بازگشت به وبلاگفناوری حقوقی

COPPA آوریل ۲۰۲۶: آنچه پلتفرم‌های EdTech باید قبل از مهلت انجام دهند

قانون به‌روزشده COPPA از ۲۲ آوریل ۲۰۲۶ اجرایی می‌شود. Reddit برای شکست در حفاظت از داده‌های کودکان ۱۴.۴۷ میلیون پوند جریمه شد. پلتفرم‌های EdTech با همین خطر روبرو هستند.

March 16, 20266 دقیقه مطالعه
COPPAFERPAchildren data privacyEdTech compliancestudent data2026 deadline

مهلت ۲۲ آوریل

به‌روزشده برای ۲۰۲۶

FTC قوانین COPPA را به‌روز کرد. قانون جدید از ۲۲ آوریل ۲۰۲۶ اجرایی می‌شود. این اولین تغییر اساسی از سال ۲۰۱۳ است. پلتفرم‌های EdTech که به کودکان زیر ۱۳ سال خدمات می‌دهند باید همین الان اقدام کنند. هفته‌ها مانده، نه ماه‌ها.

تغییرات عمیق هستند. پلتفرم‌هایی که بر اساس قوانین ۲۰۱۳ ساخته شده‌اند باید سیستم‌های اصلی را حسابرسی و به‌روز کنند. اصلاحات کوچک کافی نخواهند بود.

جریمه Reddit: یک هشدار روشن

در مارس ۲۰۲۶، ICO انگلستان Reddit را ۱۴.۴۷ میلیون پوند جریمه کرد. چرا؟ Reddit در دور نگه داشتن کودکان از محتوای مضر شکست خورد. بررسی‌های سنی ضعیف بودند. جوانان از آن عبور کردند.

آن جریمه زیر UK GDPR بود، نه COPPA. اما شکست از همان نوع است. COPPA 2026 پلتفرم‌هایی را هدف قرار می‌دهد که می‌دانند جوانان حضور دارند اما از آن‌ها محافظت نمی‌کنند.

EdTech در موقعیت سخت‌تری است. این پلتفرم‌ها می‌دانند کاربرانشان چه کسانی هستند. به مدارس می‌فروشند. برای والدین بازاریابی می‌کنند. آدرس‌های ایمیل دانش‌آموزان را می‌بینند. دفاع «نمی‌دانستیم» در دسترس نیست.

تغییرات COPPA 2026

FTC پنج قانون کلیدی برای پلتفرم‌های EdTech اضافه کرد.

۱. حداقل‌سازی اکنون الزامی است

فقط آنچه سرویس واقعاً نیاز دارد را جمع‌آوری کنید. قانون ۲۰۱۳ به پلتفرم‌ها اجازه می‌داد با رضایت والدین مقدار زیادی جمع‌آوری کنند. قانون ۲۰۲۶ جمع‌آوری اضافی را حتی با رضایت ممنوع می‌کند. شناسه‌های دستگاه، سیگنال‌های ردیابی، و اطلاعات مکان که برای سرویس ضروری نیستند باید همین الان متوقف شوند.

۲. بدون تبلیغات هدفمند برای جوانان

پلتفرم‌های EdTech نمی‌توانند از رکوردهای کودکان برای تبلیغات رفتاری استفاده کنند. رضایت این را تغییر نمی‌دهد. برخی پلتفرم‌ها از رضایت کلی برای توجیه استفاده گسترده از داده استفاده می‌کردند. این شکاف حالا بسته شده است.

۳. رضایت جداگانه برای ویژگی‌های هوش مصنوعی

هر ویژگی هوش مصنوعی که از ورودی کودکان استفاده می‌کند به فرم رضایت خاص خود نیاز دارد. معلمان خصوصی هوش مصنوعی، ابزارهای نوشتن، و موتورهای تطبیقی همگی مشمول می‌شوند. رضایت برای سرویس اصلی افزونه‌های هوش مصنوعی را پوشش نمی‌دهد.

۴. قوانین حذف با دندان واقعی

رکوردهای کودکان را وقتی دیگر نیاز ندارید حذف کنید. پلتفرم‌هایی که حذف خودکار را بر اساس یک برنامه زمان‌بندی اجرا می‌کنند در اقدامات FTC مسئولیت کمتری دارند. این یک بندر امن واقعی است — از آن استفاده کنید.

۵. استاندارد بالاتر ناشناس‌سازی

حذف یک نام کافی نیست. پلتفرم‌ها باید نشان دهند که شناسایی مجدد به طور معقول ممکن نیست. برای تحلیل‌های تجمیعی، این یعنی k-anonymity یا حریم خصوصی تفاضلی.

FERPA و COPPA: هر دو اعمال می‌شوند

برای پلتفرم‌های K-12 که با مدارس کار می‌کنند، FERPA در کنار COPPA اجرا می‌شود. مهم‌ترین نکات:

  • FERPA به مدارس اجازه می‌دهد رکوردهای دانش‌آموزان را با فروشندگان به اشتراک بگذارند — اما فقط برای خدمات قراردادی
  • COPPA هنوز برای کودکان زیر ۱۳ سال اعمال می‌شود، حتی وقتی FERPA به اشتراک‌گذاری اجازه می‌دهد
  • رضایت مدرسه زیر FERPA جایگزین رضایت والدین COPPA نمی‌شود

انطباق FERPA انطباق COPPA نیست. هر دو باید به طور جداگانه رعایت شوند.

قبل از ۲۲ آوریل چه کار کنیم

قبل از مهلت، این چک‌لیست را بررسی کنید.

