By · Last updated 2026-05-04

Vissza a BlograGDPR & Megfelelés

GDPR törléshez való jog: EDPB 2025-ös fellépés

Az EDPB 2025-ös Koordinált Végrehajtási Keretprogramja a törléshez való jog teljesítését vizsgálta 32 adatvédelmi hatóságnál. Kilenc hatóság formális vizsgálatot indított.

May 4, 20269 perc olvasás
GDPR right to erasureEDPB coordinated enforcement 2025Article 17 compliancedata minimizationanonymization vs deletion

GDPR törléshez való jog: EDPB 2025-ös megállapítások

Frissítve 2026-ra

Az EDPB 2025-ös törlési fellépése

Az Európai Adatvédelmi Testület 2025-ben nagyszabású akciót hajtott végre, amely a GDPR 17. cikkére — a törléshez való jogra — összpontosított. Az EU és az EGT 32 adatvédelmi hatósága vett részt benne egyidejűleg. A cél nem egyedi esetek feltárása volt, hanem a széles körű megfelelési hiányosságok azonosítása.

Ez az akció a Koordinált Végrehajtási Keretprogram (Coordinated Enforcement Framework, CEF). Az eredmények alapján azóta kilenc hatóság indított formális vizsgálatot.

Hét visszatérő hiányosság

A CEF-jelentés hét problémát azonosított a vizsgált szervezeteknél:

  1. A törlési kérelmek kezelésére vonatkozó gyenge eljárások
  2. Az érvényes kérelmek indokolatlanul tág elutasítása
  3. Túlzott terhet rónak a kérelmező személyekre
  4. Képtelenség az összes személyes rekord megtalálására a rendszerekben
  5. A GDPR-ban előírt 30 napos válaszhatáridő túllépése
  6. Nem megfelelő visszajelzés a kérelmezők felé a döntés eredményéről
  7. Törlés helyett alkalmazott hibás anonimizálás: a szervezetek „anonimizálásra” hivatkoztak, de a rekordok visszakövethető maradtak.

A hetedik pont a legösszetettebb. Ez minden olyan szervezetet érint, amely ezzel a módszerrel kívánja csökkenteni a megőrzött személyes adatok körét.

Anonimizálás kontra törlés

A GDPR törléshez való joga nem minden esetben jelent teljes adattörlést. A (65) preambulumbekezdés lehetővé teszi az anonimizálást, ha a tényleges törlés nem kivitelezhető — például biztonsági mentési szalagok és analitikai rendszerek esetén.

A CEF megmutatja, hogy ezzel a lehetőséggel visszaélnek. A szervezetek „anonimizálásnak” neveznek egy folyamatot, hogy elkerüljék a valódi törlést — miközben a rekordok valódi személyekre visszavezethetők maradnak.

Az EDPB egyértelműen megvonja a határvonalat.

Valódi anonimizálás esetén az adatok és az érintett személy közötti kapcsolat nem állítható helyre. Sem az adatkezelőnek, sem harmadik félnek nincs lehetősége az újra-azonosításra. Az ilyen adatok kiesnek a GDPR hatálya alól, a kérelem teljesítettnek tekinthető.

A pszeudonimizálás ettől különbözik: a kapcsolat megfelelő kulccsal visszaállítható, a személyes adatok továbbra is léteznek, a kérelem nem teljesített. Az adatokat törölni kell, vagy a kulcsot meg kell semmisíteni.

Kétréteges megközelítés

Az analitikai célokra anonimizálást alkalmazó szervezeteknek két rétegre van szükségük.

1. réteg — Adatbevitel: Ide érkeznek a nyers személyes adatok. Ezekre a rekordokra vonatkoznak a törlési kérelmek. Ha egy érintett érvényesíti a 17. cikk szerinti jogát, az ebben a rétegben lévő adatokat törölni kell.

2. réteg — Analitika: Ide csak anonimizált kimenetek kerülnek. Ha az anonimizálási folyamat teljes körű és egyirányú volt, ezek a kimenetek nem minősülnek személyes adatnak, és törlési kérelem esetén sem változnak.

Ez a felépítés csak akkor működik, ha a maszkolási lépés három feltételt teljesít.

Először: egyirányúság. A visszafordítható tokenek és a titkosított cserék nem minősülnek anonimizálásnak.

Másodszor: teljesség. Az összes azonosítótípust kezelni kell — a nevek eltávolítása önmagában nem elegendő.

Harmadszor: dokumentáltság. A szervezetnek képesnek kell lennie arra, hogy egy adatvédelmi hatóságnak bemutassa a módszer működését.

Az a kiskereskedő, amely az ügyfélneveket titkosított tokenekre cseréli, pszeudonimizálást végez — nem valódi anonimizálást. Az analitikai réteg személyes adatokat tartalmaz, és a törlési kérelmek arra is vonatkoznak.

Jogi alapokról: GDPR-megfelelési útmutató. A szükséges technikai intézkedésekről: biztonsági megfelelési áttekintő. Lépésről lépésre: GDPR anonimizálási audit 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.