بینشهای حریم خصوصی دادهها
مقالات کارشناسی در مورد امنیت هوش مصنوعی، انطباق با GDPR، حفاظت از دادههای بهداشتی و بهترین شیوههای ناشناسسازی PII.
تمام مقالات
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.
شناسههای داخلی کارکنان نیز داده شخصی هستند
هر سازمان بزرگ دارای شناسههای داخلی اختصاصی است که سوابق ناشناس را به افراد واقعی مرتبط میکند. ۳۴٪ از جریمههای GDPR شامل اقدامات فنی ناکافی میشوند.
تشخیص MRN سفارشی بدون کد برای HIPAA
شماره پرونده پزشکی به هر بیمارستان بستگی دارد — هر سیستم بهداشتی فرمت متفاوتی دارد. HIPAA Safe Harbor حذف MRN را الزامی میکند.
شکاف شناسههای اتحادیه اروپا: Steuer-ID، NIR، Personnummer
ابزارهای عمومی شناسایی دادههای شخصی بر اساس شناسههای آمریکایی ساخته شدهاند. Steuer-ID آلمان، NIR فرانسه، Personnummer سوئد و Fødselsnummer نروژ کاملاً از قلم میافتند.
۱۸ شناسه HIPAA که ابزار شما از دست میدهد
HIPAA 18 شناسه PHI را فهرست میکند. اکثر ابزارهای ناشناسسازی شاید ۶ تا از آنها را تشخیص میدهند. شمارههای پرونده پزشکی بر اساس هر مؤسسه متفاوت هستند و هیچ فرمت استاندارد آمریکایی ندارند.
اطلاعات شخصی جهانی: SSN، CPF، Aadhaar و بیشتر
GDPR برای Steuer-IDهای آلمانی، NIRهای فرانسوی، Personnummerهای سوئدی، و بیش از ۲۶۰ نوع شناسه دیگر که اکثر ابزارها هرگز از آنها نشنیدهاند اعمال میشود.
رمزنگاری برگشتپذیر برای تماس مجدد با بیماران
شما نمیتوانید با Patient_001 برای یک ویزیت پیگیری تماس بگیرید. IRBها اکنون پروتکلهای شناسایی مجدد مستند را الزامی میکنند — ثابت میکنند که میتوانید تحت.
نگاشت توکن برای جریانهای کاری هوش مصنوعی GDPR
وقتی نام مشتریان قبل از پردازش هوش مصنوعی ناشناس میشود، پاسخ هوش مصنوعی شامل توکنهای ناشناس است. پاسخ نهایی باید نامهای واقعی داشته باشد — نه.
نظرسنجیهای ناشناس HR با اطلاعات شخصی برگشتپذیر
نظرسنجیهای ناشناس گزارش صادقانه آزار و تخلفات اخلاقی را تشویق میکنند. وقتی یک ادعای جدی مطرح میشود، HR باید تحقیق کند — اما.
رمزنگاری برگشتپذیر برای حسابرسی مالی
یک حکم دادگاه SDNY در فوریه ۲۰۲۶ دریافت که اسناد پردازششده توسط هوش مصنوعی در صورت عدم ناشناسسازی قبل از پردازش، حق امتیاز وکیل-موکل را از دست میدهند.
رمزنگاری برگشتپذیر برای کشف قانونی
اسناد را ویرایش کردید. قاضی دستور ارائه نسخههای اصلی را صادر کرد. حالا چه میکنید؟ جریمههای GDPR در سال ۲۰۲۴ به ۱.۲ میلیارد یورو رسید — رکوردی بیسابقه.
شناساییزدایی برگشتپذیر در تحقیقات بالینی
وقتی یک مطالعه خطر بیومارکر غیرمنتظره را در ۴۷ از ۵,۰۰۰ شرکتکننده پیدا میکند، محققان باید با بیماران واقعی تماس بگیرند. تنها ۲۳٪ از ابزارهای ناشناسسازی برگشتپذیری واقعی ارائه میدهند.
استفاده از ChatGPT مطابق با HIPAA با حفاظت مرورگر
۷۷٪ از کارکنان اطلاعات کاری حساس را حداقل هفتگی با ابزارهای AI به اشتراک میگذارند. جلوگیری بلادرنگ از PII در مرورگر، حوادث نشت را ۹۴٪ کاهش میدهد.
