anonym.legal

By · Last updated 2026-06-05

Povratak na BlogGDPR & Usklađenost

ANSPDCP Rumunjska: Otkrivanje CNP-a i GDPR provjere

ANSPDCP je utvrdio da 78% alata propusta rumunjski CNP uz odgovarajucu validaciju. CNP kodira spol, datum rodenja i zupaniju rodenja -- implikacije posebnih kategorija GDPR-a.

June 5, 20267 min čitanja
Romania ANSPDCPCNP checksum validationRomanian GDPRBPO complianceRomanian identifiers

ANSPDCP Rumunjska: Otkrivanje CNP-a i GDPR provjere

Azurirano za 2026.

Rumunjsko tijelo za zastitu podataka je ANSPDCP. Njezina procjena iz 2024. utvrdila je da 78% alata za osobne podatke ne uspijeva otkriti Cod Numeric Personal (CNP). Vecina preskace korak provjere kontrolne znamenke. Taj jaz stvara stvarni rizik uskladjenosti. Rumunjska obradjuje EU podatke za mnoge zapadne klijente. Izlozenost je siroka.

Najinformativniji nacionalni identifikator Rumunjske

CNP je 13-znamenkasti nacionalni identifikator. Svaka skupina znamenki sadrzi osobne podatke:

  • Znamenka 1: Kod spola i stoljeca. Muskarac roden 1900.-1999. = 1. Zena rodena 1900.-1999. = 2. Muskarac roden 2000.+ = 5. Zena rodena 2000.+ = 6. Muskarac strani rezident = 7. Zena strani rezident = 8. Ostali rezidenti = 9.
  • Znamenke 2-3: Zadnje dvije znamenke godine rodenja.
  • Znamenke 4-5: Mjesec rodenja (01-12).
  • Znamenke 6-7: Dan rodenja (01-31).
  • Znamenke 8-9: Kod zupanije. Pokriva 41 zupaniju i sest sektora Bukuresta (kodovi 01-52).
  • Znamenke 10-12: Redni broj rodenja unutar tog dana i zupanije.
  • Znamenka 13: Kontrolna znamenka.

Sama znamenka 1 otkriva bioloski spol. Prema clankku 9. GDPR-a, to ovaj broj svrstava u podatke posebne kategorije. Treba mu jaca zastita od obicnih osobnih podataka.

Kako funkcionira kontrolna znamenka: Uzmite prvih 12 znamenki. Pomnozite svaku njezinom tezinom (2, 7, 9, 1, 4, 6, 3, 5, 8, 2, 7, 9). Zbrojite rezultate. Podijelite s 11 i uzmite ostatak. Ostatak 10 daje kontrolnu znamenku 1. Ostatak 11 znaci da kod nije valjan. Svaki drugi ostatak je kontrolna znamenka.

Alati koji preskace ovaj test imaju dva nacina pogresnog funkcioniranja. Prvo, svaki 13-znamenkasti niz se oznacava kao podudaranje (lazno pozitivni). Drugo, osteceni broj prolazi provjeru uzorka, ali sadrzi lose podatke. Ti podaci trebaju pregled, a bivaju propusteni (lazno negativni).

Problemi NER-a u rumunjsko-jezicnim dokumentima

Pronadci identifikatore samo je dio posla. Rumunjski tekst dodaje vise prepreka otkrivanju.

Dijakriticka slova: Rumunjski koristi s cedilom, t cedilom, a sa zarezom, a s kircetom i i s kircetom. Alati trenirani na drugim jezicima cesto propustaju imena s tim slovima. Stari dokumenti u kodiranju Latin-2 dodaju jos vise pogresaka.

Formati adresa: Vrste ulica koriste kratice -- Str., Bd., Al., Cal. Nazivi gradova i opcina prate lokalna pravila. Parseri izgradeni za francuske ili njemacke adrese ovdje rade lose.

Promjena oblika imena: Imena mijenjaju oblik prema gramatickom padeza u rumunjskom. Isto ime osobe razlicito izgleda u razlicitim dijelovima recenice. NER modeli moraju to rukovati kako bi povezali imena kroz dokument.

Pogledajte nas vodic za otkrivanje osobnih podataka APAC regije o tome kako jezicne praznine utjecu na otkrivanje u ne-zapadnim pismima.

Kako se razvijaju slucajevi ANSPDCP-a

Slucajevi ANSPDCP-a pokazuju tri obrasca.

Slucajevi krsenja BPO-a: Dijeljene datoteke sadrze identifikacijske brojeve zaposlenika i EU korisnicke podatke bez enkripcije. Lose evidencije znace da tvrtka ne moze reci kojim zapisima je pristupljeno. To produzuje istragu i povecava kaznu.

Izlozba zdravstvenih podataka: Pacijentovi spisi -- nacionalni identifikator, identifikator zdravstvene iskaznice i dijagnoza -- dolaze do pogresne osobe. Alat za osobne podatke nije imao podrsku za ovaj format. Podaci su otisli bez maskiranje.

Neuspjesi prekogranicnog prijenosa: Tvrtka za outsourcing salje zapise vezane uz identifikator nekoj strani izvan EGP-a. Nema Procjene ucinaka prijenosa. Nema Standardnih ugovornih klauzula. Clanak 9. status podataka pretvara rutinsku prazninu u ozbiljniju povredu.

Tri mjere kontrole za uskladjenost s ANSPDCP-om

Ove tri cine minimalnu tehnicku osnovu:

  1. Otkrivanje CNP-a s modulo-11 validacijom -- podudaranje uzorka samo po sebi nije dovoljno.
  2. NER koji podrzava dijakriticka slova -- pokriva slova s cedilom, kircetom u UTF-8 i Latin-2 izvorima.
  3. Otkrivanje osobne iskaznice -- nacionalna iskaznica pojavljuje se uz CNP u mnogim vrstama dokumenata.

Za siri pogled na to kako nacionalni identifikatori stvaraju GDPR rizik, pogledajte nas vodic za otkrivanje EU nacionalnih poreznih identifikatora.

Izvori

Povezani Članci

GDPR & Usklađenost

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 & Usklađenost

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 & Usklađenost

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.

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

Započnite Besplatno SuđenjePogledajte Značajke

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.