anonym.legal

Come Funziona anonym.legal

Rilevamento PII deterministico basato su regex che offre risultati riproducibili al 100%. Stesso input, stesso output—ogni volta. Niente AI, niente congetture, solo corrispondenza di modelli trasparente.

How Does PII Detection Work?

PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:

  1. 1
    Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
  2. 2
    Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
  3. 3
    Context Scoring: Each detection is scored based on surrounding context to minimize false positives.

This hybrid approach detects 285+ entity types while maintaining deterministic, reproducible results — essential for compliance and legal discovery.

Perché Regex, Non AI?

Il Nostro Approccio

  • Risultati riproducibili al 100%
  • Completamente auditabile per la conformità
  • Nessun dato di addestramento richiesto
  • Decisioni trasparenti
  • Prestazioni rapide e prevedibili
  • Nessun drift del modello nel tempo

Approcci AI/ML

  • I risultati variano tra le esecuzioni
  • Decisioni in black box
  • Richiede dati di addestramento
  • Difficile da auditare
  • Costi di calcolo più elevati
  • Drift del modello nel tempo

Il Processo in 10 Passi

Dall'input all'output, ecco esattamente cosa succede al tuo documento

1

Testo di Input

Invia il tuo documento tramite interfaccia web, API o componente aggiuntivo di Office

2

Rilevamento della Lingua

Il sistema identifica la lingua del documento per un'elaborazione ottimale

3

Tokenizzazione

Il testo viene suddiviso in token per la corrispondenza dei modelli

4

Corrispondenza dei Modelli

I modelli regex esaminano oltre 50 tipi di entità

5

Analisi del Contesto

Il testo circostante migliora l'accuratezza del rilevamento

6

Punteggio di Affidabilità

Ogni rilevamento riceve un punteggio di affidabilità

7

Classificazione delle Entità

Gli elementi rilevati vengono categorizzati per tipo

8

Rivedi i Risultati

Visualizza tutti i rilevamenti con posizioni e punteggi

9

Applica Anonimizzazione

Scegli il tuo metodo: Sostituisci, Censura, Hash, Cripta o Maschera

10

Documento di Output

Scarica il tuo documento anonimizzato

Disponibile solo nei piani Pro e Business

MCP Server: Integrazione AI Focalizzata sulla Privacy

Come i tuoi dati fluiscono attraverso il MCP Server per mantenere sicuri gli strumenti AI

1

Richiesta Strumento AI

Il tuo strumento AI (Cursor, Claude) invia una richiesta contenente PII

2

Il Server MCP Intercetta

Il server analizza e rileva tutte le entità PII

3

Anonimizzazione

Le PII vengono sostituite con token o censurate

Safe data only
4

Elaborazione AI

L'AI riceve ed elabora solo dati anonimizzati

5

Restituzione della Risposta

La risposta dell'AI torna attraverso il Server MCP

6
Optional

De-tokenizzazione

Opzionale: I valori originali vengono ripristinati per l'utente

Esempio del Mondo Reale

Prima (con PII)
Elaborare il pagamento per John Doe, email john@example.com, carta 4532-1111-2222-3333

Cosa vede l'AI

Dopo (anonimizzato)
Elaborare il pagamento per PII_PERSON_001, email PII_EMAIL_001, carta PII_CREDIT_CARD_001

Cosa ottieni indietro

L'AI non vede mai le tue vere PII
Reversibile con modalità di tokenizzazione
Stessi costi di token come l'app web
Funziona con più strumenti AI
Sicurezza di livello enterprise

Frequently Asked Questions

Why use regex instead of AI for PII detection?

Regex-based detection is deterministic and reproducible. The same input always produces the same output. AI/ML models can be unpredictable and may miss or falsely flag data. For compliance, reproducibility matters.

How accurate is the detection?

Our hybrid approach combines regex patterns with Named Entity Recognition (NER) for high accuracy. All patterns include checksum validation where applicable (credit cards, IBANs, SSNs). False positives are minimized through context-aware scoring.

What happens to my data during processing?

Text is sent to our EU-hosted servers (Hetzner, Germany) over TLS 1.3 for analysis. We don't store your data after processing. With Zero-Knowledge auth, we can't even identify which user made the request.

Can I add custom entity types?

Yes! You can create custom recognizers with your own regex patterns and context words. Custom entities support the same operators (replace, mask, hash, encrypt, redact) as built-in types.

How does reversible encryption work?

The Encrypt operator uses AES-256-GCM encryption with your key. Only you can decrypt. This allows re-identification for audits or legal discovery while keeping data protected in transit and storage.

Guarda in Azione

Prova il nostro rilevamento e anonimizzazione PII gratis con 200 token per ciclo.