Presidio: הגדרה של 3 שבועות לעומת PII מנוהל
ל-Microsoft Presidio אלפי כוכבים ב-GitHub ומאות בעיות פתוחות. מורכבות ההגדרה, תקורת שילוב PySpark ותלויות Python מוסיפות זמן פיתוח משמעותי.
6 שבועות לעומת 3 ימים: הגדרת PII מנוהלת
צוותי SaaS בתחום הבריאות מבזבזים 6 שבועות על פריסת Presidio עצמאית לייצור לפני המעבר ל-API מנוהל. ה-API המנוהל מחליף את הפריסה כולה.
זיהוי PII "חינמי" עולה €13,000 לשנה
הפעלת Presidio עצמאית דורשת 40–80 שעות הגדרה ראשונית ו-5–10 שעות תחזוקה חודשית. בתעריף הנדסי של €100/שעה, זה מסתכם ב-€13,200 ויותר.
בעיית הדיוק של 22.7% ב-Presidio
מדד השוואה משנת 2024 מצא שמזהה שמות האנשים של Presidio משיג דיוק של 22.7% במסמכים עסקיים — כלומר 77.3% מהזיהויים הם false positives.
פרטיות ניתנת לשחזור: ערכות ML
אנונימיזציה של נתוני אימון ML חייבת להיות עקבית וניתנת לשחזור. אם מדעני נתונים א' ו-ב' מחילים סוגי ישויות שונים, מערכי הנתונים אינם עקביים.
צינור GDPR: אנונימיזציה לפני אחסון
תגיות עמודות dbt אינן ציות GDPR. נתוני לקוחות גולמיים מגיעים למחסן ה-Snowflake שלך בלתי מוסתרים לפני שמדיניות מבוססת-תגיות חלה.
FOIA: קיצור זמן הצנזור משבועות לשעות
הממשל הפדרלי הוציא כ-500 מיליון דולר על עיבוד FOIA ב-2024, רובם על צנזור ידני. ARPA-H ביקשה במפורש תוכנת צנזור AI כדי להתמודד עם פיגורים שצברו סוכנויות.
אנונימיזציה של נתוני אימון ML בהתאמה ל-GDPR
GDPR מגביל שימוש בנתונים אישיים לאימון מודלי ML מעבר למטרת האיסוף המקורית. מדעני נתונים המסתמכים על סקריפטים חד-פעמיים בפייתון יוצרים פערי ציות שמבקרי DPA מגלים בדיוק.
FOIA: 80% מהיר יותר עם צנזורה של אצווה
סוכנויות פדרליות בארה"ב קיבלו 1.5 מיליון בקשות FOIA ב-FY2024 בעלות ממוצעת של $482 לבקשה. צנזורה PII באצווה מקצרת זמן עיבוד מחודשים לשבועות.
Presidio מול anonym.legal: לבנות או לקנות?
Microsoft Presidio חינמי מבחינה טכנית אך עולה 40–80 שעות הנדסה לפריסה נאותה. anonym.legal מספקת את אותה דיוק ML כשירות SaaS מנוהל.
פרטיות מבודדת: אנונימיזציה לא-מקוונת
לסביבות FedRAMP ו-ITAR יש דבר אחד משותף — הענן אינו אפשרות. פסאודונימיזציה הפיכה תחת GDPR Art. 4(5) עומדת בדרישות EDPB להפרדת אסימונים.
מס החיובי-השגוי על כלי זיהוי PII
דיון #1071 ב-GitHub של Presidio מתעד חיוביים שגויים שיטתיים. מחקר משנת 2024 מצא דיוק של 22.7% במאגרי נתונים ארגוניים רב-לשוניים.
זיהוי PII בערבית ועברית: כלים מערביים נכשלים
ה-GDPR לא נגמר בבוספורוס. מידע מזהה אישי בערבית ובעברית בתהליכי עבודה של חברות אירופאיות נותר חשוף בשיטתיות. זיהוי רב-לשוני מבוסס XLM-RoBERTa ועיבוד RTL הם הפתרון.
PII רב-לשוני: כלים חד-לשוניים נכשלים
72% מהארגונים באיחוד האירופי מעבדים מסמכים ב-3 שפות ומעלה בו-זמנית. מסמכים רב-לשוניים גורמים לשיעור החמצה גבוה ב-45% של PII בכלי NER חד-לשוניים.
PII ב-APAC: תאילנדית, אינדונזית, וייטנאמית
חברת פינטק סינגפורית שמעבדת 500,000 שיחות תמיכה חודשיות ב-12 שפות APAC גילתה שהכלי שלהם לאנגלית בלבד החמיץ PII ב-60% מהשיחות שאינן באנגלית.
תוצאות חיוביות שגויות: מדוע השחרת ML נכשלת
מדד 2024 מצא ש-Presidio יצר 13,536 זיהויי שמות חיוביים שגויים על פני 4,434 דגימות — סימון כינויי גוף, שמות כלי שיט ומדינות כשמות אנשים. הנה מה שזה עולה בסביבות משפטיות ובריאות.
