Sigurnost AI-a
Zaštita osjetljivih podataka u doba AI-a i GenAI alata
27 članci
Sprecavanje curenja osobnih podataka steduje 2,2 milijuna dolara vise od detekcije
IBM je pronasao razliku od 2,2 milijuna dolara izmedju sprecavanja i detekcije. Evo matematike koja cini presretanje osobnih podataka u stvarnom vremenu obaveznim za sigurnosne timove.
GDPR clanak 32: Pracenje izlozenosti osobnih podataka u AI alatima
Timovi za uskladjenost u poduzecima trebaju kvantitativne dokaze o kontrolama osobnih podataka u AI alatima. Mrezni DLP propusta interakcije s AI alatima u pregledniku.
Sprecavanje curenja osobnih podataka u AI alatima u stvarnom vremenu
Kada zaposlenik utipka ime kupca u ChatGPT, podaci odmah napustaju organizaciju. Naknadni DLP ne moze ponistiti ono sto je vec poslano.
GDPR i AI za podrsku: Prilagodljivi identifikatori su vazni
AI alati za korisnicku podrsku primaju poruke koje sadrze imena, adrese e-poste I ID-ove narudzbe. Standardni PII alati uklanjaju adrese e-poste, ali ostavljaju ID-ove narudzbe netaknutima.
Krade li vas AI alat za privatnost vase podatke?
67% AI Chrome prosirenja prikuplja korisnicke podatke. Incidenti u prosincu 2025. ugrozili su 900 tisuca korisnika kroz prosirenja koja su se predstavljala kao alati za privatnost.
3,8 dnevnih PII izlaganja u timovima podrske
Svaki agent podrske koji koristi ChatGPT prosjecno napravi 3,8 lijepljenja osjetljivih podataka dnevno. Za tim od 100 osoba to je 380 dnevnih GDPR incidenata izlaganja.
Nakon incidenta s prosirenjima i 900 tisuca korisnika
U sijecnju 2026. dva su zlonamjerna Chrome prosirenja instalirana na 900 tisuca+ racunala eksfiltrirala potpune ChatGPT i DeepSeek razgovore svakih 30 minuta.
Zasto Politika Ne Moze Zaustaviti ChatGPT Curenja Osobnih Podataka
77% korporativnih korisnika AI-ja kopira i lijeplja podatke u upite chatbota. Gotovo 40% ucitanih datoteka sadrzi osobne podatke ili PCI podatke. Predlozen je update HIPAA Security Rule-a.
Enterprise AI: Pristup za programere bez rizika
Banke su zabranile ChatGPT. Njihovi programeri su ga svejedno koristili od kuce. 27,4% svih sadrzaja unesenih u enterprise AI chatbotove sadrzi osjetljive podatke (Zscaler).
Koristenje Cursora i Claudea bez curenja koda
Cursor standardno ucitava .env datoteke u AI kontekst. Financijska firma izgubila je 12 milijuna dolara nakon sto su vlasnicke algoritme za trgovanje poslane AI asistentu.
AI politika bez tehnickih kontrola ne funkcionira
77% zaposlenika dijeli osjetljive radne podatke s AI alatima unatoc politikama koje to zabranjuju. Vladini podugovarac zalijepili su FEMA podatke o korisnicima poplava.
IDE nasuprot preglednika: sigurnost AI za programere
Programeri koriste AI u dva okruzenja: IDE (Cursor, VS Code) i preglednika (Claude.ai, ChatGPT). Svako zahtijeva razlicite kontrole.
83% AI prosirenja nikad nije revidirano
83% Chrome prosirenja sa sirim dozvolama nikad nije sigurnosno revidirano (USENIX 2025). 45% zaposlenika u poduzecima koristi neodobrena prosirenja.
39 milijuna GitHub curenja: rizik AI kodiranja
67% programera je slucajno izlozilo tajne u kodu (GitGuardian 2025). 39 milijuna tajni procurilo je na GitHubu u 2024., sto je porast od 25% u odnosu na prethodnu godinu.
