet af uafhængig sikkerhedsrevision.

Hvordan håndterer anonym.legal flersproget PII, som Caviard.ai mangler?

Regex fejler på ikke-ASCII-tegn: tysk omlyd (ä, ö, ü), arabisk script, kinesiske tegn, hebraiske bogstaver. anonym.legal's NLP-modeller er trænet på 48 sprog og håndterer tegnnormalisering, Unicode-grænser og sprogsspecifikke ID-formater (tysk Personalausweis, fransk NIR, arabiske nationale ID'er osv.).

Hvilken falsk positiv rate kan jeg forvente?

Caviard.ai's regex-tilgang producerer 15–30% falsk positiv rate – flagging ikke-PII-tekst som sensitiv. Dette skaber unødvendig redigering af legitimitm indhold. anonym.legal's NLP-pipeline reducerer falske positiver til under 5% gennem kontekstforståelse, tillids-score-tærskler og per-enhed override-kontroller.

Giver anonym.legal revisionsspor til compliance?

Ja. Hver detektion inkluderer enhedstypen, tillidscore, detektionsmetode (regel-ID eller modelnavr) og tidsstempel – skaber et forsvarbart revisionsspor til HIPAA, GDPR og e-discovery-krav. Caviard.ai giver ingen per-detektions-revisionsspor.

Enterprise NLP PII-detektion

92–98% recall. 48 sprog. Alle browsere + desktop. ISO 27001. Gratis at starte.

Start gratis prøveperiode Se Flere Sammenligninger

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.

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.