By · Last updated 2026-05-05

Vissza a BlograGDPR & Megfelelés

GDPR-sértés-e az anonimizáló eszközöd?

Az ír DPC TikTokkal szemben kiszabott 530 millió eurós bírságával egyértelmű precedenst teremtett: ha egy nem EU-s eszköz dolgozza fel az EU-s felhasználók adatait, az adatexport már az adatgyűjtés pillanatában megtörténik.

May 5, 20268 perc olvasás
GDPR data transfer violationTikTok DPC fineEU data processinganonymization tool GDPRArticle 46 data transfer

Anonimizáló eszköz és GDPR: a TikTok-bírság tanulságai

A TikTok-precedens

2025 májusában az ír Adatvédelmi Bizottság (Data Protection Commission, DPC) 530 millió eurós bírságot szabott ki a TikTokra. A vállalat EU-s felhasználói adatokat továbbított Kínába megfelelő biztosítékok nélkül.

A lényeg egyszerű: a jogsértés maga az exportálás volt — nem az adatgyűjtés, és nem az, mi történt Kínában. Az EU-s adatok nem EGT-s szerverre való küldése megsértette a GDPR 46. cikke (1) bekezdését.

A GDPR 44–49. cikke az EU-s adatok minden határon átnyúló továbbítására vonatkozik. Minden egyes továbbításnak jogalapra van szüksége. A leggyakoribb lehetőségek:

  • Megfelelőségi határozat (az EU jóváhagyja a fogadó ország jogszabályait)
  • A fogadó félre kötelező érvényű Általános Szerződési Feltételek (SCCs)
  • Kötelező erejű vállalati szabályok (BCR) nagy multinacionális cégek esetén
  • Egyéb 46. cikk szerinti mechanizmus

A GDPR-bírságok összege 2025-ig elérte az 5,65 milliárd eurót. A határon átnyúló jogsértések átlagos bírságösszege 18 millió euró (DLA Piper 2025), és ezek a GDPR legköltségesebb kategóriái közé tartoznak.

Az anonimizáló eszközök problémája

Sok EU-s vállalat személyes adatokat eltávolító, amerikai alapú eszközöket alkalmaz tartalmaihoz. Ez biztonságosnak tűnik: feltöltöd az EU-s ügyféladatokat, visszakapod a tisztított kimenetet, és azt az EU-ban tárolod.

Am a nyers személyes adatok először átmentek egy amerikai szerveren. Ez az átmenet a GDPR 44–49. cikke értelmében exportnak minősül. A jó szándék nem változtat a jogi megítélésen. Az adatok utólagos személyes adat-mentesítése sem teszi visszacsináltá a korábbi továbbítást — az export már megtörtént.

Az ír DPC TikTok-ügyben alkalmazott logikája itt is érvényes. A jogsértés az EU-s felhasználói adatok nem EGT-s szerverre való továbbítása. Egy olyan amerikai eszköz, amely EU-s személyes adatokat fogad be az USA-ban lévő szerverein, exportot fogadott. Ehhez SCC-kre, megfelelőségi határozatra vagy BCR-ekre van szükség — éppúgy, mint bármely más határon átnyúló továbbítás esetén.

A szervezetek ezt rendszeresen figyelmen kívül hagyják: azt feltételezik, hogy az anonimizálás eredménye felmentést ad az export alól. Nem ad felmentést. A jogi minősítés azon alapul, mi hagyta el az EU-t — nem azon, mi érkezett vissza.

A zéró-ismereti megoldás

A megoldás architekturális jellegű. Egy olyan eszköz, amely soha nem kap személyes adatokat, nem okozhat határon átnyúló jogsértést.

A zéró-ismereti (zero-knowledge) architektúra a személyes adat detektálását helyben tartja. A feldolgozás a felhasználó böngészőjében vagy helyi alkalmazásában fut. Az eszköz szervere csak a tisztított kimenetet látja — valódi nevek, azonosítók és elérhetőségek helyett tokeneket.

A GDPR alapján a személyes adatot nem tartalmazó kimenet nem tartozik az exportra vonatkozó szabályok hatálya alá. Valódi tartalom nem hagyta el az EU-t.

Ez a különbség a GDPR 30. cikke szerinti nyilvántartások szempontjából is meghatározó. Egy zéró-ismereti EU-s eszközre vonatkozó ROPA-bejegyzés nem tartalmaz határon átnyúló adattovábbítást. Egy olyan amerikai eszközre vonatkozó ROPA-bejegyzés viszont, amely nyers EU-s személyes adatokat kap, exportot rögzít — és ahhoz egyértelműen dokumentált jogalapra van szükség.

Arról, hogy a ROPA-bejegyzéseknek mit kell tartalmazniuk: GDPR-megfelelési útmutató. A szükséges technikai ellenőrzési intézkedésekről: biztonsági megfelelési áttekintő. A különböző eszközökre vonatkozó dokumentálási tippekről: anonimizálási konzisztencia útmutató.

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.