Tecnico
Approfondimenti sulla rilevazione dei PII, NER e tecnologia di anonimizzazione
33 articoli
Presidio: 3 Settimane di Setup vs PII Gestito
Microsoft Presidio ha migliaia di stelle GitHub e centinaia di problemi aperti. La complessità di configurazione, il sovraccarico di integrazione con PySpark e i conflitti di dipendenze Python spingono i team verso alternative gestite.
Da 6 Settimane a 3 Giorni: PII Gestito vs Self-Hosted
I team SaaS sanitari spendono 6 settimane sul deployment in produzione di Presidio self-hosted prima di passare all'API gestita. L'API gestita sostituisce l'intero progetto di infrastruttura.
Il Rilevamento PII "Gratuito" Costa €13.000/Anno
L'hosting autonomo di Presidio richiede 40-80 ore di configurazione iniziale e 5-10 ore/mese di manutenzione continuativa. A tariffe ingegneristiche di €100/ora, questo equivale a oltre €13.200 l'anno.
Presidio: Il Problema del 22,7% di Precisione
Un benchmark del 2024 ha rilevato che il riconoscitore di nomi di persone di Presidio raggiunge il 22,7% di precisione nei documenti aziendali — il che significa che il 77,3% dei rilevamenti sono falsi positivi.
Privacy Riproducibile: Preset ML
L'anonimizzazione dei dati di addestramento ML deve essere coerente e riproducibile. Se i data scientist A e B applicano tipi di entità diversi, i dataset di addestramento risultano inconsistenti.
Pipeline GDPR: anonimizza prima di archiviare
I tag sulle colonne dbt non equivalgono alla conformità GDPR. I dati grezzi dei clienti entrano nel data warehouse Snowflake non mascherati, prima che le policy basate sui tag vengano applicate.
FOIA: La redazione AI riduce i tempi da settimane a ore
Il governo federale statunitense ha speso circa 500 milioni di dollari per l'elaborazione delle richieste FOIA nel 2024, principalmente per la redazione manuale. ARPA-H ha esplicitamente cercato software AI per la redazione documentale.
Anonimizzazione dei dati di addestramento ML conforme al GDPR
Il GDPR limita l'uso dei dati personali per l'addestramento ML oltre la finalità originaria della raccolta. I data scientist che si affidano a script Python ad hoc creano rischi di conformità difficili da gestire.
FOIA: 80% Più Veloce con l'Oscuramento in Batch
Le agenzie federali statunitensi hanno ricevuto 1,5 milioni di richieste FOIA nell'anno fiscale 2024 a un costo medio di $482 per richiesta. L'oscuramento PII in batch riduce i tempi di elaborazione da settimane a giorni, abbattendo i costi dell'80% per le grandi risposte.
Presidio vs. anonym.legal: 40 Ore di Configurazione o 15 Minuti?
Microsoft Presidio è tecnicamente gratuito, ma richiede 40-80 ore di lavoro ingegneristico per essere implementato correttamente. anonym.legal offre la stessa accuratezza ML come servizio gestito.
Privacy Air-Gapped: Anonimizzazione Completamente Offline
Gli ambienti FedRAMP e ITAR hanno una cosa in comune — il cloud non è un'opzione. Pseudonimizzazione reversibile ai sensi dell'art. GDPR.
Il costo dei falsi positivi negli strumenti di rilevamento PII
La discussione GitHub #1071 di Presidio documenta falsi positivi sistematici. Uno studio del 2024 ha rilevato una precisione del 22,7% su dataset aziendali multilingue.
PII in arabo e in ebraico: gli strumenti occidentali non bastano
Il GDPR non si ferma al Bosforo. I dati personali in arabo ed ebraico nei flussi di lavoro aziendali europei sono sistematicamente privi di protezione. Il rilevamento cross-linguistico basato su XLM-RoBERTa e.
PII in documenti multilingua: gli strumenti monolingua falliscono
Il 72% delle aziende UE elabora documenti in 3 o più lingue contemporaneamente. I documenti multilingua causano un tasso di mancato rilevamento PII superiore del 45% negli strumenti NER monolingua.
PII nell'area APAC: tailandese, indonesiano, vietnamita
Una fintech di Singapore che elabora 500.000 chat di assistenza mensili in 12 lingue APAC ha scoperto che il proprio strumento solo in inglese mancava il PII nel 60% delle conversazioni non in inglese.
Falsi positivi: perché la redazione ML fallisce
Un benchmark del 2024 ha rilevato che Presidio ha generato 13.536 falsi positivi nel rilevamento di nomi su 4.434 campioni — segnalando pronomi, nomi di imbarcazioni e paesi come nomi di persone.
