Tehnički
Dubinsko istraživanje u detekciju PII-a, NER i tehnologiju anonimizacije
33 članci
Presidio: 3-tjedno postavljanje vs upravljani PII
Microsoft Presidio ima tisuce GitHub zvjezdica i stotine otvorenih problema. Slozеnost postavljanja, overhead integracije PySpark i Python ovisnosti cine ga zahtjevnim.
S 6 tjedana na 3 dana: postavljanje upravljanog PII-a
Healthcare SaaS timovi trose 6 tjedana na samo-hostiranu produkcijsku implementaciju Presidia prije prelaska na upravljani API. Upravljani API zamjenjuje cijelu implementaciju.
Besplatna detekcija PII-a kosta 13.000 EUR godisnje
Samo-hostirani Presidio zahtijeva 40-80 sati pocetnog postavljanja i 5-10 sati mjesecnog odrzavanja. Po stopi od 100 EUR/sat, to iznosi 13.200+ EUR.
Presidio problem preciznosti od 22,7%
Benchmark iz 2024. otkrio je da Presidioov prepoznavac osobnih imena postize 22,7% preciznosti u poslovnim dokumentima - sto znaci da je 77,3% detekcija laznih pozitivnih.
Reproduktabilna privatnost: ML predlošci
Anonimizacija ML podataka za treniranje mora biti dosljedna i reproduktabilna. Ako istrazivaci podataka A i B primijene razlicite vrste entiteta, skupovi podataka za treniranje su.
GDPR cjevovod: Anonimizirajte PII prije pohrane
dbt oznake stupaca nisu GDPR uskladjenost. Sirovi podaci kupaca dolaze u vas Snowflake skladiste bez maskiranja prije nego sto se primijene politike zasnovane na oznakama.
FOIA: AI redakcija smanjuje tjedne cekanja na sate
Americka savezna vlada potrosila je procijenjenih 500 milijuna dolara na obradu FOIA zahtjeva u 2024., uglavnom na rucnu redakciju. ARPA-H je izricito trazio softver za AI redakciju.
GDPR i ML: Anonimizacija podataka za trening
GDPR ogranicava koristenje osobnih podataka za treniranje ML modela izvan izvorne svrhe prikupljanja. Timovi koji se oslanjaju na ad-hoc Python skripte stvaraju sustavne probleme uskladjenosti.
FOIA: 80% brze uz batch redakciju
Americke federalne agencije primile su 1,5 milijuna FOIA zahtjeva u FY2024 po prosjecnom trosku od 482 dolara po zahtjevu. Batch redakcija osobnih podataka smanjuje vrijeme obrade od mieseci na tjedne. Evo kako agencije postizu 80% smanjenje troskova.
Presidio vs. anonym.legal: izgraditi ili kupiti?
Microsoft Presidio je tehnicki besplatan, ali ispravno postavljanje kosta 40 do 80 sati inzenjerskog rada. anonym.legal isporucuje istu ML tocnost kao upravljani SaaS.
Privatnost Bez Mreze: Anonimizacija Offline
FedRAMP i ITAR okruzenja imaju jednu zajednicku stvar — oblak nije opcija. Reverzibilna pseudonimizacija prema GDPR Cl.
Porez na lazne pozitive PII alata
Presidio GitHub problem #1071 dokumentira sustavne lazne pozitive. Studija iz 2024. pronasla je preciznost od 22,7% u skupovima podataka tvrtki s mijesanim jezicima.
Arapski i hebrejski PII: Zapadni alati zakazuju
GDPR ne prestaje na Bosporu. Arapski i hebrejski PII u EU poslovnim tokovima rada sustavno je nezasticen. XLM-RoBERTa visejezicna detekcija i.
PII u visejezicnim dokumentima: jednojezicni alati zataje
72% EU poduzeca istodobno obradjuje dokumente na 3 ili vise jezika. Visejezicni dokumenti uzrokuju 45% visu stopu promasivanja PII podataka u jednojezicnim NER alatima.
APAC PII: tajski, indonezijski, vijetnamski
Singapurski fintech koji obrađuje 500 000 razgovora podrške mjesečno na 12 APAC jezika otkrio je da njihov alat samo za engleski propušta PII u 60% ne-engleskih chatseva. Evo što višejezična detekcija entiteta znači za BPO usklađenost.
Lažno pozitivni: Zašto ML redakcija ne uspijeva
Benchmark iz 2024. pokazao je da je Presidio generirao 13 536 lažno pozitivnih otkrivanja imena u 4 434 uzorka — označavajući zamjenice, nazive brodova i nazive zemalja kao imena osoba. Evo što to košta u pravnom i zdravstvenom okruženju.