ISO 27001 + ZK מקצרים זמן הערכת ספקים
סקר 2025 מצא כי 'היעדר הסמכת אבטחה מוכרת' היה הסיבה #2 שבגינה CISOs פוסלים ספקי SaaS. הנה מה שצירוף ISO 27001 + ארכיטקטורת אפס-ידע משיג.
ארכיטקטורת ZK מקצרת מחזורי מכירות
שאלוני אבטחת ספקים ארגוניים כוללים בממוצע 100+ שאלות. ארכיטקטורת אפס-ידע עונה על השאלות הקשות ביותר באופן חד-משמעי — ומגדילה שיעורי המרה.
פרצת LastPass: לקחי אבטחת ספקים
LastPass הצפינה את נתוני המשתמשים. הכספות בכל זאת נחשפו. 600K+ רשומות Okta בעקבות כך. אירועי אבטחת SaaS עלו 300% מ-2022 עד 2024.
הערכת טענות אפס-ידע לאחר LastPass
$438 מיליון נגנבו ממשתמשי LastPass לאחר שהכספות 'המוצפנות' שלהם נפרצו. קנס של £1.2 מיליון מ-ICO נבע מכך. הנה הרשימה להערכת האם ספק מציע הגנת אפס-ידע אמיתית.
LangChain CVE-2025-68664: כיצד PII דולף דרך ה-RAG Pipeline שלך
CVSS 9.3. פונקציות הסריאליזציה של LangChain חושפות משתני סביבה וסודות ל-LLMs בשליטת תוקפים. כיצד לזהות ולתקן דליפות PII.
הרחבת אנונימיזציית PII ל-LibreOffice: מדריך התקנה ושימוש 2026
כיצד להתקין ולהשתמש בהרחבת anonym.legal ל-LibreOffice לאנונימיזציה אוטומטית של PII במסמכי Writer, Calc ו-Impress. תומך ב-5 שיטות ניטרול.
LibreOffice לעומת Microsoft Office: עריכת PII ואנונימיזציה 2026
השוואה מקיפה בין יכולות עריכת ואנונימיזציית PII ב-LibreOffice ו-Microsoft Office. UNO API לעומת Office.js, שילוב GDPR ותמחור.
מדוע זיהוי PII בינארי כושל בציות
דגל 'זוהה/לא זוהה' אינו מספיק להקשרי ציות הדורשים שיקול דעת אנושי. ציון ביטחון הופך אנונימיזציה של PII מניחוש בינארי לבקרת ציות שניתן לביקורת.
פיצול פורמטי מסמכים בכלי הגנת PII
תגובת DSAR אחת עשויה לכלול חוזי Word, חשבוניות PDF, רשימות לקוחות ב-Excel וייצוא CSV. שימוש בכלים שונים לכל פורמט יוצר פערי עקביות שעשויים לחשוף אותך בביקורת.
אנונימיזציה של יומנים ל-GDPR: שמור על יכולת ניפוי שגיאות
יומני אפליקציה צוברים בשקט אימיילים, כתובות IP ומספרי חשבון של משתמשים. כך תשתף יומנים עם צדדים שלישיים, קבלנים ופלטפורמות observability תוך שמירה על ציות.
GDPR ביומני אפליקציה: ציות PII ב-JSON
יומני אפליקציה מכילים כתובות אימייל, כתובות IP ומספרי חשבון של לקוחות שסעיף 5(1)(e) ל-GDPR דורש לנהל אותם.
הגנת מידע אישי בין יישומים: Word, Chrome ובינה מלאכותית
נתוני לקוחות עוברים ממחקר בדפדפן לטיוטות ב-Word ולפרומפטים ב-Claude. כל מעבר בין הקשרים הוא נקודת דליפה פוטנציאלית.
ציות PII חוצה-פלטפורמות: Mac, Linux ו-Windows
קציני פרטיות על Mac, צוות משפטי על Windows, מהנדסי נתונים על Linux — כולם מעבדים אותם נתונים עם כלים שונים. הנה מדוע זיהוי אגנוסטי למערכת הפעלה הכרחי.
PII מנותק רשת: עדיפות לא מקוון לתחום הביטחון
41% ממדיניות אבטחת ארגונים אוסרות על עיבוד מסמכים מסווגים בענן.
עריכה הפיכה לעומת קבועה: הבחירה הנכונה
GDPR מבחין בין אנונימיזציה לפסבדואנימיזציה. בתי משפט זקוקים למקור. מחקר זקוק לזיהוי מחדש. למדו מתי להשתמש בכל גישה.
NER רב-לשוני: אנגלית נכשלת בערבית
מודלי NER באנגלית משיגים דיוק של 85-92%. ערבית וסינית? לעיתים קרובות 50-70%. למדו על האתגרים הטכניים וכיצד לבנות זיהוי אמיתי.
השתמשו ב-Claude וב-ChatGPT מבלי לדלוף PII
מדריך למפתחים לשימוש מאובטח בעוזרי AI. הגדירו אינטגרציית MCP Server להגנה שקופה על PII ב-Claude Desktop, Cursor ו-VS Code.
התחל להגן על הנתונים שלך היום
285+ סוגי ישויות, 48 שפות, אבטחה ברמה ארגונית במחירי סטארטאפ.
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 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
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
- 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.