Tehniline
Süvitsi minek PII tuvastamisse, NER-i ja anonüümitamise tehnoloogiasse
33 artiklid
Presidio: 3-nadalane seadistus vs hallatud PII
Microsoft Presidiol on tuhandeid GitHubi tähti ja sadu avatud probleeme. Seadistuse keerukus, PySpark integratsiooni ülekoormus ja Pythoni soltuvused muudavad tootmiskeskkonna juurutamise keeruliseks.
6 nadala asemel 3 paeva: hallatud PII seadistus
Tervishoiu SaaS meeskonnad kulutavad 6 nadalat isehostitud Presidio tootmiskeskkonna juurutamisele enne uleминekut hallatud API-le. Hallatud API asendab juurutuse.
Tasuta PII tuvastus maksab 13 000 eurot aastas
Presidio isehosting vajab 40-80 tundi esialgset seadistust ja 5-10 tundi igakuist hooldust. 100 euro tunnitasuga on see 13 200+ eurot.
Presidio 22,7% täpsusprobleemi
2024. aasta vordlustestis saavutas Presidio isiku nimetuvastaja 22,7% täpsuse äridokumentides - see tahendab, et 77,3% tuvastustest on valepositive'id.
Taasesitatav privaatsus: ML eelsatted
ML koolitusdaagandmete anonüümimine peab olema järjekindel ja taasesitatav. Kui andmeteadlased A ja B rakendavad erinevaid olemitüüpe, ei ole koolitusdaagandmestikud.
GDPR-turvaline andmetoru: anonüümiseeri enne salvestamist
dbt veergude sildid ei tähenda GDPR-vastavust. Töötlemata kliendiandmed jõuavad Snowflake'i laohoosse maskeerimata enne sildi-põhiste poliitikate rakendumist.
FOIA: Redakteerimine nädalatelt tundidele
USA föderaalvalitsus kulutas 2024. aastal FOIA-töötlusele hinnanguliselt 500 miljonit dollarit, peamiselt käsitsi redakteerimisele. ARPA-H otsis AI redakteerimistarkvara.
GDPR-nõuetele vastav ML treeningandmete anonüümiseerimine
GDPR piirab isikuandmete kasutamist ML-treeninguks, kui see erineb algsest kogumise eesmärgist. Ad hoc Pythoni skriptidele toetuvad andmeteadlased loovad lünki, mida DPO auditid avastavad.
FOIA: 80% kiirem partiiredakteerimisega
USA föderaalagentuurid said 2024. eelarveaastal 1,5 miljonit FOIA-taotlust keskmise kuluga 482 dollarit taotluse kohta. Partiiredakteerimine vähendab töötlemisaega...
Presidio vs anonym.legal: ehita vs osta
Microsoft Presidio on tehniliselt tasuta, kuid nõuab korralikuks juurutamiseks 40-80 tundi inseneriaega. anonym.legal pakub sama ML-täpsust hallatava SaaS-teenusena.
Interneti-uhenduseta privaatsus: anoenumiseerimine offline
FedRAMP ja ITAR keskkonnad jagavad uhte olulist aspekti - pilv ei ole valik. GDPR artikkel 4(5) kohane poordpseudoenumiseerimine.
Valepositiivsete maks isikuandmete tuvastustööriistadel
Presidio GitHubi probleem #1071 dokumenteerib süstemaatilisi valepositiivseid tulemusi. 2024. aasta uuring leidis 22,7% täpsuse segakeelsetes ettevõtte andmekogumites.
Araabia ja heebrea isikuandmed: Lääne tööriistad ebaõnnestuvad
GDPR ei lõpe Bosporusel. Araabia ja heebrea isikuandmed ELi äritegevuses on süstemaatiliselt kaitsmata. XLM-RoBERTa mitmekeelne tuvastus ja.
Mitmekeelne PII: miks ükskeelsed tööriistad ebaõnnestuvad
72% ELi ettevõtetest töötleb dokumente korraga 3 või enamas keeles. Mitmekeelsed dokumendid põhjustavad ükskeelsetel NER-tööriistadel 45% suurema PII-vahelejätmise määra.
APAC PII: tai, indoneesia, vietnami keeles
Singapuri fintech, mis töötleb 500 000 igakuist tugvestlust 12 APAC-i keeles, leidis, et nende ainult ingliskeelne tööriist jätab 60% mitte-ingliskeelsetest vestlustest PII-tuvastuseta. Siit saate teada, mida keeltevaheline tuvastamine muudab.
Valepositiivsed: miks ML-i redakteerimine ebaõnnestub
2024. aasta võrdlustest selgus, et Presidio genereeris 4434 näidise seas 13 536 valepositiivset nimetuvastust - märkides asesõnu, laevade nimesid ja riike isiku nimedena. Siin on see, mida see maksab juriidilistes ja tervishoiu keskkondades.
ISO 27001 + ZK lühendab hankija hindamise aega
2025. aasta uuring leidis, et tunnustatud turvasertifikaadi puudumine oli CISO-de poolt SaaS-hankijate kõrvaldamise teine peamine põhjus. Siin on see, mida ISO 27001 + zero-knowledge kombinatsioon pakub.
