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
Garante ایتالیا: هوش مصنوعی و انطباق PII
Garante ایتالیا در دسامبر ۲۰۲۴ جریمه ۱۵ میلیون یورویی برای OpenAI صادر کرد و در سال ۲۰۲۳ ChatGPT را بهطور موقت در ایتالیا ممنوع کرد. ۶۳ درصد از شرکتهای ایتالیایی فاقد سیاست حاکمیت داده هوش مصنوعی هستند.
LGPD برزیل: CPF، CNPJ و حفاظت از داده
LGPD ۲۱۵ میلیون برزیلی را پوشش میدهد و ANPD در سال ۲۰۲۴ اجرای جدی را آغاز کرد. CPF توسط ابزارهای آموزشدیده به انگلیسی تنها با دقت ۴۵ درصد شناسایی میشود.
AP هلند: جریمه ۲۹۰ میلیون یورویی و اجرای GDPR
AP هلند بزرگترین جریمه انتقال داده در اتحادیه اروپا — ۲۹۰ میلیون یورو علیه Uber — را صادر کرد. BSN (شماره ملی هلندی) نیاز به اعتبارسنجی Elfproef دارد که ۵۶٪ از ابزارها از آن غافل میمانند.
UODO لهستان: PESEL، NIP و انطباق با RODO
UODO دریافت که ۸۹٪ از ابزارهای مستقرشده در شناسایی PESEL لهستانی شکست میخورند. لهستان روزانه ۲.۳ میلیون پرونده مشتری اتحادیه اروپا پردازش میکند. اعتبارسنجی چکسام PESEL، NIP.
ANSPDCP رومانی: شناسایی CNP و بررسیهای GDPR
ANSPDCP دریافت که ۷۸٪ از ابزارها CNP رومانیایی را با اعتبارسنجی مناسب از دست میدهند. CNP جنسیت، تاریخ تولد، و شهرستان تولد را کدگذاری میکند — پیامدهای دسته خاص ماده ۹ GDPR.
IMY سوئد: personnummer و بررسیهای Luhn
IMY دریافت که ۴۵٪ از ابزارهای عمومی personnummer سوئدی را از دست میدهند. samordningsnummer (انتقال ۶۰ واحدی) توسط اکثر پیادهسازیها نادیده گرفته میشود. نرخ ۷۹٪ استفاده از حقوق GDPR در سوئد.
CPR دانمارک: اعتبارسنجی Modulus-11 برای GDPR
۶۷٪ از ابزارهای NLP اعتبارسنجی modulus-11 شماره CPR دانمارکی را از دست میدهند. ۱۴ اقدام اجرایی بهداشتی Datatilsynet در سال ۲۰۲۴. استفاده ثانویه از دادههای بهداشتی.
Rodné Číslo چک: کدگذاری جنسیت و GDPR
rodné číslo چک جنسیت را از طریق کدگذاری ماه با انتقال ۵۰ واحدی کدگذاری میکند — آن را به داده دسته خاص ماده ۹ GDPR تبدیل میکند. ۶۷٪ از شرکتهای چک از ابزارهای آلمانی استفاده میکنند.
NAIH مجارستان: TAJ-Szám و Adóazonosító Jel
دقت NER مجارستانی ۶۷٪ در مقابل میانگین ۸۲٪ اتحادیه اروپا — ارزیابی NAIH در ۲۰۲۴. شکاف در شناسایی چکسام وزنی TAJ-szám و adóazonosító jel.
HDPA یونان: شناسایی AFM و AMKA
ابزارهای عمومی AFM یونان را تنها با دقت ۵۲٪ شناسایی میکنند. HDPA در سال ۲۰۲۴ معادل ۸۹ تصمیم اجرایی صادر کرد — افزایش ۱۶۲٪ نسبت به ۲۰۲۲. بخشهای گردشگری و دریایی با خطرات ویژهای روبرو هستند.
