By · Last updated 2026-06-05

بازگشت به وبلاگGDPR و انطباق

IMY سوئد: GDPR نوردیک و ناشناس‌سازی

IMY سوئد جامع‌ترین راهنمای ناشناس‌سازی اتحادیه اروپا را منتشر کرد که توسط ۱۲ DPA دیگر ذکر شده است. ۷۹٪ از شهروندان سوئدی سالانه از حقوق GDPR استفاده می‌کنند.

June 5, 20268 دقیقه مطالعه
Sweden IMYGDPR anonymizationpersonnummer detectionNordic complianceEU data protection

IMY سوئد: ناشناس‌سازی GDPR و استاندارد نوردیک

Integritetsskyddsmyndigheten (IMY) سوئد GDPR را اجرا می‌کند. همچنین استانداردهای فنی تعیین می‌کند. راهنمای ناشناس‌سازی ۲۰۲۳ آن جزئی‌ترین سند DPA در این موضوع در اتحادیه اروپا است. دوازده DPA دیگر اتحادیه اروپا آن را به عنوان مرجع کلیدی ذکر می‌کنند. IMY در سال ۲۰۲۴ تعداد ۲۸ تصمیم اجرایی صادر کرد که مجموعاً ۸.۵ میلیون یورو بود.

چارچوب ناشناس‌سازی IMY

راهنمای IMY یک قانون اصلی بیان می‌کند: ناشناس‌سازی یک آزمون فنی است. سیاست‌ها و قراردادها به تنهایی سوابق را ناشناس نمی‌کنند. IMY از چهار آزمون برای قضاوت درباره اینکه آیا سوابق واقعاً ناشناس هستند استفاده می‌کند.

k-ناشناسی: هر فرد باید روی همه فیلدهای کلیدی با حداقل k-1 نفر دیگر یکسان به نظر برسد. IMY k≥5 را برای سوابق پژوهشی تعیین می‌کند.

l-تنوع: در هر گروه، فیلدهای حساس باید حداقل l مقدار متمایز داشته باشند. این حملات استنتاج را حتی زمانی که k-ناشناسی برقرار است مسدود می‌کند.

حریم خصوصی دیفرانسیلی: نویز به نتایج جستجو اضافه می‌شود. حضور هیچ فردی از خروجی قابل تشخیص نیست.

شبه‌ناشناس‌سازی در مقابل ناشناس‌سازی: شبه‌ناشناس‌سازی شناسه‌ها را با کدها جایگزین می‌کند اما یک کلید بازیابی نگه می‌دارد. تحت نظارت GDPR باقی می‌ماند. فقط سوابقی که از این چهار آزمون می‌گذرند واقعاً ناشناس هستند.

راهنمای ناشناس‌سازی داده آموزشی ML منطبق با GDPR ما را ببینید که چگونه این آزمون‌ها در کار هوش مصنوعی اعمال می‌شوند.

نرخ اعمال حقوق سوئدی

۷۹٪ از بزرگسالان سوئدی هر سال از حقوق GDPR خود استفاده می‌کنند. این بالاترین نرخ در اتحادیه اروپا است. در اکثر کشورهای اتحادیه اروپا، درخواست‌های حقوق از شکایت‌ها می‌آیند. در سوئد، بخشی عادی از زندگی روزمره هستند.

شرکت‌هایی با کاربران سوئدی باید درخواست‌های دسترسی بسیاری را مدیریت کنند. هر یک باید ظرف یک ماه پاسخ داده شود. پاسخ‌های دیرهنگام منجر به پیگیری IMY می‌شود. سوابق شخصی فعلی در همه سیستم‌ها لازم است.

پرسوننومر: چالش شناسه سوئدی

پرسوننومر سوئدی در تقریباً هر سند رسمی سوئدی وجود دارد. فرمت ۱۰ یا ۱۲ رقمی (YYMMDD-XXXX) است. بررسی IMY نشان داد که ۴۵٪ از ابزارهای NLP عمومی در شناسایی پرسوننومر شکست می‌خورند.

تنوع فرمت: این شماره ممکن است با یا بدون خط تیره ظاهر شود. می‌تواند ۱۰ یا ۱۲ رقم باشد. ابزارهایی که برای یک فرمت ساخته شده‌اند دیگری را از دست می‌دهند.

بررسی Luhn: بدون بررسی Luhn، ابزارها هر رشته ۱۰ رقمی را به عنوان مثبت کاذب علامت می‌زنند. همچنین اعداد با فرمت‌های غیرمعمول را از دست می‌دهند.

سامووردنینگسنومر: این شماره برای ساکنان خارجی در سوئد استفاده می‌شود. از همان الگو پیروی می‌کند اما ۶۰ را به ارقام روز تولد اضافه می‌کند (۶۱ تا ۹۱ به جای ۰۱ تا ۳۱). ابزارهایی که فقط پرسوننومر استاندارد را شناسایی می‌کنند سامووردنینگسنومر را از دست می‌دهند. این شکاف برای شرکت‌هایی با کارکنان یا مشتریان غیر سوئدی مهم است.

موضع IMY درباره آموزش هوش مصنوعی

IMY در سال ۲۰۲۴ راهنماهایی درباره سوابق شخصی در آموزش هوش مصنوعی منتشر کرد. سه نقطه برای شرکت‌هایی با کاربران سوئدی مهم است.

اول، «آموزش هوش مصنوعی» به تنهایی یک هدف معتبر GDPR نیست. باید به یک هدف نهایی روشن و مشخص مرتبط باشد.

دوم، سوابق شبه‌ناشناس استفاده‌شده برای آموزش هوش مصنوعی تحت نظارت GDPR باقی می‌مانند. فقط سوابقی که از آزمون‌های IMY می‌گذرند می‌توانند بدون مبنای قانونی استفاده شوند.

سوم، شرکت‌هایی که مدل‌های هوش مصنوعی را روی سوابق سوئدی تنظیم دقیق می‌کنند باید ناشناس‌سازی واقعی را اثبات کنند. یا باید یک مبنای قانونی روشن مستند کنند.

راهنمای ناشناس‌سازی داده آموزشی قانون هوش مصنوعی اتحادیه اروپا ما را ببینید که چگونه نهادهای اتحادیه اروپا آموزش هوش مصنوعی را در سراسر بلوک مدیریت می‌کنند.

هزینه انطباق سوئدی

انطباق GDPR سازمانی در سوئد به طور متوسط ۸۵,۰۰۰ یورو در سال هزینه دارد. کار حقوق دسترسی و ممیزی‌های ناشناس‌سازی این هزینه را هدایت می‌کنند. خودکارسازی شناسایی اطلاعات شخصی برای استانداردهای IMY آن را کاهش می‌دهد. بررسی‌های دستی نمی‌توانند با نرخ اعمال حقوق سوئد همگام شوند.

چارچوب IMY در سراسر اتحادیه اروپا ذکر می‌شود. رعایت استانداردهای آن شرکت‌ها را در موقعیت قوی‌تری برای بررسی گسترده‌تر اتحادیه اروپا قرار می‌دهد.

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.