ZK-arhitektuur lühendab müügitsükleid
Ettevõtte tasandi hankijate turvaküsimustikud sisaldavad keskmiselt üle 100 küsimuse. Zero-knowledge arhitektuur vastab kõige keerukamatele neist lõplikult - ja viib tehingud lõpule.
LastPassi turvarikkumine: tarnija turvaõppetunnid
LastPass krüpteeris oma kasutajate andmed. Hoidlad varastati siiski. Sellele järgnes 600 000+ Okta kirjet. SaaS-i turvaincidendid kasvasid 2022-2024 aastal 300%.
ZK-nõuete hindamine pärast LastPassi
LastPassi kasutajatelt varastati 438 miljonit dollarit pärast nende "krüptitud" hoidlate kompromiteerimist. Sellele järgnes ICO-lt 1,2 miljoni naelase trahv. Siin on kontrollnimekiri, et hinnata, kas tarnija nullteadmise nõue on tõene.
LangChain CVE-2025-68664: kuidas isikuandmed lekivad teie RAG-torujuhtmest
CVSS 9,3. LangChaini serialiseerimisfunktsioonid paljastavad keskkonna muutujad ja saladused ründaja kontrollitavatele LLM-idele. Kuidas tuvastada ja parandada isikuandmete lekkeid.
LibreOffice'i PII anonüümimise laiendus
Samm-sammuline juhend PII anonüümimiseks LibreOffice dokumentides anonym.legal laienduse abil.
LibreOffice vs Office: PII kustutamine
Uksikasjalik võrdlus PII anonüümimise võimalustest LibreOffice'is (anonym.legal laiendus) vs. Microsoft Office'is (Office lisandmoodul).
Miks binaarset isikuandmete tuvastamine vastavusele ebaõnnestub
Tuvastatud/mittetuvastatud lipud ei suuda toetada kaitstavaid moonutamisotsuseid. Usalduse hindamine muudab isikuandmete anonüümistamise binaarist arvamusest auditeeritavaks vastavuskontrolliks.
Dokumendivormingute killustumine PII-tööriistades
Üks DSAR-vastus võib hõlmata Wordi lepinguid, PDF-arveid, Exceli kliendiloendeid ja CSV-eksporte. Eri tööriistade kasutamine iga vormingu jaoks tekitab lünki.
GDPR-nõuetele vastavad logid: vigade parandamine säilib
Rakenduse logid koguvad vaikselt kasutajate e-posti aadresse, IP-sid ja kontonumbreid. Siin on, kuidas jagada logisid kolmandate osapooltega, töövõtjatega ja vaatlusvahendite platvormidega.
GDPR rakenduse logides: JSON isikuandmete vastavus
Rakenduse logid sisaldavad klientide e-posti aadresse, IP-sid ja kontonumbreid, mida GDPR artikkel 5(1)(e) nõuab hallata.
Rakendusevaheline isikuandmete kaitse: Word, Chrome ja tehisintellekt
Kliendiandmed liiguvad brauseri uurimistöölt Wordi dokumentidesse ja sealt edasi Claude'i päringutesse. Iga rakenduste vahetus on potentsiaalne andmelekke koht.
Platvormide vaheline isikuandmete kaitse: Mac, Linux ja Windows
Privaatsusametnikud Macil, juristid Windowsil, andmeinsenerid Linuxil - kõik töötlevad samu andmeid erinevate tööriistadega. Siin on põhjus, miks OS-ist sõltumatu tuvastamine on oluline.
Isoleeritud võrgu isikuandmed: offline-esmane lähenemine kaitsetööstusele
41% ettevõtete turvapoliitikatest keelab salastatud dokumentide pilvtöötluse. Vaata, kuidas offline-esmased tööriistad lahendavad isikuandmete anonümiseerimise isoleeritud keskkondades.
Pöörduv vs püsiv redaktsioon: kuidas valida
GDPR eristab anonümiseerimist pseudonümiseerimisest. Kohtud vajavad originaale. Uuringud vajavad taasidentifitseerimist. Vaata, millal kumbagi meetodit kasutada.
Mitmekeelne NER: Inglise mudelid ebaõnnestuvad araabia keele puhul
Ingliskeelsed NER-mudelid saavutavad 85–92% täpsuse. Araabia ja hiina keeles? Sageli vaid 50–70%. Uuri tehnilisi väljakutseid ja kuidas luua tõeliselt mitmekeelne lahendus.
Kasutage Claude'i ja ChatGPT-d ilma isikuandmeid lekitamata
Arendaja juhend AI assistentide turvaliseks kasutamiseks. Seadistage MCP Serveri integreerimine läbipaistvaks isikuandmete kaitseks Claude Desktopis, Cursoris ja VS Code'is.
Alustage Oma Andmete Kaitsmist Täna
285+ üksustüüpi, 48 keelt, ettevõtte tasemel turvalisus algtasemel hindadega.
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.