موجودی

  • همه رکوردهای جمع‌آوری‌شده از کاربران زیر ۱۳ سال را فهرست کنید
  • هر ابزار شخص ثالثی که رکوردهای کودکان را دریافت می‌کند — تحلیل، CRM، نظارت — پیدا کنید
  • رضایت برای هر نوع جمع‌آوری را بررسی کنید

ناشناس‌سازی

  • تشخیص PII را به محتوای دانش‌آموزان قبل از لاگ‌گذاری اضافه کنید
  • نام‌ها، آدرس‌های ایمیل، و شناسه‌های دانش‌آموزان را از رویدادهای تحلیل پاک کنید
  • گزارش‌های تجمیعی استفاده‌شده برای کار محصول را ناشناس کنید
  • مجموعه‌های آموزشی هوش مصنوعی که شامل ورودی دانش‌آموزان است را پاک‌سازی کنید

رضایت

  • جریان‌های رضایت جداگانه برای هر ویژگی هوش مصنوعی بسازید
  • رضایت را با timestamps ثبت کنید
  • یک جریان انصراف اضافه کنید که حذف را بلافاصله آغاز کند

نگهداری

  • یک دوره نگهداری برای هر نوع رکورد تعیین کنید
  • حذف را وقتی دوره‌ها به پایان می‌رسند خودکار کنید
  • سیستم‌های پشتیبان را برای شکاف بررسی کنید

فروشندگان

  • قراردادها با همه پردازنده‌های فرعی را بازبینی کنید
  • تأیید کنید که فروشندگان تحلیل از رکوردهای کودکان برای تبلیغات استفاده نمی‌کنند
  • قراردادها را برای مطابقت با استاندارد ناشناس‌سازی ۲۰۲۶ به‌روز کنید

چگونه ناشناس‌سازی کمک می‌کند

قانون جدید ناشناس‌سازی فنی‌ترین بخش COPPA 2026 است. حذف نام تنها استاندارد را برآورده نمی‌کند. به سیستمی نیاز دارید که تمام اطلاعات شخصی را در همه جریان‌های داده پیدا و حذف کند.

anonym.legal بیش از ۲۸۵ نوع موجودیت را در ۴۸ زبان شناسایی می‌کند. بسیاری از پلتفرم‌های EdTech به دانش‌آموزانی خدمت می‌دهند که زبان‌های متعددی صحبت می‌کنند. اطلاعات شخصی دانش‌آموزان به اسپانیایی، ماندارین، عربی، و ده‌ها زبان دیگر ظاهر می‌شود — نه فقط انگلیسی. پوشش زبانی گسترده اینجا یک امتیاز نیست. یک نیاز انطباقی است.

پلتفرم همچنین موارد استثنایی که بازبینی دستی را از دست می‌دهد را می‌گیرد. شماره‌های تلفن، الگوهای شناسه دانش‌آموز، و شناسه‌های غیرمستقیم در محتوای دانش‌آموزی رایج هستند. تشخیص خودکار این‌ها را در مقیاس پیدا می‌کند. بازبینی دستی نمی‌کند.

ویژگی پردازش دسته‌ای به تیم‌ها اجازه می‌دهد پایگاه‌های داده موجود را از طریق ابزار اجرا کنند. این محتوای قدیمی دانش‌آموزانی که اکنون باید استاندارد بالاتر را رعایت کند پوشش می‌دهد. ناشناس‌سازی پس‌گرا بخشی از تصویر انطباق زیر قانون ۲۰۲۶ است.

برای نحوه مدیریت ما با رکوردهای حساس، مرور امنیت و انطباق را ببینید. صفحه انطباق قانونی هر دو FERPA و COPPA را به تفصیل پوشش می‌دهد.

هزینه عدم اقدام

جریمه‌های COPPA تا ۵۱,۷۴۴ دلار برای هر تخلف در روز می‌رسد. برای یک پلتفرم با ۱۰۰,۰۰۰ حساب دانش‌آموزی، یک شکاف سیستماتیک در ناشناس‌سازی می‌تواند به معنای ده‌ها میلیون دلار جریمه باشد.

جریمه Reddit ۱۴.۴۷ میلیون پوند بود. Reddit میلیاردها درآمد دارد. برای یک پلتفرم EdTech متوسط، جریمه‌ای در این مقیاس به پایان شرکت منجر می‌شد.

۲۲ آوریل نزدیک است. کار قابل انجام است اگر همین الان شروع شود. ناظران روشن کرده‌اند که قانون جدید را اجرا خواهند کرد. انتظار یک استراتژی نیست.

امروز شروع به ناشناس‌سازی رکوردهای دانش‌آموزان کنید →


منابع

  • به‌روزرسانی قانون COPPA توسط FTC، Federal Register، ۲۰۲۵ (اجرایی از ۲۲ آوریل ۲۰۲۶)
  • اطلاعیه اجرایی ICO در مورد Reddit، مارس ۲۰۲۶ — جریمه ۱۴.۴۷ میلیون پوند
  • FERPA، ۲۰ U.S.C. § 1232g، و مقررات اجرایی 34 CFR بخش ۹۹
  • سوالات متداول COPPA توسط FTC: ویژگی‌های مبتنی بر هوش مصنوعی و رضایت والدین، ۲۰۲۶

آماده‌اید داده‌های خود را محافظت کنید؟

شروع به ناشناس‌سازی PII با بیش از ۲۸۵ نوع نهاد در ۴۸ زبان.

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.