By · Last updated 2026-06-05

Torna al BlogTecnico

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.

June 5, 20266 min di lettura
cross-platformMac Linux GDPRenterprise ITOS agnosticcompliance consistency

PII cross-platform: Mac, Linux e Windows

Responsabili della privacy su Mac. Team legale su Windows. Ingegneri dei dati su Linux. Un unico obbligo di conformità.

La maggior parte degli strumenti PII è stata progettata per una sola piattaforma. Questo è il problema.

Il divario legato al sistema operativo nei team della privacy

I team aziendali dedicati alla privacy raramente usano un solo sistema operativo. Un'azienda tecnologica globale tipica si presenta così:

  • Responsabili della privacy e DPO: macOS (comune nelle aziende statunitensi e britanniche)
  • Analisti legali e di conformità: Windows (standard nelle grandi aziende europee)
  • Ingegneri dei dati e DevOps: Linux (standard per i ruoli tecnici)

Tre ambienti operativi. Tre funzioni aziendali. Un obbligo condiviso: trattare i dati personali con controlli tecnici coerenti.

Quando ogni gruppo utilizza una versione diversa dello stesso strumento — o un'interfaccia diversa — i controlli non sono gli stessi. Sembrano solo esserlo.

Perché gli strumenti monomono-piattaforma creano rischi

La maggior parte degli strumenti PII viene distribuita come app desktop per un solo sistema operativo. Gli utenti Mac e Linux ottengono un'alternativa web, oppure niente.

Questo crea una divisione che conta in fase di audit. Ecco cosa succede quando la web app è in ritardo rispetto all'app desktop:

Le versioni del modello NLP differiscono. Una versione desktop potrebbe includere un modello NLP più recente rispetto alla web app. Le versioni più vecchie del modello possono non rilevare tipi di entità che le versioni più recenti identificano.

I cicli di aggiornamento divergono. Gli strumenti distribuiti tramite criteri di gruppo potrebbero essere due o tre versioni indietro rispetto a un'installazione diretta. I divari di versione significano divari di rilevamento.

La configurazione non si sincronizza. Gli strumenti che memorizzano le impostazioni nel registro del sistema operativo non possono condividere quelle impostazioni con gli utenti Mac o Linux. Un preset creato su una piattaforma potrebbe essere illeggibile su un'altra.

Il comportamento delle librerie varia. Gli strumenti che si affidano a librerie a livello di sistema operativo per l'analisi PDF o OCR possono produrre risultati diversi su piattaforme diverse — anche dallo stesso documento sorgente.

Una qualsiasi di queste lacune significa che lo stesso documento può produrre risultati di anonimizzazione diversi. La causa non è il dato. È la piattaforma.

Consulta i requisiti delle misure tecniche GDPR per capire come i regolatori valutano la coerenza.

GDPR Articolo 5(2) e misure sistematiche

L'Articolo 5(2) del GDPR è il principio di responsabilità. Richiede ai titolari del trattamento di dimostrare la conformità con i principi di protezione dei dati dell'Articolo 5(1). Per le misure tecniche dell'Articolo 32, questo significa che le misure sono state applicate in modo sistematico.

Sistematico significa coerente. Se l'anonimizzazione varia in base al sistema operativo della persona che l'ha eseguita, la misura è variabile — non sistematica.

In un'indagine di una DPA, "abbiamo usato lo Strumento X, ma si comporta in modo diverso su Mac rispetto alla versione desktop, e il documento è stato elaborato su Mac" non è una risposta soddisfacente. Mostra un'applicazione non uniforme.

Un design indipendente dal sistema operativo non è una preferenza. Deriva dal requisito di applicazione sistematica.

Due modelli per la conformità PII indipendente dal sistema operativo

Una vera conformità PII indipendente dal sistema operativo si adatta a due architetture.

Modello 1: applicazione web

Il rilevamento avviene sul server. Il sistema operativo del client è irrilevante. Ogni utente accede allo stesso motore con gli stessi modelli e la stessa configurazione.

Limitazione: richiede accesso a Internet. Gli ambienti air-gap non possono utilizzarlo.

Modello 2: app desktop nativa cross-platform

Un'app desktop costruita su un runtime cross-platform (come Tauri o Electron) compila lo stesso codice per tutte e tre le piattaforme. Gli stessi modelli NLP sono inclusi in ogni build. La configurazione si sincronizza tramite account, non tramite l'archiviazione locale del sistema operativo.

Questo soddisfa i requisiti offline e air-gap. Il rilevamento rimane coerente tra le piattaforme.

L'App Desktop di anonym.legal utilizza il framework Tauri/Rust. Compila lo stesso codice per Windows (x64/ARM64), macOS (Intel/Apple Silicon/Universal) e Linux (x64). I modelli NLP e il motore di rilevamento sono identici in ogni build. Il sistema operativo non è una variabile nell'output.

Caso d'uso: team della privacy da 12 persone

Il team della privacy di un'azienda tecnologica globale, composto da 12 persone, lavorava in tre ambienti operativi:

  • 4 responsabili della privacy e DPO: macOS (MacBook Pro)
  • 5 analisti legali e di conformità: Windows (Surface Pro)
  • 3 ingegneri dei dati: Linux (workstation Ubuntu)

Il loro precedente strumento PII era un'app desktop per una sola piattaforma. Gli utenti Mac e Linux ricorrevano alla web app del fornitore. Era una versione più vecchia con meno tipi di entità.

La lacuna di conformità era evidente. Il DPO su Mac rilevava 180 tipi di entità. Il team legale sull'app desktop ne rilevava 267. Gli ingegneri su Linux corrispondevano alla web app a quota 180. Questo significa una lacuna di 87 entità nei documenti elaborati dal DPO.

Dopo il passaggio all'app desktop cross-platform:

  • Stessa applicazione distribuita su tutte le 12 macchine
  • Modelli NLP e motore di rilevamento identici su ogni macchina
  • Un unico preset "Privacy Standard" sincronizzato su tutti gli account
  • Unico registro di audit da tutti i 12 utenti nel sistema di conformità

L'audit della DPA è arrivato sei mesi dopo. Il team ha mostrato una copertura delle entità identica su tutti i 12 account, indipendentemente dal sistema operativo. Il rilievo è stato chiuso.

Scopri di più sulle funzionalità del registro di audit e della documentazione.

Cosa verificare prima di scegliere uno strumento

Quando valuti uno strumento PII per un team multi-OS, poni queste domande:

Tutte le versioni della piattaforma usano lo stesso modello NLP? Se le build Mac e Linux sono in ritardo, hai un problema di coerenza.

Come viene memorizzata e condivisa la configurazione? L'archiviazione basata sul registro non può sincronizzarsi tra piattaforme.

I cicli di aggiornamento sono gli stessi per tutte le piattaforme? Le versioni scaglionate creano divari.

Qual è l'alternativa per gli utenti non desktop? Se è una web app più vecchia, la copertura non è la stessa.

Uno strumento che risponde bene a queste domande produrrà lo stesso risultato di rilevamento dallo stesso input su qualsiasi sistema operativo. Questo è il significato di applicazione sistematica.

Fonti

Pronto a proteggere i tuoi dati?

Inizia ad anonimizzare i PII con oltre 285 tipi di entità in 48 lingue.

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.