By · Last updated 2026-06-04

חזרה לבלוגGDPR ועמידה

סחף הגדרות: סיכון GDPR נסתר

אנליסט א' מחליף שמות בשמות בדיוניים. אנליסט ב' מחקה אותם. ביקורת GDPR שלכם מוצאת את שניהם באותו מערך נתונים. סחף הגדרות — מצב שצוותים נופלים אליו.

June 4, 20266 דקות קריאה
GDPR auditconfiguration driftredaction inconsistencycompliance governanceteam anonymization

סחף הגדרות: סיכון GDPR נסתר

אנליסט א' מחליף שמות בשמות בדיוניים. אנליסט ב' מחקה אותם. שניהם פועלים לפי אותו כלל GDPR לאותו סוג מסמך — או שהם חושבים כך.

הביקורת שלכם מוצאת את שתי השיטות במערך נתונים אחד. המבקר שואל: "מה הנוהל הסטנדרטי שלכם לשמות אישיים?" אתם אינכם יכולים לענות. ישנם שני נהלים, לא אחד.

זהו סחף הגדרות. הוא אינו דורש פרצה כדי ליצור סיכון. הוא מייצר ממצאי ביקורת. ממצאים חוזרים מובילים לקנסות.

כיצד נראה סחף הגדרות

הסחף נבנה לאט. אף אחד אינו מבחין בו עד הביקורת.

חודש 0 — הגדרה: מנהל ציות מגדיר את כלי ה-PII. הצוות מקבל הדגמה קצרה.

חודש 2 — עובד חדש: אנליסט חדש מצטרף. הוא מעתיק את ההגדרה של עמית. היא קרובה לנכון, אך חסר לה סוג ישות אחד.

חודש 4 — עדכון מדיניות: הערת הנחיה מוסיפה זיהוי תאריך לידה. חלק מחברי הצוות מעדכנים את הפרופילים שלהם. אחרים מפספסים את השינוי.

חודש 6 — שינוי מקומי: אנליסט אחד מוריד סף ביטחון כדי לתקן מחיקת יתר. השינוי משפיע על כל עבודתו המאוחרת. הוא אף פעם לא נרשם.

חודש 8 — ביקורת DPA: המבקר שולף חמישים מסמכים. הוא מוצא שלוש קבוצות כללים שונות על אותו סוג מסמך:

  • מסמכים 1-20: שמות מוחלפים בשמות בדיוניים, תאריכי לידה מחוקים, כתובות מחוקות
  • מסמכים 21-35: שמות מוקפאים, ללא טיפול בתאריכי לידה, כתובות קיימות
  • מסמכים 36-50: שמות מוחלפים, כתובות מחוקות, אימיילים שמורים

הממצא: אין בקרה שיטתית המבטיחה מיסוך עקבי.

שלושה נזקים מהגדרות מעורבות

כשל ביקורת

מבקרי DPA בודקים האם המיסוך שיטתי. שלוש גישות שונות על אותו סוג מסמך מראות חוסר בקרות — גם אם כל גישה נכונה כשלעצמה.

אובדן איכות נתונים

כאשר תפוקות מכמה אנליסטים ממוזגות, הפערים מצטרפים. מערך נתונים שבו 40% מהרשומות מחזיקות שמות מוחלפים בשמות בדיוניים ו-60% מוחקים הוא פחות שימושי מכל שיטה המוחלת באחידות. מודלים שאומנו על תפוקות מעורבות מביאים ביצועים גרועים יותר.

הגנה משפטית חלשה יותר

בבית-משפט, עורכי הדין של הצד השני יכולים לאתגר את שלמות המחיקה. שופטים שאלו על מחיקת גילוי אלקטרוני כאשר מבקרים שונים החילו תקנים שונים. יומנים מעורבים מחלישים את הטענה שהמחיקה הייתה יסודית.

תיקון הערכות

הפתרון פשוט: הסירו את החלטת ההגדרה מכל משתמש.

לפני ערכות: כל משתמש מגדיר את הכלי בהתבסס על קריאתו האישית של הכללים. הגדרות משתנות לפי אדם ולפי הפעלה.

