By · Last updated 2026-06-05

Itzuli BlogeraTeknikoa

Plataforma arteko PII: Mac, Linux eta Windows

Betetze-arduraduneak Mac-en, legea Windows-en, datu-ingeniariak Linux-en, guztiak datu berdinak prozesatzen dituzte tresna desberdinekin. Hona zergatik OS-agnostiko detekzioak garrantzia duen.

June 5, 20266 min irakurri
cross-platformMac Linux GDPRenterprise ITOS agnosticcompliance consistency

Plataforma arteko PII: Mac, Linux eta Windows

Betetze-arduraduneak Mac-en. Lege-taldeak Windows-en. Datu-ingeniariak Linux-en. Betebehar bakarra.

PII tresna gehienak plataforma baterako eraikita zeuden. Hori da arazoa.

OS hutsunea pribatutasun taldeetan

Enpresako pribatutasun-taldeek sistema eragile bakarra erabiltzen dute gutxitan. Mundu mailako teknologia-enpresa tipikoa honela dago:

  • Pribatutasun-arduraduneak eta DPOak: macOS (AEBetako eta Erresuma Batuko enpresetan ohikoa)
  • Lege eta betetze analistak: Windows (Europako enpresetan estandarra)
  • Datu-ingeniariak eta DevOps: Linux (estandarra rol teknikoetan)

Hiru OS ingurune. Hiru talde-funtzio. Betebehar partekatua bakarra: datu pertsonalak prozesatu kontrol tekniko koherenteekin.

Talde bakoitzak tresna beraren bertsio desberdina erabiltzen duenean edo interfaze desberdina, kontrolak ez dira berdinak. Badirudi bakarrik.

Zergatik sortzen duten arriskua plataforma bakarreko tresnek

PII tresna gehienak OS baterako desktop aplikazio gisa bidalzen dira. Mac eta Linux erabiltzaileek web-itzulera jasotzen dute, edo ezer ez.

Horrek auditoriatan garrantzia duen zatiketa sortzen du. Hona gertatzen dena web aplikazioa desktop-aren atzetik geratzen denean:

NLP modelo-bertsioak desberdinak dira. Desktop eraikuntza batek web aplikazioak baino NLP modelo berriagoa bundlatuta eduki dezake. Modelo bertsio zaharragoek berriagoenek harrapatzen dituzten entitate-motak gal ditzakete.

Eguneratze-zikloak desberdindu egiten dira. Taldeko politikaren bidez deployatutako tresnak instalazio zuzenaren atzean bi edo hiru bertsio egon daitezke. Bertsio-hutsuneak detekzio-hutsuneak esan nahi du.

Konfigurazioa ezin da sinkronizatu. OS erregistroan ezarpenak gordetzen dituzten tresnek ezin dituzte ezarpen horiek Mac edo Linux erabiltzaileekin partekatu. Plataforma batean eraikitako aurrezehaztapena beste batean irakurrezina izan daiteke.

Liburutegien jokabidea aldatzen da. PDF analizatze edo OCR-rako OS-mailako liburutegietan oinarritzen diren tresnek emaitza desberdinak sor ditzakete plataforma desberdinetan, iturburuko dokumentu berdinetik egonda ere.

Hutsune hauetako edozein dela-eta, dokumentu berak anonimizazio emaitza desberdinak sor ditzake. Kausa ez da datuak. Plataforma da.

Ikusi GDPR neurri tekniko eskakizunak arauak koherentzia nola ebaluatzen duten jakiteko.

GDPR 5(2). artikulua eta neurri sistematikoak

GDPR 5(2). artikulua erantzukizun-printzipioa da. Kontrolatzaileei 5(1). artikuluaren datuen babes printzipioekin betetzea erakustea eskatzen die. 32. artikuluaren neurri teknikoetarako, horrek neurriak sistematikoki aplikatu direla esan nahi du.

Sistematikoak koherentea esan nahi du. Anonimizazioa exekutatu duten pertsonaren OS-aren arabera aldatzen bada, neurria aldakorra da, ez sistematikoa.

DBAren ikerketa batean, "X tresna erabili genuen, baina Mac-en eta desktop bertsioan modu desberdinean jokatzen du, eta dokumentua Mac-en prozesatu zen" ez da erantzun asebetegarria. Aplikazio desberdina erakusten du.

