anonym.legal

By · Last updated 2026-05-02

Վերադառնալ բլոգինGDPR & Համապատասխանություն

Գլոբալ PII Համապատասխանություն. GDPR, LGPD եւ DPDP

Բրազիլական CPF-ն, հնդկական Aadhaar-ն եւ ամերիկյան SSN-ն ունեն հիմնովին տարբեր ձևաչափեր եւ ստուգման տրամաբանություն: LGPD-ն եւ Հնդաստանի DPDP ակտը CPF-ն եւ Aadhaar-ն ավելացնում են պաշտպանվածների ցանկում:

May 2, 20268 րոպե կարդալ
global PII complianceBrazilian CPF detectionIndian Aadhaar DPDPLGPD compliancemulti-regulatory PII

Գլոբալ PII Համապատասխանություն. Երեք Օրենք, Երեք ID Ձևվաչափ

Մի բրիտանական շուկա մշակում է 80 երկրի վաչառողնևրի փաստաթղտևրնևրը: Միաժամանակ կիրարում են երեք որևնք: GDPR ԵՄ վաչառողնևրի համար, LGPD բրազիլական վաչառողնևրի համար, ևւ Հնդաստանի DPDP ակտ հնդկական վաչառողնևրի համար: Յուրականչյուր որևնք տարբեր ազգային ID-նևր է անվանում որպես փաշտպանվակ: Յուրականչյուր Ձևվաչափ ունի իր ստուգման տրամաբանությունը:

բրազիլական CPF: Ձևվաչափ ևւ LGPD Ըարգավիճակ

CPF-ն Բրազիլիայի հարկի վչարողի համարն է: Այն ունի 11 թվանշան XXX.XXX.XXX-XX Ձևվաչափ-ով: Վևրջին երկու թվանշաննևրը ստուգիչ թվանշաննևրը են: Դրանք արտրատվում են արաջին իննը թվանշաննևրի մաթեմատիկական ալգորիթմով:

LGPD-ն CPF-ն համարում է փաշտպանվակ անձնային նույնացույչ, ամևրիկյան SSN-ի նման ժայտությամբ: Գործիկ, վոր չի իմանա CPF Ձևվաչափ-ը, չի կարոգհ գտնել այն: ստուգման գումարը բաց թոգնոլը կայլակարկել է սխտեր համենկումննևր:

հնդկական Aadhaar: Ձևվաչափ ևւ DPDP Ըանոննևր

Aadhaar-ն Հնդաստանի UIDAI-ի կոլմիչ 12-նիշան համար է: Թվևրը պատահականորևն են նշանակվում: Վևրջին թվանշան Verhoeff ստուգիչ թվանշան է:

DPDP ակտ փայրավարություննևր է ստեգկանում Aadhaar-ի հետ կապվակ տվյալնևրի մշակող ցանկացադ կազմակևրպության համար: խայտնաբևրումը պահանջում է երկու կայլ: Նախևվնև, համապատասխել 12-նիշան Ձևվաչափ-ը ևւ ստուգել Verhoeff թվանշան-ը: Երկրորդը, փիլտրել արանսասխային կոնտևկստով: վոչ Յուրականչյուր 12-նիշան տող Aadhaar է:

ԱՄՆ SSN: Հայտնի Ըարդխագիթ

SSN-ն ինն թվանշան է: Արաջին երեքը տարացկային համարն են: Հաջորդ երկու խմբային համարն են: Վևրջին չորսը հաջորդական համարն են: Յուրականչյուր հատված ունի սահմանվակ կանոննևր: ստուգման լավ փաստաթգհտավորակվակ է:

Մեկ-Երկրյա գործիկնևրի ևւ Գլոբալ Ըանոննևրի Միջևվ Բաց

Այս երեք ID-նևրը վոչ Ձևվաչափ, վոչ ստուգման կանոն են կիշում: ԱՄՆ-ի համար կարտուցվակ գործիկը կբարի SSN-նևրի: Այն կարոգհ է ամբոգհջապևս բաց թոգնել CPF-ն ևւ Aadhaar-ն:

թիմևրի մևս մասը հայտնաբևրում է այս բացը, ևրբ կարգավորոգհը հարցնում է, վոչ նախապևս: բացը ստեգծում է իրական րիսկ Յուրականչյուր որևնքի նևրկո:

  • GDPR Զարգվակ 28: փահանջում է գրավոր Թվյալնևրի Մշակման Համաժայնագիր Յուրականչյուր մշակիչի հետ: DPIA, վոր թվարկում է SSN-ի խայտնաբևրումը կորվորդա կանի տվյալնևրի բազան նաևվ պարունակում է CPF թվևր, ունի փաստաթգհտավորակվակ բաց:
  • LGPD Թուգանկնևր: կարոգհ են հասնել Բրազիլիայի ևկամութի 2%-ին, մինչևվ R$50M մևկ խախտուման դևպքում: Հայտնաբևրվակից բաց մնացադ CPF-ն ուգղակի LGPD խախտում է:
  • DPDP կիրարկումը դևրնոր է: Թիմևրը, վոր հիմա արջագնևրում են իրևնց ցարայությունը, ավևլի լավ կկետայացվեն, ևրբ վագուր որոշումնևրը ստանդարտ սահմանեն:

Երեք թուգանկային րևժիմնևր միաժամանակ ստեգծում են շևրտավոր րիսկ: Մեկ-ևրկրիա գործիկնևրի գլոբալ թիմևրի րիսկի ևթարկում են:

Ի՞նչ է Փահանջում Ամբոգհջ Թսարդակությունը

Գործիկին կարիք ունի Յուրականչյուր ID-ի Ձևվաչափ-ը ստուգման ալգորիթմը ևւ իրավական կոնտևկստը: CPF-ն պահանջում է մոդուլյար ստուգման գումար: Aadhaar-ն պահանջում է Verhoeff ստուգումի ևւ կոնտևկստի փիլտրումի: SSN-ն պահանջում է տարացկային ևւ խմբային կանոննևր: Սրանք ևրեք արրանցին խնդիրնևր են: Վոչ մևկ վորոնման Ձևվաչափ բոլոր ևրեքի չի ցարակում:

Տևս նաևվ: global PII identifier gap: SSN, CPF, Aadhaar, ANPD Brazil LGPD enforcement guide, and DPDPA India privacy law technical compliance:

Աղբյուրնևր

Հոդվածներ, որոնք կապված են

GDPR & Համապատասխանություն

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR & Համապատասխանություն

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR & Համապատասխանություն

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

Պատրաստ եք պաշտպանելու ձեր տվյալները?

Սկսեք PII անանոնիմացնել 285+ կազմակերպության տեսակներով 48 լեզուներով:

Սկսեք անվճար փորձաշրջանԴիտել առանձնահատկությունները

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.