Vibe Coding i curenje osobnih podataka: Sigurnosni rizik o kojem nitko ne govori
Kod generiran umjetnom inteligencijom rijetko ukljucuje rukovanje osobnim podacima. 73% aplikacija razvijenih vibe codingom obradjuje osjetljive podatke bez anonimizacije. Sto programeri trebaju znati.
MCP posluznici sigurnost 2026.: 8.000 izlozeno, 492 bez autentikacije
8.000+ Model Context Protocol posluznika javno je izlozeno. 492 nema nikakve autentikacije. 36,7% je ranjivo na SSRF. Zastitite osobne podatke u vasim MCP alatima.
DLP u preglednicima: Blokiranje vs. Anonimizacija 2026.
Dva pristupa DLP-u u preglednicima: blokiranje sprecava slanje osobnih podataka AI alatima; anonimizacija transformira podatke prije slanja. Objektivna usporedba.
Samsung je izgubio izvorni kod kroz ChatGPT tri puta
Tri odvojena Samsungova inženjerska tima zalijepila su vlasnički kod i povjerljive podatke u ChatGPT u travnju 2023. Svaki incident otkrio je drugačiji aspekt iste temeljne praznine.
Zabrane AI-a u poduzećima: produktivnost naspram rizika
27,4% sadržaja u enterprise AI chatbotovima sadrži osjetljive podatke — porast od 156% na godišnjoj razini. Ipak, 71,6% pristupa se odvija putem osobnih računa koji zaobilaze korporativne DLP kontrole. Zabrane AI-a ne funkcioniraju. Evo tehničke alternative.
Sigurne AI proširenja za privatnost u 2026.
U siječnju 2026. dva su zlonamjerna Chrome proširenja s više od 900 000 korisnika uhvaćena kako eksfiltriraju ChatGPT i DeepSeek razgovore svakih 30 minuta. Evo kako razlikovati sigurna od nesigurnih proširenja.
DLP u preglednicima za ChatGPT, Claude i Gemini
Tradicionalni poduzetnicki DLP izgraden je za prijenos datoteka i e-postu, ne za AI chatbotove. Ovaj vodic pokriva prevenciju gubitka podataka u preglednicima za ChatGPT.
Zalijepi i zaboravi: Zasto automatsko isticanje bije obuku za uskladjenost
62% zaposlenika koji koriste AI alate za podatke kupaca 'ponekad' zaborave ukloniti osobne podatke. Evo zasto automatsko isticanje uklanja razliku u uskladjenosti bolje od obuke.
Osobni podaci na snimkama zaslona: curenje u internim alatima
Slack, Teams, Jira i e-posta redovito primaju snimke zaslona koje sadrze osobne podatke korisnika. Ova povreda kontrole pristupa zaobilazi svaki DLP alat.
Osobni podaci u internoj wiki: podaci korisnika u Confluenceu
Timovi podrske dokumentiraju procese snimkama zaslona korisnickih racuna. Kroz 3 godine, to su tisuce povreda minimizacije podataka prema GDPR-u u vasem sustavu.
AI pomocnici za kodiranje propustaju produkcijske osobne podatke
Testne datoteke s fiksturama od stvarnih korisnika. Datoteke zapisa s produkcijskim podacima za otklanjanje gresaka. GitHub je pronasao 39 milijuna procurjelih tajni u 2024.
900.000 korisnika imalo je ukradene AI razgovore
Dvije zlonamjerne Chrome ekstenzije ukrale su ChatGPT razgovore od 900.000+ korisnika. Jedna je nosila Googleovu oznaku 'Featured'.
AI: Glavni kanal za krađu podataka
77% zaposlenika unosi osjetljive podatke u AI alate. GenAI sada čini 32% svih korporativnih curenja podataka. Saznajte kako zaštititi svoju organizaciju.
Započnite Zaštitu Vaših Podataka Danas
285+ vrsta entiteta, 48 jezika, sigurnost razine poduzeća po cijenama za startupe.
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.