By · Last updated 2026-05-08

Kembali ke BlogGDPR & Kepatuhan

Anonimisasi vs Pseudonymisasi: €20 Juta Dipertaruhkan

GDPR memperlakukan data yang dianonimkan dan dipseudonymisasi secara fundamental berbeda. Anonimisasi sejati menghapus cakupan GDPR sepenuhnya. Pseudonymisasi tidak menghapus cakupan GDPR.

May 8, 20268 menit baca
GDPR anonymization pseudonymizationArticle 4 recital 26personal data scope20 million EUR fineanonymization compliance determination

Anonimisasi vs Pseudonymisasi: €20 Juta Dipertaruhkan

Article 83 menetapkan denda puncak €20 juta atau 4% dari pendapatan tahunan global. Satu pertanyaan hukum mendorong risiko tersebut: apakah hukum berlaku pada dataset Anda?

Anonimisasi menghapus cakupan. Pseudonymisasi tidak. Kesenjangan itu besar.

Dua Definisi dalam Bahasa Sederhana

Recital 26 menetapkan standar anonimisasi. Seseorang harus "tidak atau tidak lagi dapat diidentifikasi." Pengujiannya luas. Ini mencakup setiap cara "yang secara wajar mungkin digunakan." Termasuk pengontrol. Juga mencakup setiap prosesor dan pihak ketiga mana pun.

Article 4(5) mendefinisikan pseudonymisasi. Catatan dipseudonymisasi ketika kunci dapat membalikkannya. Hapus kuncinya, dan Anda masih memiliki datanya. Data tambahan itu harus disimpan terpisah. Ini bukan anonimisasi.

Catatan yang dipseudonymisasi masih merupakan catatan pribadi. Hukum berlaku penuh. Tidak ada pengecualian cakupan. Titik.

Biaya Label yang Salah

Memperlakukan dataset yang dipseudonymisasi sebagai anonim menciptakan lima masalah sekaligus:

  • Entri ROPA yang salah berdasarkan Article 30
  • Tidak ada proses hak subjek untuk akses, penghapusan, atau portabilitas
  • Tidak ada jadwal retensi — tidak ada pemicu penghapusan yang ada
  • Tidak ada pengamanan transfer untuk pekerjaan lintas batas
  • Tidak ada jalur penghapusan untuk permintaan hak-untuk-dihapus

Setiap kesenjangan adalah pelanggaran tersendiri. Semua lima dapat berada dalam satu pipeline.

Sinyal Penegakan 2025

Pada 2025, EDPB menjalankan latihan penegakan bersama. Laporan itu menyebut satu kegagalan berulang: "teknik anonimisasi yang tidak efisien digunakan sebagai alternatif penghapusan." DPA kini mengaudit kualitas anonimisasi. Mereka memeriksa lebih dari sekadar apakah suatu langkah ada. Langkah tersebut harus benar-benar bekerja.

Dataset yang di-tokenisasi dengan tabel pencarian adalah pseudonymisasi. Ini bukan anonim. Ada kuncinya. Kunci tersebut dapat membalikkannya. Menyebutnya anonim adalah tepat kegagalan yang ditargetkan oleh laporan 2025.

Memilih Metode yang Tepat

Anonimisasi sejati — di luar cakupan. Gunakan Redact. PII telah hilang tanpa tautan kembali. Anda juga dapat Hash nilai entropi tinggi tanpa jalur preimage. Dokumentasikan dasarnya. Tidak ada kewajiban hukum yang melekat pada output.

Pseudonymisasi — dalam cakupan. Gunakan Replace, Mask, atau Encrypt. Hukum berlaku penuh. Pseudonymisasi mengurangi kerugian akibat pelanggaran. Namun tidak mengurangi kewajiban hukum.

Reversibilitas terkontrol — penelitian atau audit. Gunakan Encrypt dengan kunci yang dipegang klien. Kustodi kunci harus memenuhi aturan pemisahan kunci EDPB 05/2022. Catat domain tersebut dalam DPIA.

Kasus Penggunaan Nyata

Sebuah perusahaan menjual catatan pelanggan yang "dianonimkan" kepada para peneliti. Mereka menerapkan metode Redact. PII telah hilang. Tidak ada tabel token. Tidak ada preimage hash. Re-identifikasi tidak memiliki jalur.

DPO menuliskan ini dalam DPIA. Metode yang digunakan. Jenis pengidentifikasi. Mengapa tidak bisa dibatalkan. Tingkat risiko residual. Output berada di luar cakupan. Hak subjek dan aturan transfer tidak berlaku pada salinan penelitian.

Metode ini sesuai dengan klaimnya. Itulah proses yang benar. Ini bertahan dalam audit.

Mengapa Catatan Itu Penting

Perusahaan tidak bisa sekadar menegaskan anonimisasi. Klaim harus memiliki catatan. DPIA harus menunjukkan empat hal. Pengidentifikasi mana yang dicakup. Metode apa yang digunakan. Mengapa re-identifikasi tidak memiliki jalur. Apa tingkat risiko residualnya.

Tanpa catatan tersebut, audit memperlakukan dataset sebagai dalam cakupan. Seluruh set kewajiban berlaku. Entri ROPA harus ada. Pengamanan transfer harus ada. Jalur penghapusan harus ada. Tidak ada kewajiban yang hilang tanpa bukti.

Untuk cara hak penghapusan berinteraksi dengan catatan yang dianonimkan, lihat hak penghapusan GDPR dan panduan EDPB 2025. Untuk aturan transfer saat berbagi catatan lintas batas, lihat kepatuhan transfer data dan denda TikTok.

Sumber

Siap untuk melindungi data Anda?

Mulai anonimisasi PII dengan 285+ jenis entitas dalam 48 bahasa.

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.