anonym.legal

By · Last updated 2026-04-04

Itzuli BlogeraAI Segurtasuna

Kontrol Teknikorik Gabeko AI Politika Huts Egiten Du

Langile guztien %77k AI tresnekin lan-datu sentikorrak partekatzen dituzte horiek debekatzen dituzten politikak arren. Gobernuko kontratista batek FEMA uholdeen laguntza eskatzaileen datuak itsatsi zituen.

April 4, 20268 min irakurri
AI data governancetechnical controlsChatGPT policy failureChrome Extension DLPenterprise AI security

Politika Benetako Portaeraren Aurrean

Gobernuko kontratista bat presiopean zegoen. FEMA uholdeen laguntza eskaera-atzerapen bat zuen prozesatzeko. Izenak, helbideak eta osasun-erregistroak ChatGPT-n itsatsi zituen arinago mugitzeko. Bere ustetan ez zuen inongo legerik hautsi. Eskura zuen tresna onena erabili zuen.

Ondorioa: gobernuko ikerketa eta jakinarazpen publikoa.

Hori da politika soileko AI gobernantzaren oinarrizko hutsa. Politikek langileei zer egin esaten diete. Ez dute portaera geldiarazten.

Enpresako langileen %77k lan-datu sentikorrak AI tresnekin astero partekatzen dituzte - politikak hori debekatzen badu ere (eSecurity Planet/Cyberhaven 2025). Ez dira langile ergelak. Denbora-presioan dauden pertsonak dira tresnarik azkarrena aukeratzen dutenak.

Politikak Zergatik Hausten Diren

AI erabilpen-politikak sarrera-puntuan giza epaian oinarritzen dira. Momentu hori azkarra da. Langileak ez du politika gogoan izan. Edukia ez du "sentikorra" gisa ikusi. Arriskua onartu dezake denbora-aurrezkiak handiak direlako.

Cyberhaven-en 2025 Q4 analisiak aurkitu zuen ChatGPT sarrera guztien %34,8k informazio korporatibo konfidentziala duela. Erabiltzaile askok politika ezagutu zuten. Hala ere itsatsi egin zuten.

Sarbide-politikek funtzionatzen dute sistemek hauek betearazten dituztelako. Email geruzako DLPk funtzionatzen du sistemek aplikatzen dutelako. AI erabilpen-politikak ez du betearazteko modurik itsatze-puntuan. Giza erabaki batek hutsune hori betetzen du. Eskalan, gizakiek akatsak egiten dituzte.

FEMAko kontratiistak akats hoietako bat egin zuen. Ez zen eragile txarra. Tresna irabazi zuen politikak moteltasuna aukeratzeko eskatu ziolako. Presiopean, abiadura aukeratu zuen.

Kontrol Teknikoek Politikek Ezin Dutena Geldiarazten Dute

Eskalan funtzionatzen duen irtenbide bakarrak geruza teknikoan lan egiten du - prestakuntza-geruzan ez.

Arakatzaile-luzapen batek portapapelen edukia edozein web-oinarritutako AIra iritsi aurretik atzematen dezake. Kontratistak eskatzaileen izenak eta helbideak kopiatu eta ChatGPT-n itsatsi dituenean, luzapenak PII detektatzen du, anonimizatu egiten du eta bertsio garbia bidaltzen du. AIk [IZENA_1] eta [HELBIDEA_1] ikusten ditu benetako balioen ordez. Ataza oraindik osatzen du. Eskatzailearen datu pribatuak inoiz ez dira ChatGPT-ren zerbitzarietara iristen.

Hau automatikoa da. Ez dio erabiltzaileari ezer gogorarazteko eskatzeko.

Cursor edo GitHub Copilot erabiltzen ari diren garatzaileentzat, MCP Server batek geruza bera eskaintzen du. AI testuinguruan itsatsi den kodea lehenik anonimizazio-motoretik igarotzen da. Kredentzialak eta jabetzako identifikatzaileak tokenak bihurtzen dira. AIk sarrera garbia jasotzen du eta oraindik irteera erabilgarria ematen du.

Ikusi hau blokeaketa-rekin nola alderatzen den: Blokeaketa vs. Anonimizazioa - Arakatzaile DLP Aldaratua.

Kontrol Teknikoekin Zer Aldatzen Den

Arakatzaile-luzapena jarrita, FEMAko kontratista eszenatokia modu ezberdinean doa:

  1. Kontratiistak kasu-sistematik eskatzaileen erregistroak kopiatzen ditu
  2. Luzapenak portapapelean PII detektatzen du
  3. Aurreikuspen-modala erakusten du zer ordezkatuko den
  4. Bertsio anonimizatua ChatGPT-ra doa
  5. ChatGPT eskaera prozesatu eta emaitzak itzultzen ditu
  6. Kontratiistak behar duen laguntza lortzen du - ikerketarik ez da abiarazten

Politikak ez zuen aldatu behar. Prestakuntzak ez zuen exekutatu behar. Atzemateko geruzak kudeatzen zuen.

Politika-prestakuntzak arriskua mugan murrizten du. Kontrol teknikoek hutsegite-modua ezabatzen dute. FEMA gertakizuna politika-hutsa zen. Ez-gertaera bat izango zen Chrome Luzapen bat kontratistaren gailuan zabalduta.

Ikusi ere:

Iturriak

Lotutako Artikuluak

AI Segurtasuna

AI Coding Assistants Leak Production PII

Unit test fixtures with real customer records. Log files with production data for debugging. GitHub found 39 million secrets leaked in 2024.

AI Segurtasuna

Internal Wiki PII: Confluence Customer Data

Support teams document processes with screenshots of customer accounts. Over 3 years, that's thousands of GDPR data minimization violations in your.

AI Segurtasuna

Screenshot PII: Leaks in Internal Tools

Slack, Teams, Jira, and email regularly receive screenshots containing customer PII. This access-control violation bypasses every DLP tool.

Prest zure datuak babesteko?

Hasi PII anonimizatzen 285+ entitate mota 48 hizkuntzatan.

Hasi Probako BertsioaIkusi Ezaugarriak

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.