By · Last updated 2026-06-04

Vissza a BlograGDPR & Megfelelés

Az anonimizálási presetek megszüntetik az inkonzisztenciát

Ha 8 paralegális önállóan konfigurálja a PII-anonimizálást, az inkonzisztencia elkerülhetetlen. A GDPR-ellenőrök a szisztematikus, következetes alkalmazást keresik.

June 4, 20266 perc olvasás
GDPR auditprivacy configurationanonymization consistencyteam compliancepresets

Az anonimizálási presetek megszüntetik az inkonzisztenciát

Egy jogi csapat nyolc paralegálissal dolgozza fel az ügyfélaktákat. Mindegyiküknek más elképzelése van arról, mit jelent a „PII anonimizálása”:

  • A paralegális: kiszűri a neveket, figyelmen kívül hagyja a címeket
  • B paralegális: a neveket álnevekre cseréli, minden mást kiszűr
  • C paralegális: neveket és e-mail-címeket szűr ki, a telefonszámokat elfelejtette
  • D paralegális: a 2022-es eljárási dokumentumot követi, amelyet azóta kétszer frissítettek

A fájlok egységesnek látszanak. Nem azok. Egy ellenőrzés ugyanazon a héten és ugyanolyan ügy-típusnál különböző módokon kezelt PII-típusokat talál.

Ez konfigurációs eltérés. Ez olyan GDPR-hiba, amely adatszivárgás nélkül is bírságot vonhat maga után.

Miért összpontosítanak az ellenőrök a következetességre?

A GDPR 5. cikk (2) bekezdése megköveteli az adatkezelőktől, hogy bizonyítsák a megfelelést. Nem csupán elérjék azt — hanem bizonyítsák. Ez azt jelenti, hogy szisztematikus folyamatot kell bemutatni valódi bizonyítékkal.

Egy adatvédelmi hatóság ellenőre, aki a PII-kezelési gyakorlatokat vizsgálja, három dolgot keres:

  1. Írott eljárás: Mely PII-típusokat kell felismerni, és hogyan kell kezelni?
  2. Eszközbeállítás: Az aktív eszközbeállítások megfelelnek-e az eljárásnak?
  3. Alkalmazott bizonyíték: A fájlok feldolgozása az eljárásnak megfelelően történt-e?

Ha különböző munkatársak különböző kimeneteket produkálnak ugyanolyan fájltípusnál, a megfelelés nem bizonyítható. Az ellenőr nem tudja megerősíteni, hogy az eljárást betartották.

A GDPR 24. és 32. cikke szisztematikus és ellenőrizhető technikai kontrollokat ír elő. A személyenként változó beállítások nem felelnek meg ennek a követelménynek.

Miért alakul ki a konfigurációs eltérés?

A konfigurációs eltérés akkor következik be, ha több feltétel egyszerre áll fenn:

Nincs jóváhagyott profil. A munkatársak a szabályok saját értelmezése alapján választják a beállításokat.

A képzés homályos. A „Használja a PII-eszközt” utasítás, anélkül hogy megnevezné, mely típusokat kell felismerni vagy milyen módszert alkalmazni, nem elegendő.

Túl sok lehetőség. 285+ entitástípus esetén a munkatársak döntési fáradságot élnek át, ha nincs jóváhagyott profil, amely irányítaná őket.

Az eljárások papíron maradnak. Egy írott ellenőrzőlista nem tudja megakadályozni, hogy egy csapattag más döntéseket hozzon az eszközben.

Munkaerő-fluktuáció. Az új munkatársak a nulláról építik fel saját beállításaikat, ahelyett hogy egy tesztelt és jóváhagyott profilt örökölnének.

A presetek mint technikai kontrollok

A megosztott presetek technikai szinten oldják meg a konfigurációs eltérést.

Kódolja be a megfelelési döntést. Ahelyett, hogy azt mondaná a munkatársaknak: „Szűrjék ki a neveket, a címeket, a telefonszámokat és a nemzeti azonosítókat a Kiszűrés módszerrel”, hozzon létre egy „Ügyfélfelülvizsgálat — GDPR-szabvány” elnevezésű presetet pontosan ezekkel a beállításokkal. A döntést egyszer hozzák meg. Minden alkalommal alkalmazzák.

Szüntesse meg a személyenkénti döntéseket. Az operátor feladata a következő lesz: válassza ki a presetet, töltse fel a fájlokat, töltse le a kimenetet. Nincs kiválasztandó beállítás. Nincs kijelölendő PII-típus. Nincs döntendő módszer.