آیا ابزار حریم خصوصی AI شما دادههایتان را میدزدد؟
۶۷٪ از افزونههای AI در Chrome دادههای کاربران را جمعآوری میکنند. حوادث دسامبر ۲۰۲۵ نشان داد که ۹۰۰ هزار کاربر توسط افزونههایی که به عنوان ابزار حریم خصوصی معرفی میشدند مورد سوء استفاده قرار گرفتند.
۳.۸ افشای تصادفی PII روزانه در تیمهای پشتیبانی
هر عامل پشتیبانی که از ChatGPT استفاده میکند بهطور میانگین روزانه ۳.۸ بار داده حساس جای میگذارد. برای یک تیم ۱۰۰ نفره، این ۳۸۰ حادثه افشای GDPR در روز است.
GDPR و ChatGPT:익명화 Just-in-Time در پشتیبانی مشتری
در دسامبر ۲۰۲۴، نهاد ناظر ایتالیا (Garante) جریمهای ۱۵ میلیون یوروی را به OpenAI اعمال کرد. ۶۳٪ از شرکتهای ایتالیایی فاقد سیاستهای استفاده از AI مطابق با GDPR هستند.
پس از حادثه افزونه با ۹۰۰ هزار کاربر
در ژانویه ۲۰۲۶، دو افزونه مخرب Chrome که بیش از ۹۰۰ هزار کاربر نصب کرده بودند، هر ۳۰ دقیقه مکالمات کامل ChatGPT و DeepSeek را سرقت میکردند.
چرا سیاستها نمیتوانند نشت PII در ChatGPT را متوقف کنند
۷۷ درصد از کاربران سازمانی هوش مصنوعی دادهها را در پرسوجوهای چتبات کپی-پیست میکنند. نزدیک به ۴۰ درصد از فایلهای آپلودشده حاوی دادههای PII یا PCI هستند. بهروزرسانی قانون امنیت HIPAA پیشنهاد شده.
حاکمیت داده: ابزارهای PII ابری کافی نیستند
کشورهای دارای قوانین حفاظت از داده بین ۲۰۱۱ و ۲۰۲۵ از ۷۶ به بیش از ۱۲۰ رسیدند. SGB V آلمان دادههای بهداشتی را به سیستمهای تحت کنترل آلمانی محدود میکند.
حریم خصوصی ایرگپ: ناشناسسازی آفلاین
محیطهای FedRAMP و ITAR یک چیز مشترک دارند — ابر گزینهای نیست. شبهناشناسسازی برگشتپذیر تحت ماده ۴ GDPR.
کف معاملاتی: ناشناسسازی آفلاین
کفهای معاملاتی نمیتوانند از ابزارهای SaaS ابری برای ارسالهای انطباقی استفاده کنند. نظریه رسمی ABA 512 مستلزم جلوگیری از افشای ناخواسته در کشف الکترونیکی است.
پردازش دستهای ۵۰ هزار یادداشت بالینی به صورت محلی
یک حکم قضایی SDNY در فوریه ۲۰۲۶ اعلام کرد اسناد پردازششده توسط هوش مصنوعی در صورت عدم ناشناسسازی قبلی، مصونیت وکیل-موکل را از دست میدهند.
ناشناسسازی صفحات گسترده برای GDPR و CCPA
فرمولهای Excel به سلولهایی که نام مشتریان را دارند ارجاع میدهند. جداول محوری دادههای حساس را کش میکنند. محیطهای ایرگپ برای ۶۷ درصد از نیازهای دولتی ضروری هستند.
تراکم FOIA: ویرایش خودکار اسناد دولتی
درخواستهای FOIA در سال مالی ۲۰۲۴ به ۱.۵ میلیون مورد رسید — افزایشی ۲۵ درصدی. تراکم پروندهها ۳۳ درصد رشد کرد و به ۲۶۷٬۰۵۶ درخواست معلق رسید. دولت ۷۲۳ میلیون دلار برای پردازش هزینه کرد.
امروز شروع به محافظت از دادههای خود کنید
بیش از ۲۸۵ نوع نهاد، ۴۸ زبان، امنیت در سطح سازمان با قیمتهای استارتاپ.
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, held by our hosting provider.
- 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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.