By · Last updated 2026-06-05

Povratak na BlogGDPR & Usklađenost

Fragmentacija alata za osobne podatke uzrokuje neuspjeh revizija uskladenosti

Cetiri razlicita alata za cetiri razlicita tijeka rada znaci cetiri razlicita skupa pokrivenosti entiteta i cetiri razlicita revizijska traga.

June 5, 20267 min čitanja
compliance audittool fragmentationISO 27001GDPR controlsPII tools

Sto revizori pitaju o kontrolama osobnih podataka

GDPR i ISO 27001 revizori postavljaju standardno pitanje. "Koje kontrole imate za anonimizaciju osobnih podataka?"

Zele jedan jasan odgovor. Jednu kontrolu. Primijenjenu na isti nacin svaki put. S dokumentacijom i dokazom.

Rizican odgovor zvuci ovako: "Ovisi o kontekstu. Chrome ekstenzija za pregledavanje interneta. Word makro za pravne dokumente. Python skripta za skupne datoteke. Web aplikacija za hitne zahtjeve."

Taj odgovor pokrece dodatna pitanja. "Koji su praznine u pokrivenosti izmedju ovih alata? Gdje je revizijski trag?"

Fragmentirani alati ne mogu odgovoriti na ta pitanja. To je problem uskladenosti.

Problem konzistentnosti pokrivenosti

Razliciti alati za osobne podatke koriste razlicite metode otkrivanja. Njihovi rezultati se razlikuju — ponekad znatno.

Alati samo s regularnim izrazima traze fiksne uzorke. Format JMBG-a. Format e-poste. Format kreditne kartice. Propustaju entitete temeljene na NER-u. Osobna imena i formati izvan SAD-a ostaju neotkriveni.

Alati samo s NER-om otkrivaju tipove entiteta koristeci obucene modele. Propustaju entitete temeljene na uzorku. IBAN-ovi i prilagodjeni identifikatori prolaze ako nisu u podacima za obuku.

Svaki alat ima razlicitu pokrivenost entiteta. Svaki alat ima razlicite pragove pouzdanosti. Isti dokument kroz Alat A i Alat C moze proizvesti razlicite rezultate. VERIFIED.

Ovo stvara izravnu prazninu uskladenosti. Alat A se koristi za PDF-ove. Alat B se koristi za Excel. Alat A otkriva datume rodjenja. Alat B to ne cini. Isti datum rodjenja osobe anonimiziran je u PDF-ovima ali izlozen u Excel datotekama.

Praznina ovisi o formatu datoteke — ne o politici. Ne o namjeri.

Istrazitelji DPA-a mogu pronaci ovu prazninu u istrazi povrede. Nedosljednost alata postaje cimbenik u izlozenosti. VERIFIED — GDPR Clanak 32 zahtijeva sistemske tehnicke mjere.

Problem revizijskog traga

Uskladenost zahtijeva dokaze o dosljednoj primjeni kontrola. Za anonimizaciju osobnih podataka, ti dokazi su revizijski trag.

Cetiri alata proizvode cetiri razlicita formata zapisa. Neki ne proizvode nikakav zapis.

Word makro ne stvara revizijski zapis. Python skripta moze pisati u lokalnu datoteku. Ta datoteka nije povezana s vasim sustavom za uskladenost. Chrome ekstenzija moze pisati zapise na strani preglednika. Ti zapisi nisu dostupni za pregled uskladenosti.

Kada istraga DPA-a trazi dokazni materijal revizije, jedan odgovor funkcionira. To je centralizirani zapis. Pokriva svu obradu anonimizacije na svim platformama.

Drugi odgovor ne funkcionira. Zapisi na lokalnom stroju programera od Word makroa nisu dovoljni.

Obrada na jednoj platformi cini jedan revizijski trag mogucim. Fragmentirani alati to cine nemogucim.