Ossza meg az egész csapattal. Egy preset kerül az összes munkatárshoz. Az új munkatársak az első naptól ugyanazt a beállítást kapják. A fluktuáció nem állítja vissza a standardot.

Nevezze el a preseteket a feladatuk szerint:

  • „Ügyfélfelülvizsgálat — GDPR-szabvány”
  • „HIPAA Safe Harbor — Klinikai rekordok”
  • „FOIA-válasz — 6. mentesség”
  • „Belső HR-rekordok — EU-bérszámfejtés”

A munkatársak a feladatukhoz illő presetet választják. Nem a nulláról építenek beállítást.

A jogi csapat esettanulmánya

Nyolc paralegális. Inkonzisztens PII-kezelés. Ellenőrzési észrevétel. A megoldás:

1. lépés: Határozza meg a jóváhagyott beállításokat. Az adatvédelmi tanácsadó meghatározza a PII-típusokat és módszereket minden fájlkategóriához. Ezt a döntést egyszer hozza meg a megfelelő személy.

2. lépés: Hozzon létre elnevezett preseteket.

  • „Ügyfélfelülvizsgálat — GDPR”: nevek, címek, telefonszámok, nemzeti azonosítók — Kiszűrés
  • „HR-fájlok”: nevek, születési dátumok, bérjegyzék-adatok, címek — Álnevesítés
  • „Harmadik fél levelezése”: nevek, e-mail-címek, telefonszámok — Csere

3. lépés: Ossza meg a könyvtárat. Mind a nyolc paralegális hozzáférést kap. A régi ad hoc beállítások törlésre kerülnek.

4. lépés: Frissítse az eljárást. „Az ügyfélakták felülvizsgálatához: alkalmazza az 'Ügyfélfelülvizsgálat — GDPR' presetet.” Egy sor felváltja az oldalakra terjedő útmutatást.

5. lépés: Hozzon létre audit trail-t. A feldolgozási naplók rögzítik, melyik presetet alkalmazták és mikor. Az ellenőr látja a preset nevét, pontos beállításait és az utolsó felülvizsgálat dátumát. A megfelelés bizonyítható.

A megfelelési vezető többé nem ellenőrzi a személyenkénti beállításokat. A preset maga a kontroll.

Megfelelési sablonok: kiindulópontok

Az előre beépített sablonok csökkentik a kezdeti beállítási munkát a leggyakoribb keretrendszerekhez.

GDPR-szabvány: Nevek, címek, nemzeti azonosítók, e-mail-címek, telefonszámok, születési dátumok. A teljes adatcsökkentéshez Kiszűrés módszer.

HIPAA Safe Harbor: Mind a 18, szövegben felismerhető PHI-azonosítótípus. A dátumkezelés csak az évet tartja meg.

FOIA 6. mentesség: Nevek, otthoni címek, személyes e-mail-címek, személyes telefonszámok. Kiszűrés fekete sávos kimenettel.

PCI-DSS: Bankkártyaszámok (minden nagy márka), CVV-minták, PIN-számok. Kiszűrés módszer.

Ezek kiindulópontok. A csapatok egyedi PII-típusokat — belső azonosítókat, telephelyspecifikus formátumokat — adnak hozzá a jóváhagyott profil kiegészítéséhez.

Arról, hogyan működik a preset-irányítás a távoli csapatok körében, lásd: távmunkás GDPR-platform-inkonzisztencia és konfigurációs eltérés mint GDPR-megfelelési kockázat. A gépi tanulási csapatok ugyanezt a megközelítést alkalmazhatják — lásd: reprodukálható adatvédelmi presetek ML-betanítási adatokhoz.

Összefoglalás

A GDPR-megfelelés nem csupán egy adott napon helyes PII-kezelést jelent. Azt jelenti, hogy szisztematikus és következetes folyamatot kell bemutatni az összes munkán. A konfigurációs eltérés ellenőrzési kockázat. Adatszivárgás nélkül is bírságot vonhat maga után.

A megosztott presetek technikai szinten kódolják be a megfelelési döntéseket. Az audit trail megmutatja, melyik presetet alkalmazták. A kimenet egységes, mert a beállítás egységes.

A jó szándékok nem élik túl a munkaerő-fluktuációt és a mindennapi munkanyomást. A presetek igen.

Források

Készen áll az adatai védelmére?

Kezdje el a PII anonimizálását 285+ entitástípuson 48 nyelven.

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.