By · Last updated 2026-03-25

بازگشت به وبلاگGDPR و انطباق

یک ابزار، ۴۵ کشور: بیش از ۲۶۰ نوع موجودیت

CPF برزیل دارای ارقام کنترلی است. PAN هند یک رشته ۱۰ کاراکتری الفبایی‌عددی است. IBANهای اتحادیه اروپا از کشوری به کشور دیگر متفاوتند. پلتفرم‌های تجارت الکترونیک جهانی نمی‌توانند از ابزارهای جداگانه‌ای استفاده کنند.

March 25, 20267 دقیقه مطالعه
global PII compliance260 entity typesBrazilian CPFIndian PANIBAN formats

یک ابزار، ۴۵ کشور: بیش از ۲۶۰ نوع موجودیت

پلتفرم‌های جهانی به‌طور همزمان داده‌های شخصی از کشورهای مختلف پردازش می‌کنند. هر کشور قالب‌های شناسایی خاص خود را دارد. هر قالب قواعد مخصوص به خود را دارد. یک ابزار تشخیص باید توانایی مدیریت همه آن‌ها را داشته باشد. اما اکثر ابزارها این توانایی را ندارند.

مشکل پراکندگی شناسه‌ها

یک مارکت‌پلیس با فروشندگان در ۴۵ کشور با اسناد ورودی بسیار متفاوتی روبرو می‌شود. یک فروشنده برزیلی یک CPF ارسال می‌کند که ۱۱ رقم دارد و دو رقم آن ارقام کنترلی هستند که با فرمول وزن‌دهی خاصی محاسبه می‌شوند. یک فروشنده هندی یک PAN ارسال می‌کند که ۱۰ کاراکتر دارد و حروف و اعداد در موقعیت‌های ثابتی قرار دارند. یک فروشنده آلمانی یک Steuer-ID با ۱۱ رقم و جمع‌باق Luhn ارسال می‌کند. یک فروشنده هلندی یک BSN با ۹ رقم که از اعتبارسنجی mod-11 استفاده می‌کند ارسال می‌کند.

هر قالب طول و ساختار متفاوتی دارد. یک عبارت منظم ساخته‌شده برای یک قالب با دیگران تطابق ندارد. یک الگوی گسترده «۱۰ تا ۱۲ رقم» موارد زیادی را به اشتباه شناسایی می‌کند و قیمت‌ها، تاریخ‌ها و شماره مرجع‌ها را هم علامت‌گذاری می‌کند. نتایج مثبت کاذب در مقیاس بزرگ به‌سرعت افزایش می‌یابند.

شکاف ۴۰ نوع شناسه‌ای

اکثر ابزارهای سازمانی برای شناسایی اطلاعات شخصی حدود ۴۰ نوع شناسه را پشتیبانی می‌کنند. موارد رایج عبارتند از:

  • شماره تأمین اجتماعی آمریکا
  • قالب گذرنامه آمریکا
  • گواهینامه رانندگی آمریکا
  • قالب‌های عمومی کارت اعتباری با اعتبارسنجی Luhn
  • آدرس‌های ایمیل
  • شماره تلفن در قالب NANP
  • آدرس‌های IP

این موارد تطابق انطباق آمریکای شمالی را به‌خوبی پوشش می‌دهند اما عملیات جهانی را پوشش نمی‌دهند.

تصویر شکاف بر اساس منطقه

آمریکای جنوبی: CPF و CNPJ برزیل از الگوریتم‌های جمع‌باق ارائه‌شده توسط مرجع مالیاتی برزیل استفاده می‌کنند. CUIT آرژانتین از فرمول جمع وزنی متفاوتی استفاده می‌کند. NIT کلمبیا روش اعتبارسنجی خاص خود را دارد. هیچکدام با الگوهای آمریکایی تطابق ندارند.

آسیا: PAN، Aadhaar، GSTIN و شناسه رأی‌دهنده هند هرکدام قالب مشخصی دارند. شماره ملی ژاپن (My Number) ۱۲ رقم دارد. شماره ثبت اقامت کره جنوبی و شناسه ملی چین هرکدام به تشخیص‌دهنده خاص خود نیاز دارند.

کشورهای عضو اتحادیه اروپا: پوشش کامل اتحادیه اروپا نیازمند قالب‌های IBAN برای همه ۲۷ کشور عضو است که هرکدام طول و قالب خاص کشور خود را دارند. همچنین به قالب شناسه ملی هر کشور نیاز است که شامل Steuer-ID آلمان، NIR فرانسه، BSN هلند، PESEL لهستان، Personnummer سوئد، EMŠO اسلوانی، OIB کرواسی، EGN بلغارستان و CNP رومانی می‌شود.

آنچه کتابخانه ۲۶۰+ نوع موجودیت پوشش می‌دهد

یک کتابخانه با بیش از ۲۶۰ نوع موجودیت، شناسه‌های ملی همه ۲۷ کشور عضو اتحادیه اروپا را پوشش می‌دهد. همه قالب‌های IBAN اروپایی را اعتبارسنجی می‌کند. شناسه‌های آمریکای جنوبی را پوشش می‌دهد: CPF و CNPJ برزیل، CUIT آرژانتین، NIT کلمبیا. شناسه‌های آسیایی را پوشش می‌دهد: PAN و Aadhaar و GSTIN هند، My Number ژاپن، RRN کره. شناسه‌های بریتانیا را پوشش می‌دهد: NI Number، NHS Number و انواع NINO. شناسه‌های پزشکی را پوشش می‌دهد: NPI آمریکا، شماره‌های DEA و قالب‌های MRN بیمارستانی. شناسه‌های مالی را پوشش می‌دهد: کدهای SWIFT، قالب‌های BIC و الگوهای شماره حساب.

چرا پوشش تشخیص یک سؤال انطباق است

هر چارچوب نظارتی مستلزم آن است که شناسه‌های مربوط به خود پیدا و محافظت شوند. GDPR داده‌های فروشندگان اروپایی را پوشش می‌دهد. LGPD داده‌های فروشندگان برزیلی را پوشش می‌دهد. قانون DPDP هند داده‌های فروشندگان هندی را پوشش می‌دهد.

«حفاظت مناسب» یعنی ابزار شناسه را پیدا کرده است. یک Aadhaar که شناسایی نشده یک شکست پیکربندی نیست؛ یک شکست پوشش است. برای پلتفرم‌های جهانی این شکاف تفاوت بین انطباق ناقص و حفاظت واقعی است.

یک استقرار واحد با پوشش بیش از ۲۶۰ نوع موجودیت همه این حوزه‌های قضایی را مدیریت می‌کند. بدون ابزارهای منطقه‌ای جداگانه، بدون خطوط پردازشی جداگانه، بدون غنی‌سازی دستی برای قالب‌هایی که ابزار ۴۰ تشخیص‌دهنده از دست می‌دهد.

برای جزئیات نحوه تطابق پوشش با تعهدات GDPR، به منابع انطباق GDPR مراجعه کنید. برای سیاست‌های مسیر حسابرسی و به‌روزرسانی، به جزئیات امنیت و انطباق مراجعه کنید.

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.