My Number ژاپن: الگوریتم Verhoeff و APPI
۶۳٪ از ابزارهای عمومی در شناسایی My Number در اسناد ژاپنی شکست میخورند. My Number از الگوریتم Verhoeff استفاده میکند — پیچیدهترین Checksum شناسه ملی در آسیا.
پروندههای اپستین: برجستهکردن با رنگ، حذف نیست
انتشار پروندههای اپستین توسط DOJ در دسامبر ۲۰۲۵ یک نقص اساسی را آشکار کرد: متن «حذفشده» در PDFها با کپی-پیست قابل خواندن است. تیمهای حقوقی باید از تفاوت پوشش بصری و حذف واقعی آگاه باشند.
رابطه وکیل و موکل و هوش مصنوعی در ۲۰۲۶
یک دادگاه فدرال در فوریه ۲۰۲۶ حکم داد که مکالمات با ابزارهای هوش مصنوعی از حمایت محرمانه وکیل-موکل برخوردار نیستند. هر شرکت حقوقی که از هوش مصنوعی بهره میبرد باید از این حکم آگاه باشد.
رمزگذاری Zero-Knowledge در برابر Zero-Trust
LastPass هم دادههای کاربران را رمزگذاری کرد — و $438 میلیون به سرقت رفت. تفاوت بین رمزگذاری سمت سرور و zero-knowledge واقعی را بیاموزید.
PII بدون اتصال شبکه: آفلاین-اول برای دفاع
41% از سیاستهای امنیتی سازمانی پردازش ابری اسناد طبقهبندی شده را ممنوع میکنند.
تشخیص PII چند زبانه برای GDPR
Steuer-ID آلمانی، NIR فرانسوی و Personnummer سوئدی همه به منطق تشخیص متفاوتی نیاز دارند.
انتخاب بین ویرایش برگشتپذیر و دائمی
GDPR بین ناشناسسازی و شبهناشناسسازی تمایز قائل میشود. دادگاهها به نسخههای اصلی نیاز دارند. تحقیقات به شناسایی مجدد نیاز دارد. بیاموزید چه زمانی از هر رویکرد استفاده کنید.
NER چند زبانه: انگلیسی در عربی شکست میخورد
مدلهای NER انگلیسی به دقت 85-92% میرسند. عربی و چینی؟ اغلب 50-70%. درباره چالشهای فنی و چگونگی ساخت سیستم واقعی بیاموزید.
94% از کسبوکارهای کوچک و متوسط مورد حمله قرار گرفتند: حریم خصوصی مقرون به صرفه
کسبوکارهای کوچک و متوسط با همان تهدیدات شرکتهای بزرگ روبرو هستند اما توانایی پرداخت ابزارهای 800+ دلاری در ماه را ندارند. اینجا است که چگونه حفاظت درجه سازمانی را با €3 در ماه به دست میآورید.
تشخیص PHI: Snow Labs 96% در برابر GPT-4o
ابزارهای شناسایی اطلاعات پزشکی یکسان نیستند. معیارهای ECIR 2025 امتیازات F1 از 79% تا 96% را نشان میدهد. بیاموزید چرا دقت اهمیت دارد و چگونه ابزارها را ارزیابی کنید.
دادگاهها وکلا را به دلیل شکست در حذف محرمانه مجازات میکنند
برجستهسازی متن در Word حذف محرمانه نیست. دادگاهها وکلا را به دلیل شکستهای فنی که اطلاعات محرمانه را فاش میکند، مجازات میکنند.
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.
چتهای هوش مصنوعی ۹۰۰ هزار کاربر دزدیده شد
دو افزونه مخرب Chrome مکالمات ChatGPT را از بیش از ۹۰۰٬۰۰۰ کاربر دزدیدند. یکی نشان «Featured» گوگل را داشت.
۷٫۴۲ میلیون دلار: هزینههای نقض در بهداشت رکورد میزند
بهداشت به مدت ۱۴ سال متوالی گرانترین صنعت برای نقض داده بوده است. بیاموزید چرا اطلاعات بهداشتی اینقدر ارزشمند است و چگونه از آن محافظت کنید.
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.