תובנות פרטיות נתונים
מאמרים מקצועיים על אבטחת AI, עמידה ב-GDPR, הגנת נתוני בריאות, ושיטות עבודה מומלצות לאנונימיזציה של PII.
כל המאמרים
עריכת מסמכים משפטיים: שמירת עיצוב ב-Word
73% מהמשפטנים מדווחים על קלקול עיצוב בעת שימוש בכלי עריכה חיצוניים (Bloomberg Law 2024). כישלון הרדקציה של קבצי DOJ Epstein חשף את בעיית שכבת הטקסט ב-PDF.
Excel ו-GDPR: סיכוני נתונים בגיליונות אלקטרוניים
בקשות זכות גישה לפי GDPR עלו ב-180% מ-2021 עד 2024 (EDPB). עיבוד DSAR ממוצע לוקח 12 שעות ידנית. מחלקות HR שמנהלות...
AI ארגוני: גישת מפתחים ללא סיכון
בנקים אסרו ChatGPT. המפתחים שלהם השתמשו בו מהבית בכל זאת. 27.4% מכל התוכן שהוזן לצ'אטבוטים של AI ארגוני מכיל נתונים רגישים (Zscaler).
שימוש ב-Cursor וב-Claude מבלי לדלוף קוד
Cursor טוען קבצי .env לתוך הקשר AI כברירת מחדל. חברת שירותים פיננסיים איבדה 12 מיליון דולר לאחר שאלגוריתמי מסחר קנייניים נשלחו לעוזר AI.
מדיניות AI ללא בקרות טכניות נכשלת
77% מעובדי ארגונים משתפים נתוני עבודה רגישים עם כלי AI למרות מדיניות האוסרת זאת. קבלן ממשלתי הדביק נתוני מבקשי סיוע בשיטפונות מ-FEMA.
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.
LLMs מפספסים 50% ממידע PHI קליני
סקר משנת 2025 מצא שכלים מבוססי LLM מפספסים יותר מ-50% ממידע PHI קליני במסמכים רב-לשוניים. 34.8% מכל הקלטים ל-ChatGPT מכילים נתונים רגישים.
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.
IDE מול דפדפן: אבטחת AI למפתחים
מפתחים משתמשים ב-AI בשני סביבות: IDE (Cursor, VS Code) ודפדפן (Claude.ai, ChatGPT). לכל אחת נדרשות בקרות שונות.
83% מתוספי AI מעולם לא עברו ביקורת
83% מתוספי Chrome עם הרשאות רחבות מעולם לא עברו ביקורת אבטחה (USENIX 2025). 45% מעובדי הארגונים משתמשים בתוספים שIT מעולם לא אישר.
39 מיליון דליפות מ-GitHub: סיכון כלי AI לקידוד
67% מהמפתחים חשפו בטעות סודות בקוד (GitGuardian 2025). 39 מיליון סודות דלפו מ-GitHub ב-2024, עלייה של 25% משנה לשנה.
KYC בקנה מידה: עלויות חיוביות שגויות
בנק דיגיטלי שמעבד 5,000 בקשות KYC יומיות ב-15 מדינות באיחוד האירופי מצא שצעד סריקת ה-PII שלו יוצר צבר של יומיים.
עריכה שקופה: ביקורות HIPAA
שיטת Expert Determination של HIPAA דורשת מתודולוגיה מתועדת. גילוי ראיות משפטי דורש נימוק לכל עריכה. 34% מה-DPO מדווחים על כלים לא מספקים לתיעוד ציות לאנונימיזציה.
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.
כלי אחד, 45 מדינות: מעל 267 סוגי ישויות
CPF ברזילאי כולל ספרות ביקורת. PAN הודי הוא אלפאנומרי בן 10 תווים. IBAN אירופאי משתנה ממדינה למדינה. פלטפורמות מסחר עולמיות אינן יכולות להרשות לעצמן כלים נפרדים.
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.
הגנה על השחרות: ציוני AI בבית המשפט
שופט שאל מדוע 47% ממסמך הוסתר. התשובה 'ה-AI סימן אותו' אינה בת-הגנה משפטית. הנה מה שהגנה אוטומטית בת-הגנה נראית.
כלי PII לאנגלית בלבד: אחריות GDPR
אכיפת GDPR חלה באופן שווה על פרצות בכל שפות ה-EU. כאשר כלי ה-PII הממוקד-אנגלית שלך מחמיץ מזהים גרמניים, צרפתיים או פולניים, החברה כבר כשלה ב-Article 32.
כלי PII לאנגלית בלבד: פער ה-GDPR
Steuer-ID גרמנית (11 ספרות עם סיכום בדיקה) שונה מבחינה מבנית מ-SSN אמריקאי. למספרי NIR הצרפתיים 15 ספרות. PESEL פולני ו-Personnummer שוודי — כלי PII שנבנו לאנגלית מחמיצים את כולם.
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.
התחל להגן על הנתונים שלך היום
267+ 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, 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.