By · Last updated 2026-05-02

بازگشت به وبلاگGDPR و انطباق

انطباق جهانی PII: GDPR، LGPD و DPDP

CPF برزیل، Aadhaar هند و SSN آمریکا فرمت‌ها و منطق اعتبارسنجی اساساً متفاوتی دارند. LGPD و قانون DPDP هند CPF و Aadhaar را به دامنه محافظت اضافه می‌کنند.

May 2, 20268 دقیقه مطالعه
global PII complianceBrazilian CPF detectionIndian Aadhaar DPDPLGPD compliancemulti-regulatory PII

انطباق جهانی PII: سه قانون، سه فرمت شناسه

یک بازار آنلاین بریتانیایی اسناد فروشنده از ۸۰ کشور را مدیریت می‌کند. سه قانون همزمان اعمال می‌شوند: GDPR برای فروشندگان اتحادیه اروپا، LGPD برای فروشندگان برزیلی و قانون DPDP هند برای فروشندگان هندی. هر قانون شناسه‌های ملی متفاوتی را به‌عنوان محافظت‌شده نام‌گذاری می‌کند. هر فرمت منطق کنترل خود را دارد.

CPF برزیل: فرمت و وضعیت LGPD

CPF (Cadastro de Pessoas Físicas) شماره مالیات‌دهنده برزیل است. دارای ۱۱ رقم در فرمت XXX.XXX.XXX-XX است. دو رقم آخر ارقام کنترل هستند. یک الگوریتم ریاضی روی نه رقم اول آن‌ها را تولید می‌کند.

LGPD برزیل CPF را به‌عنوان یک شناسه شخصی محافظت‌شده در نظر می‌گیرد، مشابه با حساسیت SSN آمریکایی. ابزاری که فرمت CPF را نمی‌شناسد نمی‌تواند آن را پیدا کند. ابزاری که چکسام را نادیده می‌گیرد تطابق‌های کاذب را علامت‌گذاری می‌کند.

Aadhaar هند: فرمت و قوانین DPDP

Aadhaar یک شماره ۱۲ رقمی است که توسط UIDAI هند صادر می‌شود. اعداد به‌صورت تصادفی اختصاص می‌یابند. رقم آخر یک رقم کنترل Verhoeff است.

قانون DPDP هند وظایفی را برای هر گروهی که داده‌های مرتبط با Aadhaar را مدیریت می‌کند ایجاد می‌کند. تشخیص به دو مرحله نیاز دارد. اول، فرمت ۱۲ رقمی را مطابقت دهید و رقم Verhoeff را بررسی کنید. دوم، با زمینه فیلتر کنید. هر رشته ۱۲ رقمی Aadhaar نیست.

SSN آمریکا: یک ساختار شناخته‌شده

SSN نه رقم است. سه رقم اول عدد منطقه هستند. دو رقم بعدی عدد گروه هستند. چهار رقم آخر عدد سریال هستند. هر بخش قوانین مشخصی دارد. اعتبارسنجی به‌خوبی مستند شده است.

شکاف بین ابزارهای تک‌کشوری و قوانین جهانی

این سه شناسه هیچ فرمت مشترک و هیچ قانون کنترل مشترکی ندارند. ابزاری که برای استفاده آمریکایی ساخته شده SSN را تشخیص می‌دهد. ممکن است CPF و Aadhaar را کاملاً از دست بدهد.

اکثر تیم‌ها این شکاف را وقتی یک ناظر می‌پرسد متوجه می‌شوند — نه قبل از آن. شکاف خطر واقعی تحت هر قانون ایجاد می‌کند:

  • ماده ۲۸ GDPR به یک توافقنامه پردازش داده مکتوب با هر پردازشگر نیاز دارد. یک DPIA که «تشخیص SSN» را به‌عنوان کنترل اصلی فهرست می‌کند — وقتی مجموعه داده CPF هم دارد — یک شکاف مستند دارد. حسابرس می‌تواند آن را پیدا کند.
  • LGPD می‌تواند تا ۲٪ از درآمد برزیلی، حداکثر R$50M به ازای هر نقض جریمه کند. یک CPF که کشف نشده می‌ماند نقض مستقیم LGPD است.
  • اجرای DPDP هنوز جدید است. تیم‌هایی که پوشش خود را اکنون ثبت می‌کنند وقتی اولین احکام استاندارد را تعیین کنند در موقعیت بهتری خواهند بود.

سه رژیم جریمه همزمان خطر لایه‌لایه ایجاد می‌کنند. ابزارهای تک‌کشوری تیم‌های جهانی را در معرض خطر می‌گذارند.

آنچه پوشش کامل نیاز دارد

یک ابزار به فرمت، الگوریتم کنترل و زمینه قانونی هر شناسه نیاز دارد. CPF به یک چکسام مدولار نیاز دارد. Aadhaar به کنترل Verhoeff به‌علاوه فیلترینگ زمینه نیاز دارد. SSN به قوانین منطقه و گروه نیاز دارد. اینها سه مشکل جداگانه هستند. هیچ الگوی جستجوی واحدی همه آن‌ها را پوشش نمی‌دهد.

همچنین ببینید: شکاف شناسه جهانی PII: SSN، CPF، Aadhaar، راهنمای اجرای LGPD ANPD برزیل و انطباق فنی قانون حریم خصوصی DPDPA هند.

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.