By · Last updated 2026-02-22

بازگشت به وبلاگفنی

استفاده از Claude و ChatGPT بدون افشای اطلاعات شخصی

راهنمای توسعه‌دهنده برای استفاده ایمن از دستیاران هوش مصنوعی. یکپارچه‌سازی MCP Server را برای محافظت شفاف از اطلاعات شخصی در Claude Desktop، Cursor و VS Code راه‌اندازی کنید.

February 22, 20267 دقیقه مطالعه
MCP ServerClaude DesktopCursor IDEsecure AIdeveloper tools

معضل توسعه‌دهنده

دارید یک مشکل production را اشکال‌زدایی می‌کنید. stack trace آدرس ایمیل مشتریان را دارد. سریع‌ترین راه‌حل؟ آن را در Claude paste کنید و کمک بخواهید.

اما آن داده اکنون:

  • در سیستم‌های Anthropic ذخیره شده است
  • ممکن است بسته به پلن شما برای آموزش مدل استفاده شود
  • برای هر کسی که به تاریخچه چت شما دسترسی دارد قابل مشاهده است

۷۷٪ از توسعه‌دهندگان داده‌های حساس را در ابزارهای هوش مصنوعی paste می‌کنند. اکثر تا بعد متوجه مشکل نمی‌شوند.

نحوه حل مشکل توسط پروکسی

پروتکل Model Context (MCP) اجازه می‌دهد یک سرور بین شما و هر ابزار هوش مصنوعی بنشیند. سرور MCP سایت anonym.legal از این موقعیت برای حذف اطلاعات شخصی قبل از رسیدن متن شما به هر مدلی استفاده می‌کند.

در چهار مرحله کار می‌کند:

  1. پرامپت را به صورت معمول تایپ می‌کنید
  2. پروکسی قبل از ارسال آن را می‌گیرد
  3. اطلاعات شخصی پیدا شده و با توکن‌های برگشت‌پذیر جایگزین می‌شود
  4. هوش مصنوعی فقط متن تمیز و ناشناس می‌بیند

پاسخ هوش مصنوعی با مقادیر واقعی بازمی‌گردد. روند کاری شما تغییر نمی‌کند.

راه‌اندازی یکپارچه‌سازی

آنچه نیاز دارید

مرحله ۱: کلید API خود را دریافت کنید

  1. در anonym.legal/auth/signup ثبت‌نام کنید
  2. به Settings → API Tokens بروید
  3. یک توکن جدید بسازید
  4. آن را کپی کنید — فقط یک‌بار می‌بینید

مرحله ۲: Claude Desktop را پیکربندی کنید

فایل پیکربندی سیستم‌عامل خود را ویرایش کنید:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

سرور anonym.legal را اضافه کنید:

{
  "mcpServers": {
    "anonym-legal": {
      "command": "npx",
      "args": ["-y", "@anonym-legal/mcp-server"],
      "env": {
        "ANONYM_API_KEY": "your-api-key-here"
      }
    }
  }
}

مرحله ۳: Claude Desktop را مجدداً راه‌اندازی کنید

برنامه را ببندید و دوباره باز کنید. «anonym-legal» را در لیست سرورهای فعال خواهید دید.

راه‌اندازی Cursor IDE

Cursor از همان پروتکل استفاده می‌کند. این را به .cursor/mcp.json اضافه کنید:

{
  "mcpServers": {
    "anonym-legal": {
      "url": "https://anonym.legal/mcp",
      "transport": "sse",
      "headers": {
        "Authorization": "Bearer your-api-key-here"
      }
    }
  }
}

چه چیزی ناشناس می‌شود

سرور بیش از ۲۸۵ نوع موجودیت را در ۴۸ زبان شناسایی می‌کند:

دستهمثال‌ها
شخصینام‌ها، ایمیل‌ها، شماره‌های تلفن، تاریخ تولد
مالیکارت‌های اعتباری، حساب‌های بانکی، IBAN
دولتیSSN، شماره پاسپورت، گواهینامه رانندگی
فنیآدرس‌های IP، کلیدهای API، توکن‌ها
بهداشتیشناسه‌های بیمار، شماره‌های بیمه
سازمانیشناسه‌های کارمند، شماره‌های حساب

مثال تبدیل

پرامپت شما:

این خطا را از کاربر john.smith@acme.com اشکال‌زدایی کن:
پرداخت برای کارت 4532-1234-5678-9012 ناموفق بود
شناسه مشتری: CUST-12345، IP: 192.168.1.100

آنچه مدل می‌بیند:

این خطا را از کاربر [EMAIL_1] اشکال‌زدایی کن:
پرداخت برای کارت [CREDIT_CARD_1] ناموفق بود
شناسه مشتری: [CUSTOMER_ID_1]، IP: [IP_ADDRESS_1]

پاسخی که می‌بینید:

خطا برای john.smith@acme.com نشان می‌دهد کارت
4532-1234-5678-9012 ممکن است موجودی کافی نداشته باشد...

مقادیر واقعی را می‌بینید. مدل فقط توکن‌ها دیده است.

گزینه‌های پیشرفته

الگوهای سفارشی — regex خود را به متغیر env CUSTOM_PATTERNS اضافه کنید:

"CUSTOM_PATTERNS": "JIRA-[0-9]+,TICKET-[A-Z0-9]+"

Allowlist — از ماسک شدن نام‌های عمومی جلوگیری کنید:

"ALLOWLIST": "Anthropic,Claude,anonym.legal"

غیرفعال کردن انواع موجودیت — اجازه دهید دسته‌های خاصی عبور کنند:

"DISABLED_ENTITIES": "PHONE_NUMBER,URL"

کجا پردازش انجام می‌شود

مؤلفهمکان
سرور MCPماشین شما
تشخیص اطلاعات شخصیسرورهای anonym.legal (آلمان)
مدل هوش مصنوعیسرورهای Anthropic / OpenAI

پروکسی روی ماشین شما اجرا می‌شود. فقط تماس تشخیص به anonym.legal می‌رود. پرامپت‌های شما ذخیره نمی‌شوند. برای جزئیات به سیاست حریم خصوصی مراجعه کنید.

قیمت‌گذاری

یکپارچه‌سازی در همه پلن‌ها گنجانده شده است:

پلنتوکن در ماهقیمت
رایگان۲۰۰€۰
پایه۲٬۰۰۰€۳ در ماه
Pro۱۰٬۰۰۰€۱۵ در ماه
Business۵۰٬۰۰۰€۲۹ در ماه

اکثر توسعه‌دهندگان با پلن پایه به €۳ در ماه می‌مانند.

نتیجه‌گیری

ابزارهای هوش مصنوعی اکنون بخشی از کار توسعه روزانه هستند. برای مفید بودن نیازی به دیدن داده مشتریان شما ندارند. پروکسی این کار را برای شما انجام می‌دهد.

این یکپارچه‌سازی:

  • نیازی به تغییر روند کاری ندارد
  • با Claude Desktop، Cursor و VS Code کار می‌کند
  • اطلاعات شخصی را در هر پرامپت، هر بار حفاظت می‌کند
  • برای اکثر توسعه‌دهندگان €۳ در ماه هزینه دارد

یک‌بار راه‌اندازی کنید. داده‌های شما به طور پیش‌فرض ایمن می‌ماند.


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.