By · Last updated 2026-06-05

Volver al BlogGDPR y Cumplimiento

ANSPDCP y GDPR rumano: Por qué la detección de CNP...

ANSPDCP encontró que el 78% de las herramientas no detectan el CNP rumano con la validación adecuada.

June 5, 20267 min de lectura
Romania ANSPDCPCNP checksum validationRomanian GDPRBPO complianceRomanian identifiers

ANSPDCP Rumanía: Detección del CNP y Comprobaciones RGPD

Actualizado para 2026

La autoridad de protección de datos de Rumanía es ANSPDCP. Su evaluación de 2024 encontró que el 78 % de las herramientas DCP no detectan correctamente el Cod Numeric Personal (CNP). La mayoría omite el paso de verificación de suma de comprobación. Esa brecha crea un riesgo real de cumplimiento. Rumanía procesa datos de la UE para muchos clientes occidentales. La exposición es amplia.

El Documento Nacional de Identidad Más Rico en Datos de Rumanía

El CNP es un identificador nacional de 13 dígitos. Cada grupo de dígitos contiene datos personales:

  • Dígito 1: Código de género y siglo. Hombre nacido 1900–1999 = 1. Mujer nacida 1900–1999 = 2. Hombre nacido 2000+ = 5. Mujer nacida 2000+ = 6. Hombre residente extranjero = 7. Mujer residente extranjera = 8. Otro residente = 9.
  • Dígitos 2–3: Últimos dos dígitos del año de nacimiento.
  • Dígitos 4–5: Mes de nacimiento (01–12).
  • Dígitos 6–7: Día de nacimiento (01–31).
  • Dígitos 8–9: Código de condado. Cubre 41 condados y los seis sectores de Bucarest (códigos 01–52).
  • Dígitos 10–12: Orden de nacimiento en ese día y condado.
  • Dígito 13: Dígito de control.

El dígito 1 por sí solo revela el sexo biológico. Bajo el artículo 9 del RGPD, este número se convierte en un dato de categoría especial. Necesita una protección más fuerte que los datos personales ordinarios.

Cómo funciona el dígito de control: Tome los primeros 12 dígitos. Multiplique cada uno por su peso (2, 7, 9, 1, 4, 6, 3, 5, 8, 2, 7, 9). Sume los resultados. Divida entre 11 y tome el resto. Un resto de 10 da el dígito de control 1. Un resto de 11 significa que el código no es válido. Cualquier otro resto es el dígito de control.

Las herramientas que omiten esta prueba tienen dos modos de fallo. Primero, cualquier cadena de 13 dígitos se marca como coincidencia (falsos positivos). Segundo, un número corrupto pasa la verificación de patrón pero contiene datos incorrectos. Esos datos se pasan por alto y no se revisan (falsos negativos).

Problemas de NER en Documentos en Rumano

Encontrar identificadores es solo parte del trabajo. El texto rumano añade más obstáculos de detección.

Diacríticos: El rumano usa ș, ț, ă, â e î. Las herramientas entrenadas en otros idiomas suelen pasar por alto nombres con estas letras. Los documentos antiguos en codificación Latin-2 añaden más fallos.

Formatos de dirección: Los tipos de calle usan formas cortas — Str., Bd., Al., Cal. Los nombres de ciudades y municipios siguen reglas locales. Los analizadores diseñados para direcciones francesas o alemanas funcionan mal aquí.

Flexión de nombres: Los nombres cambian de forma según el caso gramatical en rumano. El mismo nombre de una persona se ve diferente en distintas partes de una oración. Los modelos NER deben manejar esto para vincular nombres en un documento.

Consulte nuestra guía de detección de DCP en APAC sobre cómo las brechas lingüísticas afectan la detección en scripts no occidentales.

Cómo se Desarrollan los Casos de ANSPDCP

Los casos de ANSPDCP muestran tres patrones.

Casos de brecha en BPO: Los archivos compartidos contienen números de ID de empleados y datos de clientes de la UE sin cifrado. Los registros deficientes impiden que la empresa sepa a qué registros se accedió. Eso extiende la investigación y aumenta la multa.

Exposición de datos de salud: Los expedientes de pacientes — el ID nacional, el ID de la tarjeta sanitaria y el diagnóstico — llegan a la persona equivocada. La herramienta DCP no tenía soporte para este formato. Los datos salieron sin enmascaramiento.

Fallos en transferencias transfronterizas: Una empresa de externalización envía registros vinculados a identificadores a una parte fuera del EEE. Sin Transfer Impact Assessment. Sin Standard Contractual Clauses. El estado del artículo 9 de los datos convierte una brecha rutinaria en una violación más grave.

Tres Controles para el Cumplimiento de ANSPDCP

Estos tres forman la base técnica mínima:

  1. Detección del CNP con validación módulo 11 — la coincidencia de patrones sola no es suficiente.
  2. NER con reconocimiento de diacríticos — cubrir ș, ț, ă, â e î en fuentes UTF-8 y Latin-2.
  3. Detección del documento de identidad — el documento nacional aparece junto al CNP en muchos tipos de documentos.

Para una visión más amplia de cómo los documentos nacionales crean riesgos de RGPD, consulte nuestra guía de detección de identificadores fiscales nacionales de la UE.

Fuentes

¿Listo para proteger sus datos?

Comience a anonimizar PII con más de 285 tipos de entidades en 48 idiomas.

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.