OS-agnostiko diseinua ez da lehentasun bat. Aplikazio sistematikoen eskakizunetik dator.

OS-agnostiko betetzeko bi eredu

Benetako OS-agnostiko PII betetzeak bi arkitektura-ereduetan sartzen da.

1. eredua: Web aplikazioa

Detekzioa zerbitzarian exekutatzen da. Bezero-OS irrelevantea da. Erabiltzaile guztiek motor bera, modelo berak eta konfigurazio bera dute.

Mugapena: Internet-sarbidea behar du. Aire-hutseko inguruneek ezin dute erabili.

2. eredua: Plataforma arteko native desktop aplikazioa

Plataforma arteko exekuzio-denboran eraikitako desktop aplikazioak (Tauri edo Electron bezalakoetan) kode bera konpilatzen du hiru plataforma guztietarako. NLP modelo berak eraikuntza bakoitzean bidalzen dira. Konfigurazioak kontu bidez sinkronizatzen du, ez tokiko OS biltegian.

Horrek offline eta aire-hutseko eskakizunak asetzen ditu. Detekzioa plataforma guztian koherentea mantentzen da.

Anonym.legal Desktop Aplikazioak Tauri/Rust esparrua erabiltzen du. Kode bera konpilatzen du Windows (x64/ARM64), macOS (Intel/Apple Silicon/Universal) eta Linux (x64) plataformetan. NLP modeloak eta detekzio-motorrak berdinak dira eraikuntza bakoitzean. OS ez da emaitzaren aldagai bat.

Erabilera kasua: 12 laguneko pribatutasun taldea

Munduko teknologia enpresa baten 12 laguneko pribatutasun-taldeak hiru OS ingurunetan lan egiten zuen:

  • 4 pribatutasun-arduradun eta DPO: macOS (MacBook Pro)
  • 5 lege eta betetze analista: Windows (Surface Pro)
  • 3 datu-ingeniaria: Linux (Ubuntu lan-estazioak)

Aurreko PII tresna plataforma baterako desktop aplikazioa zen. Mac eta Linux erabiltzaileek saltzailearen web aplikazioan itzultzen zuten. Entitate-mota gutxiago zituen bertsio zaharragoa zen.

Betetze-hutsunea argia zen. Mac-eko DPOak 180 entitate-mota detektatzen zituen. Desktop aplikazioan lege-taldeak 267 detektatzen zituen. Linux-eko ingeniariek web aplikazioa 180-rekin parekatzen zuten. Hori 87 entitate-hutsune da DPOak prozesatutako dokumentuetan.

Plataforma arteko desktop aplikazio batera aldatu ostean:

  • Aplikazio bera 12 makina guztietan deploy eginda
  • NLP modelo eta detekzio-motor identikoak makina guztietan
  • "Pribatutasun Estandar" aurrezehaztapen bakarra kontu guztietan sinkronizatuta
  • Auditoria-pista bakarra 12 erabiltzaile guztietatik betetze-sisteman

DBAren auditoria sei hilabete geroago iritsi zen. Taldeak entitate-estaldura identikoa erakutsi zuen 12 kontu guztietan, OS-a kontuan hartu gabe. Aurkikuntza itxi zen.

Irakurri gehiago auditoria-pista eta dokumentazio eginbideei buruz.

Zer egiaztatu tresna aukeratu aurretik

OS anitzeko taldeko PII tresna ebaluatzen duzunean, galdetu galdera hauek:

Plataforma bertsio guztiek NLP modelo bera erabiltzen al dute? Mac eta Linux eraikinak atzean geratzen badira, koherentzia-arazoa duzu.

Konfigurazioa nola gordetzen eta partekatzen da? Erregistro-oinarritutako biltegiratzeak ezin du plataforma guztian sinkronizatu.

Eguneratze-zikloak berdinak al dira plataforma guztietarako? Sailkatutako argitalpenen zikloak bertsio-hutsuneak sortzen ditu.

Zein da ez-desktop erabiltzaileen itzulera? Web aplikazio zaharragoa bada, estaldura ez da berdina.

Galdera hauei ondo erantzuten dien tresna batek emaitza detekzio berdina ekoizten du sarrera berdina edozein OS-tan. Horrela ikusten da aplikazio sistematikoa.

Iturriak

Prest zure datuak babesteko?

Hasi PII anonimizatzen 285+ entitate mota 48 hizkuntzatan.

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.