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

امنیت هوش مصنوعی

Vibe Coding و نشت اطلاعات شخصی: خطر امنیتی که کسی از آن صحبت نمی‌کند

کدهای تولیدشده با هوش مصنوعی به‌ندرت مدیریت اطلاعات شخصی را در نظر می‌گیرند. ۷۳٪ از اپ‌های vibe-coded داده‌های حساس را بدون ناشناس‌سازی پردازش می‌کنند. این‌ها چیزهایی است که توسعه‌دهندگان باید بدانند.

March 16, 20267 دقیقه
فناوری حقوقی

COPPA آوریل ۲۰۲۶: آنچه پلتفرم‌های EdTech باید قبل از مهلت انجام دهند

قانون به‌روزشده COPPA از ۲۲ آوریل ۲۰۲۶ اجرایی می‌شود. Reddit برای شکست در حفاظت از داده‌های کودکان ۱۴.۴۷ میلیون پوند جریمه شد. پلتفرم‌های EdTech با همین خطر روبرو هستند.

March 16, 20266 دقیقه
فنی

LangChain CVE-2025-68664: چگونه اطلاعات شخصی از Pipeline RAG شما نشت می‌کند

CVSS 9.3. توابع سریال‌سازی LangChain متغیرهای محیطی و رمزها را در معرض LLM‌های کنترل‌شده توسط مهاجم قرار می‌دهند. چگونه نشت‌های اطلاعات شخصی را شناسایی و رفع کنیم.

March 16, 20268 دقیقه
امنیت هوش مصنوعی

امنیت سرور MCP در ۲۰۲۶: ۸,۰۰۰ در معرض نمایش، ۴۹۲ بدون احراز هویت

بیش از ۸,۰۰۰ سرور Model Context Protocol به صورت عمومی در معرض هستند. ۴۹۲ هیچ احراز هویتی ندارند. ۳۶.۷٪ آسیب‌پذیر به SSRF هستند. از اطلاعات شخصی در ابزارهای MCP خود محافظت کنید.

March 16, 20267 دقیقه
GDPR و انطباق

قانون هوش مصنوعی اتحادیه اروپا آگوست ۲۰۲۶: ناشناس‌سازی داده‌های آموزشی برای رعایت ماده ۱۰

اجرای کامل قانون هوش مصنوعی اتحادیه اروپا از ۲ آگوست ۲۰۲۶ آغاز می‌شود. جریمه‌ها تا ۳۵ میلیون یورو یا ۷٪ از گردش مالی جهانی. ماده ۱۰ ناشناس‌سازی داده‌های آموزشی را الزامی می‌کند.

March 16, 20269 دقیقه
فناوری حقوقی

ناشناس‌سازی دائمی: ریسک spoliation

۳۴.۸٪ از ورودی‌های ChatGPT حاوی داده‌های حساس هستند (Cyberhaven). راه‌حل — ناشناس‌سازی دائمی — ریسک حقوقی خودش را ایجاد می‌کند: spoliation. ماده ۴(۵) GDPR.

March 15, 202610 دقیقه
فناوری حقوقی

صورت‌حساب ۸۰ هزار دلاری اعمال سیاه‌رنگ: راه‌حل افزونه Word

با نرخ ۲۰۰ تا ۴۰۰ دلار در ساعت، تولید ۱۰٬۰۰۰ سند ۲۶٬۰۰۰ تا ۸۰٬۰۰۰ دلار هزینه وقت وکیل دارد (RAND). تحقیق Bloomberg Law 2024 نشان داد اتوماسیون آن جدول زمانی را کاهش می‌دهد.

March 14, 20269 دقیقه
امنیت هوش مصنوعی

DLP مرورگر: مقایسه رویکردهای مسدودسازی و ناشناس‌سازی ۲۰۲۶

دو رویکرد در DLP مرورگر: مسدودسازی از ارسال PII به ابزارهای هوش مصنوعی جلوگیری می‌کند؛ ناشناس‌سازی داده را قبل از ارسال تبدیل می‌کند. یک مقایسه عینی.

March 14, 202610 دقیقه
امنیت هوش مصنوعی

Samsung سه بار کد منبع خود را به ChatGPT از دست داد

سه تیم مهندسی مجزای Samsung در آوریل ۲۰۲۳ کد اختصاصی و داده‌های محرمانه را در ChatGPT وارد کردند. هر رویداد یک نقص متفاوت را آشکار کرد.

March 13, 20269 دقیقه
فناوری حقوقی

تحریم‌های کشف الکترونیک: شکست هوش مصنوعی در اعمال سیاه‌رنگ‌ها

در پرونده Athletics Investment Group علیه Schnitzer Steel (2024)، اعمال نادرست سیاه‌رنگ منجر به تحریم‌های کشف شد. با دقت ۲۲.۷٪ ابزارهای هوش مصنوعی، تیم‌های حقوقی با مسئولیت واقعی مواجه‌اند.

March 12, 202610 دقیقه
GDPR و انطباق

نقض‌های SaaS ۳۰۰٪ افزایش یافت: ZK الزامی است

Conduent اطلاعات ۲۵.۹ میلیون نفر را فاش کرد. NHS Digital: ۹ میلیون بیمار. مهاجمان در ۹ دقیقه به ارائه‌دهندگان SaaS نفوذ می‌کنند. وقتی فروشنده‌تان خودش هدف حمله است.