Za detalje o zahtjevima revizijskog traga, pogledajte objasnjiva redakcija i HIPAA revizijski tragovi.

Problem pomaka konfiguracije

S vremenom, razliciti alati razvijaju razlicite konfiguracije. To se dogadja polako i bez upozorenja.

Razmotrite uobicajeni uzorak. Chrome ekstenzija se azurira s prilagodjenim tipovima entiteta. Python skripta se ne azurira. Word makro je postavilo clanovi tima koji je od tada odustao. Nitko ne zna trenutne postavke. Preset web aplikacije mijenja se radi iskljucivanja naziva izvrsitelja. Ta promjena nikada ne stize do ostalih alata.

Azuriranje jednog alata bez azuriranja ostalih uzrokuje pomak. S vremenom, pomak uzrokuje praznine.

ISO 27001 revizori traze dokumentaciju konfiguracije. "Imamo cetiri alata, cetiri konfiguracije i nismo sigurni jesu li trenutne" nije dobar odgovor. VERIFIED — ISO/IEC 27001:2022 Prilog A 8.11 (Maskiranje podataka) zahtijeva dokumentirane, dosljedne kontrole; ISO/IEC 27001:2022.

ISO 27001 nalaz u praksi

Tvrtka za uskladenost s 15 zaposlenih koristila je cetiri alata. Web scraper za online podatke. Windows desktop alat za skupne datoteke. Word makro za pravne dokumente. Chrome ekstenzija za AI alate.

ISO 27001 revizija proizvela je nalaz. Razliciti rezultati otkrivanja na raznim platformama. Nema centraliziranog revizijskog traga. Praznina u Prilogu A 8.11. Kontrola nije prikazana kao dosljedno primijenjena. VERIFIED-EXTERNAL — ovo odgovara dokumentiranim obrascima nesukladnosti ISO 27001 Prilog A 8.11.

Nalaz je zahtijevao plan korektivnih mjera. Korektivna mjera bila je konsolidacija platforme.

Nakon konsolidacije, tvrtka je imala jedan motor otkrivanja na svim cetiri platformama. Isti preseti primijenjeni su u svakom kontekstu. Sva obrada bila je evidentirana na jednom mjestu. ISO 27001 nalaz zatvoren je na sljedecoj reviziji.

Projekt je trajao sest tjedana. Zamijenio je 12-stranicni odgovor korektivnih mjera zatvorenim nalazom.

Za vise o tome kako dosljedna anonimizacija podrzava GDPR pripremljenost za reviziju, pogledajte dosljednost anonimizacije, preseti i GDPR revizije.

Test narative uskladenosti

Mozete li odgovoriti na ova cetiri pitanja bez oklijevanja?

  1. Koji se tipovi entiteta otkrivaju na svim platformama koje vas tim koristi?
  2. Koji je prag otkrivanja za svaki tip entiteta, dosljedno na svim platformama?
  3. Gdje je centralizirani revizijski trag za svu anonimizaciju u posljednjih 12 mjeseci?
  4. Kako osiguravate da se promjene konfiguracije primjenjuju na svim platformama?

Ako ikoje pitanje uzrokuje oklijevanje, fragmentacija stvara rizik uskladenosti.

Cist odgovor na sva cetiri pitanja je ostvariv. Zahtijeva jedan motor na svim platformama. Bez toga, svaki alat stvara vlastitu prazninu pokrivenosti. Vlastiti silo revizijskog traga. Vlastiti pomak konfiguracije.

Revizori primjecuju ove praznine. Istrazitelji DPA-a mogu ih iskoristiti. Konsolidacija prije nalaza revizije daleko je lakse od konsolidacije nakon njega.

Za vise o tome kako fragmentacija alata utjece na GDPR kontrole vise platformi, pogledajte GDPR revizija i fragmentacija alata za osobne podatke na platformama.

Izvori

Spremni za zaštitu vaših podataka?

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

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.