By · Last updated 2026-05-08

بازگشت به وبلاگGDPR و انطباق

ناشناس‌سازی در مقابل سودونیم‌سازی: ۲۰ میلیون یورو در خطر

GDPR با داده‌های ناشناس‌سازی‌شده و سودونیم‌سازی‌شده به‌طور اساساً متفاوت رفتار می‌کند. ناشناس‌سازی واقعی دامنه GDPR را کاملاً حذف می‌کند. سودونیم‌سازی دامنه GDPR را حفظ می‌کند.

May 8, 20268 دقیقه مطالعه
GDPR anonymization pseudonymizationArticle 4 recital 26personal data scope20 million EUR fineanonymization compliance determination

ناشناس‌سازی در مقابل سودونیم‌سازی: ۲۰ میلیون یورو در خطر

ماده ۸۳ حداکثر جریمه را ۲۰ میلیون یورو یا ۴٪ از درآمد سالانه جهانی تعیین می‌کند. یک سوال حقوقی این خطر را تعیین می‌کند: آیا قانون برای مجموعه داده شما اعمال می‌شود؟

ناشناس‌سازی دامنه را حذف می‌کند. سودونیم‌سازی نه. این شکاف بزرگ است.

دو تعریف به زبان ساده

بند ۲۶ معیار ناشناس‌سازی را تعیین می‌کند. یک فرد باید «قابل شناسایی نباشد یا دیگر قابل شناسایی نباشد.» آزمون گسترده است. هر ابزاری که «به‌طور معقول احتمال استفاده از آن وجود داشته باشد» را پوشش می‌دهد. این شامل کنترل‌کننده می‌شود. همچنین هر پردازنده و هر طرف سومی را در بر می‌گیرد.

ماده ۴(۵) سودونیم‌سازی را تعریف می‌کند. وقتی یک کلید می‌تواند آن‌ها را معکوس کند، سوابق سودونیم‌سازی‌شده هستند. کلید را بردارید، هنوز داده دارید. آن داده اضافی باید جداگانه نگهداری شود. این ناشناس‌سازی نیست.

سوابق سودونیم‌سازی‌شده همچنان سوابق شخصی هستند. قانون به‌طور کامل اعمال می‌شود. هیچ استثنای دامنه‌ای وجود ندارد. نقطه.

هزینه یک برچسب اشتباه

رفتار با یک مجموعه داده سودونیم‌سازی‌شده به‌عنوان ناشناس، پنج مشکل همزمان ایجاد می‌کند:

  • ورودی‌های اشتباه ROPA تحت ماده ۳۰
  • هیچ فرآیند حقوق موضوع داده برای دسترسی، پاک کردن یا قابلیت حمل وجود ندارد
  • هیچ برنامه نگهداری — هیچ محرک حذفی وجود ندارد
  • هیچ تضمین انتقال برای کار بین‌المللی وجود ندارد
  • هیچ مسیر پاک‌سازی برای درخواست‌های حق پاک‌سازی وجود ندارد

هر شکاف نقض جداگانه‌ای است. هر پنج مورد می‌توانند در یک خط لوله باشند.

سیگنال اجرایی ۲۰۲۵

در سال ۲۰۲۵، EDPB یک تمرین اجرای مشترک انجام داد. گزارش یک شکست مکرر را نام برد: «تکنیک‌های ناشناس‌سازی ناکارآمد استفاده‌شده به‌عنوان جایگزینی برای حذف.» مراجع حفاظت داده اکنون کیفیت ناشناس‌سازی را حسابرسی می‌کنند. آن‌ها بیش از اینکه فقط یک مرحله وجود داشته باشد بررسی می‌کنند. مرحله باید کار کند.

یک مجموعه داده توکن‌شده با جدول جستجو، سودونیم‌سازی‌شده است. ناشناس نیست. یک کلید دارد. کلید می‌تواند آن را معکوس کند. نامیدن آن ناشناس دقیقاً همان شکستی است که گزارش ۲۰۲۵ هدف قرار می‌دهد.

انتخاب روش مناسب

ناشناس‌سازی واقعی — خارج از دامنه. از ویرایش استفاده کنید. PII از بین می‌رود بدون هیچ پیوند بازگشتی. همچنین می‌توانید مقادیر با آنتروپی بالا را با هیچ مسیر preimage هش کنید. مبنا را مستند کنید. هیچ وظیفه قانونی به خروجی متصل نیست.

سودونیم‌سازی — درون دامنه. از جایگزین، پوشش یا رمزگذاری استفاده کنید. قانون به‌طور کامل اعمال می‌شود. سودونیم‌سازی آسیب ناشی از نقض را کاهش می‌دهد. وظایف قانونی را کاهش نمی‌دهد.

قابلیت بازگشت کنترل‌شده — تحقیق یا حسابرسی. از رمزگذاری با کلیدهای نگهداری‌شده توسط مشتری استفاده کنید. حضانت کلید باید قوانین جداسازی کلید EDPB 05/2022 را رعایت کند. دامنه را در DPIA یادداشت کنید.

یک مورد استفاده واقعی

یک شرکت سوابق مشتری «ناشناس‌سازی‌شده» را به محققان می‌فروشد. آن‌ها روش ویرایش را اعمال می‌کنند. PII از بین رفته. هیچ جدول توکن. هیچ preimage هش. شناسایی مجدد هیچ مسیری ندارد.

مسئول حفاظت از داده این را در DPIA می‌نویسد. روش استفاده‌شده. انواع شناسه. چرا نمی‌تواند معکوس شود. سطح خطر باقی‌مانده. خروجی خارج از دامنه قرار می‌گیرد. حقوق موضوع داده و قوانین انتقال برای نسخه‌های تحقیقاتی اعمال نمی‌شوند.

روش با ادعا مطابقت دارد. این فرآیند صحیح است. در حسابرسی ثابت می‌ماند.

چرا سابقه مهم است

یک شرکت نمی‌تواند فقط ادعای ناشناس‌سازی کند. ادعا باید سابقه داشته باشد. DPIA باید چهار چیز نشان دهد. کدام شناسه‌ها پوشش داده شدند. کدام روش استفاده شد. چرا شناسایی مجدد هیچ مسیری ندارد. سطح خطر باقی‌مانده چیست.

بدون آن سابقه، یک حسابرسی مجموعه داده را در دامنه می‌داند. مجموعه کامل وظایف اعمال می‌شود. ورودی ROPA باید وجود داشته باشد. تضمین‌های انتقال باید وجود داشته باشند. مسیر پاک‌سازی باید وجود داشته باشد. هیچ وظیفه‌ای بدون اثبات از بین نمی‌رود.

منابع

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.