By · Last updated 2026-04-14

Vissza a BlograGDPR & Megfelelés

Adatszuverenitás: Miért mondanak csődöt a felhőalapú PII-eszközök

Az adatvédelmi törvényekkel rendelkező országok száma 2011 és 2025 között 76-ról 120 fölé nőtt. A német SGB V a betegadatokat német ellenőrzésű rendszerekre korlátozza.

April 14, 20269 perc olvasás
data sovereigntylocal-first processingSwiss banking secrecyGerman healthcare lawHIPAA local compliance

Adatszuverenitás: Miért mondanak csődöt a felhőalapú PII-eszközök

2026-ra frissítve

2011 és 2025 között az adatvédelmi törvényekkel rendelkező országok száma 76-ról 120 fölé nőtt. A joghatóságok nem konvergálnak. Szétfelé húznak. Minden új törvény helyi szabályokat ad a globális alapszint mellé. A központi kiszolgálókkal rendelkező felhőalapú eszközök egyre nehezebben tartják a lépést.

A GDPR az EU-s adatvédelem alaptartalmát határozta meg. Az EU-n kívüli adatátvitelhez megfelelőségi határozat vagy érvényes biztosíték szükséges. De a GDPR egy alap, nem egy plafon. Az egészségügyi, banki és közszektori szabályok messzebb mennek. Egyes esetekben a felhőalapú feldolgozást eleve kizárják.

Németország: SGB V és betegnyilvántartások

A német Sozialgesetzbuch V (SGB V) szabályozza a kötelező egészségbiztosítást. Meghatározza, hogyan kell kezelni a betegnyilvántartásokat. Az SGB V hatálya alá tartozó egészségügyi fájloknak német ellenőrzésű rendszerekben kell maradniuk. Ez a szabály blokkolja az amerikai székhelyű felhőszolgáltatásokat — még az EU-ban hosztolt változataikat is — a legszigorúbb betegfájlok érintésétől.

A HHS OCR 100 millió dollárnál több HIPAA-bírságot szedett be 2024-ben. Ez rekordév volt. A német és az amerikai tendenciák ugyanabba az irányba mutatnak. A betegnyilvántartások a legerősebb ellenőrzést igénylik, és a gyengék bírságokat vonzanak.

Svájc: Banktitoktartás és FINMA

A svájci banktitoktartás a Svájci Bankszörvény 47. cikke alapján működik. Ez büntetőjogi, nem polgári jogi törvény. Az ügyfelek adatainak hozzájárulás nélküli megosztása — beleértve a feldolgozás során felhőszállítóval való megosztást is — bűncselekménynek minősülhet.

A FINMA kiszervezési szabályai jóváhagyást és ügyfél-hozzájárulást igényelnek, mielőtt bármely harmadik fél svájci banknyilvántartásokat kapna. A helyi feldolgozás megoldja a problémát. Ha a nyilvántartások soha nem hagyják el a bank saját rendszereit, nincs szükség átviteli jóváhagyásra.

A helyi feldolgozás mintája

A LocalLLaMA közösség dokumentálta, miért választják a vállalatok a helyi MI-t: „Ha a finomhangolás személyes vagy érzékeny adatokat tartalmaz, a helyi elvégzése elkerüli a bonyolult jogi munkát.” Ugyanez a logika vonatkozik az anonimizálásra. Ha helyben dolgozza fel a nyilvántartásokat, kihagyja a jogi elemzések egy teljes kategóriáját.

A Tauri 2.0 és Rust alapú eszközöket hálózatfigyelők ellenőrizhetik. A biztonsági csapat megerősítheti, hogy a futtatás során nem indult ki hívás a gépről. Ez a bizonyíték számít a szabályozott szektorokban. Egy SaaS adatvédelmi ígéretét nem lehet ugyanígy ellenőrizni. Tekintse meg a HIPAA-felhő megfelelőségi útmutatónkat arról, hogyan támogatja a helyi feldolgozás az egészségügyi auditokat.

Miért folytatódik a töredezettség?

Több mint 120 adatvédelmi törvénnyel rendelkező ország nem stabil állapot. Még több törvény van úton. A GDPR alapszint és az ágazati szabályok közötti rés egyre tágul, nem szűkül. Azok az eszközök, amelyek fájlokat küldenek egy központi kiszolgálóra, egyre több súrlódással néznek szembe, ahogy minden új törvény helyi korlátozásokat ad hozzá.

A helyi elsőbbségű eszközök felborítják ezt a modellt. A szoftver ott fut, ahol a fájlok vannak. Semmi sem mozdul hálózaton keresztül. A megfelelőség a tervezés jellemzőjévé válik, nem pedig szerződéses ígéretté. A németországi, svájci és más szigorú piacokon tevékenykedő csapatok számára ez a váltás egy teljes kockázati kategóriát küszöböl ki. A több joghatóságra vonatkozó igények átfogóbb nézetéért tekintse meg a globális adatvédelmi megfelelőségi útmutatónkat.

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.