ISO 27001 + Zero-Knowledge riduce i tempi di valutazione vendor
Un'indagine del 2025 ha rilevato che la 'mancanza di una certificazione di sicurezza riconosciuta' era il secondo motivo per cui i CISO escludono i vendor SaaS. Ecco cosa cambia con la combinazione ISO 27001 +.
L'architettura Zero-Knowledge accelera i cicli di vendita
I questionari di sicurezza per vendor enterprise contano in media oltre 100 domande. L'architettura zero-knowledge risponde alle più difficili in modo definitivo — e converte.
Violazione LastPass: lezioni sulla sicurezza dei fornitori
LastPass aveva cifrato i dati degli utenti. I vault sono stati comunque esfiltrati. Seguirono 600.000+ record Okta. Gli incidenti di sicurezza SaaS sono aumentati del 300% dal 2022 a oggi.
Valutare le affermazioni zero-knowledge dopo LastPass
438 milioni di dollari sottratti agli utenti LastPass dopo che i vault 'cifrati' sono stati esfiltrati. Seguì una multa ICO da 1,2 milioni di sterline. La checklist per valutare se un fornitore mantiene davvero ciò che promette.
LangChain CVE-2025-68664: come i dati personali fuoriescono dalla tua pipeline RAG
CVSS 9,3. Le funzioni di serializzazione di LangChain espongono variabili d'ambiente e segreti a LLM controllati da aggressori. Come rilevare e correggere le fughe di dati personali.
Estensione LibreOffice per l'Anonimizzazione PII
Guida passo passo per anonimizzare il PII nei documenti LibreOffice con l'estensione anonym.legal.
LibreOffice vs Office: Redazione PII a Confronto
Confronto dettagliato delle funzionalità di anonimizzazione PII in LibreOffice (estensione anonym.legal) vs. Microsoft Office (componente aggiuntivo Office).
Perché il Rilevamento PII Binario Fallisce la Conformità
Rilevato/non rilevato non è sufficiente nei contesti di conformità che richiedono il giudizio umano. Lo scoring di confidenza trasforma l'anonimizzazione PII da una scommessa binaria in un controllo di conformità verificabile.
Frammentazione dei Formati Documentali negli Strumenti PII
Una singola risposta a un DSAR può includere contratti Word, fatture PDF, elenchi clienti Excel ed esportazioni CSV. L'uso di strumenti diversi per ciascun formato crea lacune di conformità.
Anonimizzazione Log GDPR: Preservare il Debug
I log delle applicazioni accumulano silenziosamente email, IP e numeri di account degli utenti. Ecco come condividere i log con terze parti, consulenti e piattaforme di osservabilità in conformità con il GDPR.
GDPR nei Log delle Applicazioni: Conformità PII in JSON
I log delle applicazioni contengono indirizzi email dei clienti, IP e numeri di account che l'Articolo 5(1)(e) del GDPR richiede di gestire con policy di conservazione definite.
PII Cross-Application: Word, Chrome e AI
I dati dei clienti passano dalla ricerca sul browser alle bozze in Word, fino ai prompt di Claude. Ogni cambio di contesto è un potenziale punto di fuga.
PII cross-platform: Mac, Linux e Windows
Responsabili della privacy su Mac, team legale su Windows, ingegneri dei dati su Linux — tutti trattano gli stessi dati con strumenti diversi. Ecco perché il rilevamento indipendente dal sistema operativo è fondamentale.
PII in reti isolate: anonimizzazione offline per la difesa
Il 41% delle policy di sicurezza enterprise vieta il trattamento cloud di documenti classificati. Ecco come l'elaborazione locale risolve il problema.
Redazione reversibile vs permanente: come scegliere
Il GDPR distingue tra anonimizzazione e pseudonimizzazione. I tribunali possono richiedere gli originali. La ricerca ha bisogno della re-identificazione. Scopri quando usare ciascun approccio.
NER multilingue: l'inglese fallisce con l'arabo
I modelli NER addestrati in inglese raggiungono una precisione dell'85-92%. In arabo e cinese? Spesso solo il 50-70%. Scopri le sfide tecniche e come costruire sistemi veramente multilingue.
Usa Claude e ChatGPT Senza Far Trapelare PII
Una guida per sviluppatori all'uso sicuro degli assistenti IA. Configura l'integrazione con il server MCP per una protezione PII trasparente in Claude Desktop, Cursor e VS Code.
Inizia a Proteggere i Tuoi Dati Oggi
Oltre 285 tipi di entità, 48 lingue, sicurezza di livello enterprise a prezzi da startup.
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 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
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
- 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.