Sýn á Gagnavernd
Sérfræðigreinar um öryggi AI, GDPR samræmi, vernd heilsugagna og bestu venjur PII anonymization.
Allar Greinar
Garante Ítalía: Gervigreind og PII-samræmi
Garante Ítalíu sektaði OpenAI um 15 milljóna evra í desember 2024 og bannaði tímabundið ChatGPT árið 2023. 63% ítalskra fyrirtækja skortir gervigreindagagnaverndarreglur.
LGPD Brasilía: CPF, CNPJ og gagnavernd
LGPD nær yfir 215 milljóna Brasilíumanna og ANPD hóf stórframfylgd 2024. CPF greint með aðeins 45% nákvæmni af enskuþjálfuðum verkfærum.
Hollenska AP: €290M Sekt og GDPR Framfylgd
Hollenska AP lagði á EU's stærstu sekt vegna gagnaflutninga — €290M á Uber. BSN (hollenskt kennitölukerfi) krefst 11-prófs villuleitarreiknings sem 56% tækja vanrækja.
UODO Pólland: PESEL, NIP og RODO
UODO komst að því að 89% af notkuðum verkfærum greina polskt PESEL ekki rétt. Pólland vinnur úr 2,3 milljónum ESB-viðskiptavinagagna á dag. PESEL eftirlitssummustaðfesting, NIP.
ANSPDCP Rúmeníu: CNP Uppgötvun og GDPR Athuganir
ANSPDCP komst að því að 78% verkfæra missa rúmenska CNP með réttri staðfestingu. CNP kóðar kyn, fæðingardag og fæðingarfylki — áhrif sérstaks flokks GDPR.
IMY Svíþjóð: Personnummer og Luhn-athuganir
IMY komst að því að 45% almenningra verkfæra missa sænska personnummer. Samordningsnummer (60-mótbyr) er misst af flestum útfærslum. 79% GDPR-réttindanýting Svíþjóðar.
Danmörk CPR: Modulus-11 Staðfesting fyrir GDPR
67% NLP-verkfæra missa danska CPR-númera modulus-11 staðfestingu. 14 heilbrigðis-framfylgdaraðgerðir Datatilsynet árið 2024. Aukaleg notkun heilbrigðisgagna.
Tékkneska Rodné Číslo: Kynskóðun og GDPR
Tékkneskt rodné číslo kóðar kyn með 50-mótbyr mánaðarkóðun — sem gerir það að GDPR 9. greinar sérstakflokksgögnum. 67% tékkneskra fyrirtækja nota þýsk verkfæri.
NAIH Ungverjaland: TAJ-Szám og Adóazonosító Jel
Ungversk NER-nákvæmni er 67% á móti ESB-meðaltali 82% — mat NAIH 2024. TAJ-szám vegin eftirlitssummu og adóazonosító jel uppgötvunarbil.
HDPA Grikkland: AFM og AMKA uppgreining
Grískt AFM uppgreint með 52% nákvæmni af almennum verkfærum. HDPA gaf út 89 ákvarðanir 2024 - 162% aukning frá 2022. Ferðaþjónusta og siglingageirinn standa frammi fyrir sérstakri.
Japan My Number: Verhoeff og APPI
63% almennra verkfæra mistekst My Number uppgreining í japanskum skjölum. My Number notar Verhoeff reiknirit - flóknasta þjóðlega auðkennisgátartölu í Asíu.
Epstein-skjöl: Auðkennun er ekki afmáning
Útgáfa dómsmálaráðuneytis Bandaríkjanna á Epstein-skjölum í desember 2025 afhjúpaði alvarlegra afmáningarbilun: texti með svartri auðkenningu í PDF-skjölum er enn lesanlegur með afritunar-líming.
Trúnadarréttur lögfræðings og skjólstæðings & gervigreind 2026
Bandarískur dómstóll kvad upp dóm í febrúar 2026 um að samskipti við gervigreindarverkfæri beri ekki trúnaðarrétt lögfræðings og skjólstæðings.
Núllþekking vs. núlltreyst dulkóðun
LastPass dulkóðaði gögn notenda sinna líka -- og $438 milljónum var stolið engu að síður. Hér er munurinn á þjónahlið dulkóðun og raunverulegri núllþekkingu.
Loftgataður PII: Ónettengt-fyrst fyrir varnir
41% fyrirtækjaöryggisstefna banna skýjavinnslu flokkaðra skjala.
Fjöltyngd PII-greining fyrir GDPR
Þýsk Steuer-ID, frönsk NIR og sænsk Personnummer krefjast allir mismunandi greiningarskilgreiningar.
Afturkræft vs. varanlegt þurk: Réttur val
GDPR greinir á milli nafnleysuvæðingar og dulnefningar. Dómstólar þurfa frumrit. Rannsóknir þurfa endurauðkenningu. Lærðu hvenær á að nota hverja nálgun.
Fjöltyngt NER: Enska mistekst arabísku
NER-líkön þjálfuð á ensku ná 85-92% nákvæmni. Arabíska og kínverska? Oft 50-70%. Lærðu um tæknilegar áskoranir og hvernig á að smíða raunverulega fjöltyngdar lausnir.
94% lítilla fyrirtækja ráðist: Hagkvæm persónuverndarhlutlæg
Lítil og meðalstór fyrirtæki standa frammi fyrir sömu ógnum og stórfyrirtæki en geta ekki borgað $800+ á mánuði. Hér er leiðin að fyrirtækjagæðaverndar vernd á €3/mánuði.
PHI-greining: Snow Labs 96% samanborið við GPT-4o
Ekki eru öll afpersónugerningarverkfæri jafngild. ECIR 2025 viðmið sýna F1-skor á bilinu 79% til 96%. Kynntu þér hvernig nákvæmni skiptir máli og hvernig á að meta verkfæri.
Dómstólar sekta lögmenn fyrir afmáunarvillur
Að auðkenna texta í Word er ekki afmáun. Dómstólar sekta lögmenn fyrir tæknilegar villur sem afhjúpa forréttindaupplýsingar.
Notaðu Claude og ChatGPT án þess að leka PII
Leiðbeiningaskjal forritara til að nota gervigreindaraðstoðarmenn á öruggan hátt. Settu upp MCP-þjónssamþættingu fyrir gagnsæja PII-vernd í Claude Desktop, Cursor og VS Code.
900K notendur fengu gervigreindaspjöll sín stolið
Tvær illgjarnar Chrome-viðbætur stálu ChatGPT-samtölum frá 900.000+ notendum. Ein hafði Google-merkin "Featured".
$7,42M: Heilbrigðisinnbrot leiða kostnaðarlista
Heilbrigðisgeirinn hefur verið #1 dýrasti iðnaðurinn í gagnabrotum í 14 ár í röð. Lærðu hvers vegna sjúklingagögn eru svo dýrmæt og hvernig þú verndar þau.
Byrjaðu að Vernda Gögnin Þín Í Dag
267+ gerðir, 48 tungumál, öryggi fyrirtækja á upphafsverði.
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, held by our hosting provider.
- 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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.