ISO 27001 + ZK skraćuje vrijeme procjene dobavljača
Istraživanje iz 2025. pokazalo je da je 'nedostatak priznatog sigurnosnog certifikata' drugi najčešći razlog zbog kojeg CISO-ovi isključuju SaaS dobavljače. Evo što kombinacija ISO 27001 + zero-knowledge znači za provjeru.
ZK arhitektura skraćuje prodajne cikluse
Upitnici o sigurnosti enterprise dobavljača u prosjeku sadrže više od 100 pitanja. Zero-knowledge arhitektura daje definitivan odgovor na ona najteža — i zatvara poslove.
Proboj LastPassa: Lekcije o sigurnosti dobavljača
LastPass je šifrirao podatke korisnika. Trezori su i dalje bili izvučeni. Slijedilo je 600K+ Okta zapisa. SaaS sigurnosni incidenti povećali su se 300% od 2022. do 2024. Evo što priprema timova za kupnju treba pokriti.
Procjena ZK tvrdnji nakon LastPassa
438 milijuna USD ukradeno je od korisnika LastPassa nakon što su njihovi kriptirani trezori bili probijeni. Uslijedila je kazna ICO-a od 1,2 milijuna funti. Evo kontrolnog popisa za procjenu je li tvrdnja dobavljača o nultom znanju stvarna.
LangChain CVE-2025-68664: Kako osobni podaci cure kroz vas RAG pipeline
CVSS 9.3. LangChainove funkcije serijalizacije izlazu varijable okruzenja i tajne napadacem kontroliranim LLM-ovima. Kako otkriti i ispraviti curenja osobnih podataka.
LibreOffice prosirenje za anonimizaciju osobnih podataka
Vodic korak po korak za anonimizaciju osobnih podataka u LibreOffice dokumentima koristeci anonym.legal prosirenje.
LibreOffice vs. Office: Redakcija osobnih podataka
Detaljna usporedba mogucnosti anonimizacije osobnih podataka u LibreOffice-u (anonym.legal prosirenje) vs. Microsoft Office-u (Office dodatak).
Zasto binarna detekcija osobnih podataka ne zadovoljava zahtjeve uskladjenosti
Zastavice detektirano/nije detektirano ne mogu podrzati obranjive odluke o redakciji. Bodovanje pouzdanosti pretvara anonimizaciju osobnih podataka iz binarnog nagadjanja u revizijsku kontrolu uskladjenosti.
Fragmentacija formata dokumenata u alatima za PII
Jedan odgovor na DSAR moze obuhvatiti Word ugovore, PDF fakture, Excel popise korisnika i CSV izvoze. Koristenje razlicitih alata za svaki format stvara praznine u sukladnosti.
Anonimizacija GDPR zapisnika: nastavite s otklanjanjem gresaka
Aplikacijski zapisnici tihо akumuliraju korisnicke emailove, IP adrese i brojeve racuna. Evo kako dijeliti zapisnike s trecim stranama, izvodjacima i platformama za nadzor.
GDPR u aplikacijskim zapisnicima: sukladnost JSON PII-ja
Aplikacijski zapisnici sadrze korisnicke adrese e-poste, IP adrese i brojeve racuna koje GDPR clan 5(1)(e) zahtijeva da budu upravljani.
Meduaplikacijska zastita osobnih podataka: Word, Chrome i AI
Podaci o klijentima prelaze iz istrazivanja u pregledniku u nacrte u Wordu i u upite u Claudeu. Svaki prelaz konteksta potencijalna je tocka curenja.
Meduplatformska zastita osobnih podataka: Mac, Linux i Windows
Sluzbenici za privatnost na Macu, pravnici na Windowsima, inzenjeri podataka na Linuxu - svi obradjuju iste podatke razlicitim alatima. Evo zasto je OS-neovisna detekcija kljucna.
Air-Gapped uklanjanje osobnih podataka: Offline-first za obranu
41% sigurnosnih politika poduzeća zabranjuje cloud obradu klasificiranih dokumenata. Saznajte kako lokalni desktop alat ispunjava taj zahtjev.
Reverzibilna nasuprot trajnoj redakciji: Pravi odabir
GDPR razlikuje anonimizaciju od pseudonimizacije. Sudovi trebaju originale. Istraživanja trebaju ponovnu identifikaciju. Saznajte kada koristiti koji pristup.
Višejezični NER: Engleski zakazuje za arapski
NER modeli obučeni na engleskom dosežu 85–92% točnosti. Arapski i kineski? Često 50–70%. Saznajte o tehničkim izazovima i kako izgraditi stvarno višejezično rješenje.
Koristite Claude i ChatGPT bez curenja osobnih podataka
Vodič za programere za sigurno korištenje AI asistenata. Postavite MCP Server integraciju za transparentnu zaštitu osobnih podataka u Claude Desktopu, Cursoru i VS Codeu.
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.