anonym.legal

By · Last updated 2026-06-05

חזרה לבלוגGDPR ועמידה

ANSPDCP רומניה: GDPR ל-BPO וסיכון CNP

ענף ה-BPO הרומני מעבד 2.3 מיליון רשומות לקוחות אירופאיות מדי יום. ANSPDCP הוציא קנסות בסך €1.8 מיליון בין 2022-2024. 78% מהכלים מחמיצים את ה-CNP הרומני עם אימות תקין.

June 5, 20268 דקות קריאה
Romania ANSPDCPCNP detectionBPO GDPREastern Europe complianceoutsourcing data protection

ANSPDCP רומניה: סיכוני GDPR ב-BPO

רשות הפרטיות הרומנית מגבירה את אכיפת ה-GDPR. ה-Autoritatea Națională de Supraveghere a Prelucrării Datelor cu Caracter Personal (ANSPDCP) מכסה את אחד מענפי המיקור החוץ הצומחים ביותר ב-EU.

בוקרשט, קלוז'-נאפוקה ויאשי מעבדות רשומות אזרחים אירופאים מגרמניה, צרפת, בריטניה והולנד. ANSPDCP הוציא קנסות GDPR בסך €1.8 מיליון בין 2022 ל-2024. חברות BPO ומיקור חוץ היו מעורבות ברוב התיקים האלה.

חשיפת BPO: ארבעה תחומי סיכון מרכזיים

רשומות אישיות בנפח גבוה. מוקדי שיחות מטפלים בסכסוכי חיוב. הם מעבדים שמות, כתובות, מספרי חשבון והיסטוריות תשלום. צוותי תמיכת IT ניגשים למערכות לקוחות המכילות מידע אישי.

רשומות אזרחים אירופאים שמעובדות בחו"ל. האנשים הנפגעים הם לרוב גרמנים, צרפתים, הולנדים או בריטים. כאשר מתרחש פרצה, הם פונים לרגולטור המדינה שלהם. זה מוסיף חשיפה ל-BfDI, CNIL, ICO או AP NL בנוסף לאחריות של ANSPDCP עצמה. לפרטים על תיקים חוצי גבולות, ראו את מדריך GDPR של BfDI גרמניה.

שרשראות מעבדי משנה חלשות. ANSPDCP מצא ש-45% מהחברות המקומיות חסרות הסכמי עיבוד נתונים תקפים עם מעבדי המשנה שלהן. כל DPA חייב לפרט את הצעדים הטכניים שמעבד המשנה ינקוט.

פערים בביטול גישה. ל-BPO יש תחלופת עובדים גבוהה. ANSPDCP מוצא עובדים לשעבר עם גישה פעילה שבועות לאחר עזיבתם. ממצא זה חוזר תיק אחר תיק.

ה-CNP: המזהה המרכזי של רומניה

ה-Cod Numeric Personal (CNP) הוא מספר זהות לאומי בן 13 ספרות. הוא מאחסן עובדות אישיות מרכזיות:

  • ספרה 1: מגדר ומאה לידה (1=גבר 1900–1999, 2=אישה 1900–1999, 5=גבר 2000+, 6=אישה 2000+, 7=גבר תושב זר, 8=אישה תושבת זר)
  • ספרות 2–7: תאריך לידה (YYMMDD)
  • ספרות 8–9: קוד מחוז לידה
  • ספרות 10–12: מספר רץ
  • ספרה 13: ספרת ביקורת (מודולוס 11 משוקלל)

ה-CNP מאחסן מגדר, תאריך לידה, אזור לידה ומעמד תושבות. הדבר הופך אותו לעשיר בהרבה מרוב מזהי ה-EU. ANSPDCP הציב את ה-CNP קרוב למעמד נתון קטגוריה מיוחדת.

פער הזיהוי. סקירת ANSPDCP לשנת 2024 מצאה ש-78% מכלי ה-PII בחברות מיקור חוץ אינם מצליחים לזהות CNP. לרובם חסרות בדיקות סכום ביקורת. מספרי CNP ברשומות לקוחות ובקבצי עובדים עוברים מבלי שנשים לב. רשומות שנשלחות לחברות אם עשויות להכיל פרטי אזרחים פעילים. בדיקות לאחר פרצות חושפות CNP בקבצים שתויגו כ"אנונימיים".

מוקד האכיפה: 2024–2025

שמע של מוקד שיחות. ANSPDCP מיקד בהקלטות ללא תוכנית שמירה או בקרות גישה. שמירת שמע "ללא הגבלת זמן לצורכי ציות" ללא לוח זמנים למחיקה מפרה את GDPR.

מיקור חוץ בריאות. חברות המעבדות תיקים רפואיים, תביעות ביטוח או קבצי מרשמים חשופות לסיכון הגבוה ביותר. תיקי בריאות הם קטגוריה מיוחדת לפי סעיף 9. הם דורשים עילה משפטית מפורשת, DPIA ובקרות טכניות חזקות.

יומני גישה. ביקורות ANSPDCP מוצאות יומנים חלשים. חברות אינן יכולות להראות אילו רשומות נקראו, על ידי מי ומתי. היומנים חייבים להיות מפורטים מספיק כדי לאפשר הגדרת היקף פרצה לאחר שהיא מתרחשת.

שפה: פער נסתר

מסמכים מקומיים מכילים מזהים שכלים כלליים מחמיצים.

Cartea de identitate (CI). זוהי תעודת הזהות הלאומית. יש לה פורמט מספר משלה. עותקים סרוקים בקבצי קליטת עובדים דורשים לוגיקת זיהוי ספציפית.

NER ייחודי לשפה. כרטיסי תמיכה והודעות לקוחות דורשים NLP הבנוי לשפה זו. כלים שאומנו על אנגלית מניבים ביצועים חלשים כאן.

פורמטים של כתובות. מונחים כמו Strada, Bulevardul ו-Numărul ייחודיים לשוק זה. מודלים שאומנו על אנגלית או גרמנית לרוב מחמיצים אותם.

לצעדים לעמידה בסטנדרט ANSPDCP, ראו את מדריכנו על עקביות אנונימיזציה לביקורות GDPR.

מה חברות BPO זקוקות לו

ארבעה דברים מכסים את הסטנדרט הטכני של ANSPDCP:

  1. זיהוי CNP עם אימות סכום ביקורת
  2. זיהוי Cartea de identitate ודרכון
  3. NER ייחודי לשפה
  4. הסכמי מעבד משנה עם צעדים טכניים נקובים

מקורות

מאמרים קשורים

GDPR ועמידה

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR ועמידה

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR ועמידה

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

מוכן להגן על הנתונים שלך?

התחל לאנונימיזציה של PII עם 285+ סוגי ישויות ב-48 שפות.

התחל ניסיון חינםצפה בתכונות

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.