אחרי ערכות: מנהל ציות יוצר ערכות בשם. כל ערכה מקודדת את קבוצת הכללים המאושרת. משתמשים בוחרים את הערכה הנכונה. ההחלטה מתקבלת פעם אחת, על ידי האדם הנכון, ומחילה על כולם.

מה ערכה כוללת:

  • אילו סוגי ישויות לזהות
  • איזו שיטה להחיל (Replace, Redact, Pseudonymize, Mask, Encrypt)
  • הגדרות ישות מותאמות (מזהים פנימיים, פורמטים ספציפיים לאתר)
  • הגדרות שפה
  • סף ביטחון

מה משתמשים עדיין מחליטים:

  • איזו ערכה מתאימה למסמך הנוכחי — בחירה מבוססת כללים, לא בחירת הגדרות
  • האם פריט מסומן דורש סקירה ידנית

החלטת הציות — מה לעשות — מוכנה מראש. הבחירה היומית — איזו ערכה — פועלת לפי כללים ברורים.

למדו כיצד ערכות תומכות בצינורות נתונים עקביים.

שישה שלבים לשליטה בהגדרות שלכם

שלב 1 — רשמו הגדרות נוכחיות

בקשו מכל חברי הצוות כיצד הגדירו את הכלי. כתבו את הפערים. זה מראה כמה סחף קיים.

שלב 2 — הגדירו קבוצות כללים מאושרות

לכל סוג מסמך, כתבו את ההגדרה המאושרת. קבלו אישור DPO.

שלב 3 — צרו ערכות בשם

הפכו כל קבוצת כללים מאושרת לערכה בשם. השתמשו בשמות ברורים. "תקן GDPR — נתוני לקוחות EU" עדיף על "Config1".

שלב 4 — הסירו הגדרות שנוהלו עצמית

הוציאו אפשרויות הגדרה אד-הוק מתהליכי עבודה סטנדרטיים. משתמשים בוחרים ערכות. הם אינם בונים מאפס.

שלב 5 — תעדו את התהליך

רשמו אילו ערכות נוצרו, על ידי מי ומתי. קבעו מחזור סקירה: רבעוני לערכות GDPR, שנתי לערכות HIPAA.

שלב 6 — בנו שביל ביקורת

יומנים צריכים להראות: אצווה X הורצה עם ערכת "תקן GDPR — נתוני לקוחות EU" בתאריך Y על ידי משתמש Z. קבוצת הכללים של הערכה מתועדת. השביל שלם.

ראו כיצד יומנים מוכנים לביקורת עוזרים במהלך ביקורת GDPR.

עלות ההמתנה

צוותים רבים מדלגים על ממשל ערכות. העלות מראש ברורה. עלות הסיכון מרגישה רחוקה.

החשבון משתנה כאשר מסתכלים על נתוני אכיפה אמיתיים:

  • פעולות אכיפת GDPR עלו ב-56% ב-2024 (דוח שנתי DLA Piper 2025)
  • כשלי תהליך בפעם הראשונה מייצרים לעיתים קרובות צווים מתקנים עם מועדים
  • ממצאים חוזרים באותו תחום מובילים לקנסות
  • כשלים לפי סעיף 32 גוררים קנסות מאלפים למיליונים, בהתאם לגודל ולחומרה

צו מתקן מכריח אתכם לבנות את הבקרות שהיה עליכם לבנות מוקדם יותר. תיקון תחת לחץ עולה בדרך כלל שלוש עד חמש פעמים יותר מפעולה ראשונה.

סיכום

סחף הגדרות אינו כשל מכוון. הוא התוצאה הצפויה של מתן לכל משתמש לנהל את הגדרותיו עצמאית ללא פיקוח מרכזי.

הדרכה טובה יותר אינה מתקנת זאת. רשומות ברורות יותר אינן מתקנות זאת. הסרת ניהול הגדרות עצמי מתהליך העבודה מתקנת זאת.

ערכות הן הצורה הטכנית של ציות שיטתי. הן מבטיחות שהחלטות שהתקבלו על ידי עובדים מוסמכים חלות על כולם — ללא קשר לניסיונם או שיקול דעתם.

צוותים מרחוק עומדים באתגר דומה בקנה מידה.

מקורות

מוכן להגן על הנתונים שלך?

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

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.