anonym.legal

By · Last updated 2026-06-05

חזרה לבלוגGDPR ועמידה

מספר הלידה הצ'כי: קידוד מגדר ו-GDPR

מספר הלידה הצ'כי (rodné číslo) מקודד מגדר באמצעות קידוד חודש עם היסט 50 — מה שהופך אותו לנתון קטגוריה מיוחדת לפי סעיף 9 ב-GDPR. 67% מחברות צ'כיות משתמשות בכלים גרמניים.

June 5, 20267 דקות קריאה
Czech ÚOOÚrodné číslo detectionCzech GDPR compliancemanufacturing data protectionCentral Europe

ÚOOÚ ומספר הלידה: קידוד מגדר תחת GDPR

עדכון ל-2026

גוף הנתונים הצ'כי הוא ÚOOÚ. בשמו המלא: Úřad pro ochranu osobních údajů. הוא הוציא 58 פסיקות ב-2024. ממצא אחד מופיע בפרשות רבות. ה-rodné číslo (מספר לידה) עובד ללא זיהוי. כלי ה-PII שנמצא בשימוש נבנה לגרמנית או לאנגלית. לא הייתה לו לוגיקה למזהה זה. ÚOOÚ ברור: כלים חייבים לזהות את ה-rodné číslo עם אימות סכום ביקורת וטיפול נכון בהיסט מגדר.

Rodné Číslo: נתוני קטגוריה מיוחדת לפי מבנה

ה-rodné číslo, או RČ, משתמש בפורמט RRMMDD/XXXX.

  • RR — שתי הספרות האחרונות של שנת הלידה.
  • MM — חודש הלידה. עבור נשים, מתווסף 50. חודש 01 הופך ל-51. חודש 12 הופך ל-62.
  • DD — יום הלידה.
  • XXXX — רצף קצר של 3–4 ספרות ועוד ערך ביקורת (מודולוס 11).

היסט החודש של נשים הופך מספר זה לסמן של מין ביולוגי. היסט זה אינו אקראי. מערכת רישום האוכלוסין משתמשת בו לחיפוש מנהלי. סעיף 9 ל-GDPR מכסה נתונים המגלים תכונות אישיות. מין הוא אחד מהם. עמדת ÚOOÚ: כל מסמך עם rodné číslo מכיל נתונים הסמוכים לקטגוריה מיוחדת. חלה הגנה חזקה יותר.

כיצד ערך הביקורת עובד: עבור מספרים בני 10 תווים (שהונפקו לאחר 1954), הבסיס המלא בן 9 תווים חייב להתחלק ב-11. עבור מספרים בני 9 תווים (שהונפקו לפני 1954), אין ערך ביקורת. כלים חייבים לטפל בשניהם.

מה ÚOOÚ מגדיר כזיהוי נאות

הנחיות ÚOOÚ הטכניות לשנת 2024 עבור כלי PII קובעות שלוש דרישות.

טיפול בהיסט מגדר: מספרים עם ערכי חודש 51–62 הם מזהים תקינים לנשים. כלי שמתייחס לאלה כתאריכים לא תקינים מפספס בערך חצי מהאוכלוסייה הנשית הבוגרת.

גרסאות פורמט: לידות לפני 1954 נותנות מספרים בני 9 תווים ללא ערך ביקורת. לידות לאחר 1954 נותנות מספרים בני 10 תווים עם ערך ביקורת. שניהם חייבים להיות נתמכים.

אותות הקשר: במסמכים בשפה המקורית, המזהה מופיע ליד תוויות כמו "Rodné číslo:", "RČ:", או "r.č.:". NER מודע לשפה עוזר למצוא אותות אלה גם בטקסט חופשי.

בעיית חברת האם הגרמנית

67% מהחברות במדינה פורסות כלי PII שמוגדרים לגרמנית או לאנגלית. ÚOOÚ מצא זאת בסקר. שרשרת הכישלון בייצור היא צפויה.

חברת אם גרמנית פורסת כלי סריקה. הוא מוגדר למזהים גרמניים. נתוני HR — חוזים, רשומות בריאות, שכר — מכילים מספרי לידה. לכלי אין לוגיקה לסוג מזהה זה. כל מספר לידה נפספס. נתוני בריאות ושכר של עובדים עוברים ללא הבקרות שה-ÚOOÚ מחייב.

ÚOOÚ מחזיק את הבקר המקומי אחראי. "חברת האם שלנו בחרה בכלי" אינה הגנה תקינה. כלל האחריות של GDPR אינו מאפשר זאת.

רשימת תיוג לציות עבור חברות ייצור

אמצעות אלה חלות על חברות תעשייתיות עם כלי חברת האם הגרמנית.

  • זיהוי מספר לידה: גם בפורמט 9-תווים וגם 10-תווים. טיפול בהיסט חודש מגדר (50+). בדיקת ערך מודולוס-11 לגרסאות 10-תווים.
  • NER בשפה המקומית: spaCy cs_core_news או מודל שווה ערך. כלים גנריים מראים דיוק NER נמוך ב-23% לשפה זו.
  • זיהוי Číslo OP: ה-občanský průkaz (תעודת זהות לאומית) הוא מספר בן 9 תווים. הוא מופיע לצד מספר הלידה בסוגי מסמכים רבים.
  • IČO ו-DIČ: מספרי זיהוי עסקי ומס מופיעים בחוזים. שניהם זקוקים לכיסוי.
  • צינור רב-שפתי: סביבות מעורבות מכילות מסמכים בשפה המקומית, גרמנית ואנגלית. צינור חד-שפתי מפספס מופעים חוצי-שפות.

אכיפת ÚOOÚ עקבית. חברות שמציגות ראיות טכניות בביקורת מתמודדות עם קנסות נמוכים בהרבה.

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.