March 11, 20269 دقیقه
بهداشت و درمان

HIPAA در فضای ابری: معماری دانش‌صفر برای PHI

توافقنامه‌های Business Associate از نقض HIPAA جلوگیری نمی‌کنند وقتی ارائه‌دهنده ابری هوش مصنوعی PHI را به‌صورت متن خام پردازش می‌کند. معماری دانش‌صفر چه مشکلی را حل می‌کند.

March 10, 20269 دقیقه
فنی

افزونه ناشناس‌سازی PII برای LibreOffice

راهنمای گام به گام ناشناس‌سازی PII در اسناد LibreOffice با استفاده از افزونه anonym.legal.

March 10, 202610 دقیقه
فنی

LibreOffice در مقابل Office: Redaction PII

مقایسه دقیق قابلیت‌های ناشناس‌سازی PII در LibreOffice (افزونه anonym.legal) در مقابل Microsoft Office (Office Add-in).

March 10, 20268 دقیقه
GDPR و انطباق

ناشناس‌سازی اسناد Open-Source با LibreOffice

نحوه استفاده سازمان‌های بخش عمومی از LibreOffice با افزونه anonym.legal برای ناشناس‌سازی اسناد منطبق با GDPR.

March 10, 20269 دقیقه
فناوری حقوقی

ناشناس‌سازی اسناد چندسکویی: Office و LibreOffice

چگونه سازمان‌هایی با محیط‌های ترکیبی Microsoft Office و LibreOffice ناشناس‌سازی یکپارچه اطلاعات شخصی را با anonym.legal حفظ می‌کنند.

March 10, 20267 دقیقه
امنیت هوش مصنوعی

ممنوعیت هوش مصنوعی در سازمان‌ها: بهره‌وری در برابر ریسک

۲۷.۴٪ از محتوای چت‌بات‌های هوش مصنوعی سازمانی شامل داده‌های حساس است — افزایش ۱۵۶٪ نسبت به سال قبل. با این حال ۷۱.۶٪ از دسترسی به هوش مصنوعی از طریق حساب‌های شخصی انجام می‌شود.

March 9, 20269 دقیقه
امنیت هوش مصنوعی

افزونه‌های امن هوش مصنوعی برای حریم خصوصی در ۲۰۲۶

در ژانویه ۲۰۲۶، دو افزونه مخرب کروم با بیش از ۹۰۰ هزار کاربر شناسایی شدند که هر ۳۰ دقیقه یک‌بار مکالمات ChatGPT و DeepSeek را به سرقت می‌بردند.

March 8, 20268 دقیقه
امنیت هوش مصنوعی

DLP مرورگر برای ChatGPT، Claude و Gemini

DLP سنتی سازمانی برای انتقال فایل و ایمیل ساخته شده بود، نه chatbot‌های هوش مصنوعی. این راهنما پیشگیری از از دست دادن داده بومی مرورگر را برای ChatGPT پوشش می‌دهد.

March 8, 202612 دقیقه
بهداشت و درمان

وقتی CISOها پردازش ابری PHI را رد می‌کنند

۷۲۵ نقض داده بهداشتی در ۲۰۲۴ بر ۲۷۵ میلیون پرونده تأثیر گذاشت. با میانگین هزینه ۱۰.۲۲ میلیون دلار — بالاترین در هر صنعت — CISOهای بهداشتی به طور فزاینده‌ای ابزارهای ابری PHI را رد می‌کنند. چرا و چگونه تیم‌های بالینی این محدودیت را دور می‌زنند.

March 7, 20269 دقیقه
GDPR و انطباق

جریمه ۵۳۰ میلیون یورویی TikTok: حاکمیت داده GDPR

جریمه ۵۳۰ میلیون یورویی TikTok توسط کمیسیون حفاظت از داده ایرلند به خاطر انتقال داده اتحادیه اروپا به چین، دوران جدیدی در اجرای حاکمیت داده را آغاز کرده است. با ۵.۶۵ میلیارد یورو جریمه‌های GDPR تا سال ۲۰۲۵، انتخاب فروشنده اکنون یک تصمیم نظارتی است.

March 6, 20269 دقیقه
بهداشت و درمان

HHS 2025: یادداشت‌های بالینی هوش مصنوعی نیاز به پیشگیری از PHI دارند

سیستم‌های رونویسی هوش مصنوعی می‌توانند به طور تصادفی PHI بیمار الف را در پرونده بیمار ب قرار دهند. در اینجا دلیل اهمیت تشخیص PHI بلادرنگ قبل از ثبت در EHR است.

March 6, 20269 دقیقه
فنی

چرا تشخیص باینری PII در انطباق شکست می‌خورد

پرچم‌گذاری شناسایی‌شده/شناسایی‌نشده برای زمینه‌های انطباق که به قضاوت انسانی نیاز دارند ناکافی است. در اینجا چرا امتیازدهی اطمینان ناشناس‌سازی PII را از یک حدس باینری به یک کنترل انطباق قابل حسابرسی تبدیل می‌کند.

March 6, 20268 دقیقه
GDPR و انطباق

به حداقل رساندن داده GDPR: API بلادرنگ

ماده ۵(۱)(ج) GDPR جمع‌آوری فقط داده ضروری را الزامی می‌کند. یکپارچه‌سازی API بلادرنگ از جمع‌آوری بیش از حد در مرحله ارسال فرم جلوگیری می‌کند — قبل از اینکه داده شخصی به پایگاه داده برسد.

March 6, 20267 دقیقه

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.

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

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.