By George Curta · Last updated 2026-06-30
5가지 익명화 방법
사용 사례에 맞는 방법을 선택하세요. 각 방법은 개체별 연산자를 사용하여 전역적으로 또는 개체 유형별로 적용할 수 있습니다.
PII를 <PERSON_1>, <EMAIL_ADDRESS_1>과 같은 유형화된 단위로 교체합니다. 문서 내에서 일관되게 적용됩니다. 즉, 동일한 이름에는 항상 동일한 토큰이 사용됩니다.
교체 매핑을 통해 복원 가능합니다.
형식을 유지하면서 문자를 별표로 교체합니다. SSN의 마지막 4자리와 같이 부분적인 데이터를 표시해야 할 때 유용합니다.
마스킹 문자 및 표시 문자 수를 구성할 수 있습니다.
PII를 완전히 제거하고 [REDACTED]로 교체합니다. 비가역적이므로 원본 데이터를 복구할 수 없습니다.
최대 개인정보 보호 및 규정 적합성에 가장 적합합니다.
PII의 암호화 해시를 생성합니다. 동일한 입력은 항상 동일한 해시를 생성하여 데이터를 노출하지 않고도 문서 간 상관 관계를 파악할 수 있습니다.
단방향 함수입니다. 되돌릴 수 없습니다.
AES-256-GCM 인증 암호화로 PII를 암호화합니다. 암호문이 문서의 원본 텍스트를 대체합니다. 올바른 암호화 키가 있으면 원본 데이터를 복호화하여 복원할 수 있습니다.
권한 있는 사용자가 나중에 익명화를 해제해야 하는 워크플로에 가장 적합합니다. 키는 암호화 키 기능을 통해 관리됩니다.
프리셋
프리셋은 익명화 구성을 저장하여 여러 문서 및 기기에서 재사용할 수 있게 해줍니다.
구성 저장
개체 선택, 방법, 언어, 개체별 연산자 설정을 이름이 지정된 프리셋으로 저장합니다.
기기 간 동기화
프리셋이 anonym.legal 계정에 자동으로 동기화됩니다. 로그인한 모든 기기에서 접근할 수 있습니다.
개체별 연산자
프리셋 내에서 각 개체 유형에 대해 서로 다른 연산자를 구성합니다(예: 이름 교체, SSN 마스킹, 이메일 해싱).
검색 및 필터
이름, 설명, 개체, 태그로 프리셋을 검색합니다. 필터를 사용하여 적합한 프리셋을 빠르게 찾으세요.
개체별 연산자
모든 개체에 하나의 방법을 적용하는 대신, 세밀한 제어를 위해 각 개체 유형에 서로 다른 연산자를 지정할 수 있습니다.
구성 예시
이 구성을 프리셋으로 저장하여 여러 문서에서 재사용할 수 있습니다. 각 개체 유형은 민감도 수준에 가장 적합한 처리 방식이 적용됩니다.
암호화 키
암호화 익명화 방법을 위한 암호화 키를 관리합니다. 키는 서버에 안전하게 저장되며, 제로 지식 보호를 위해 계정의 키 암호화 키(KEK)로 래핑됩니다.
ZK 래핑 스토리지
키는 저장 전에 계정 KEK로 암호화됩니다. 서버는 절대로 원시 암호화 키를 볼 수 없습니다.
자동 로드
드롭다운에서 저장된 키를 선택하면 키 값이 자동으로 가져와져 복호화됩니다. 수동 입력이 필요 없습니다.
세션 지속성
키는 세션 기간 동안 유지됩니다. 매번 익명화 후 다시 선택할 필요가 없습니다. 로그아웃 시 초기화됩니다.
미리보기 창
미리보기 창은 분석 후 열리며, 문서에 적용하기 전에 익명화를 검토하고 사용자화할 수 있습니다.
방법 선택기
미리보기에서 바로 교체, 마스킹, 편집, 해싱, 암호화 간에 전환합니다. 색상으로 구분된 방법 배지가 활성 방법을 한눈에 보여줍니다.
언어 선택기
설정으로 돌아가지 않고도 탐지 언어를 변경할 수 있습니다. "변경 사항 적용"을 클릭하여 새 언어로 재분석하세요.
프리셋 선택기
미리보기에서 저장된 프리셋 간에 전환합니다. 접을 수 있는 패널에 프리셋 이름, 개체 수, 설명이 표시됩니다.
변경 사항 적용
방법, 언어 또는 프리셋을 변경하면 "변경 사항 적용" 버튼이 나타납니다. 문서에 적용하기 전에 클릭하여 새 설정으로 재분석하세요.
서식 유지
활성화하면 추가 기능이 익명화되는 텍스트의 원본 서식(굵게, 기울임꼴, 밑줄)을 유지합니다. 교체 크레딧은 원본 텍스트와 동일한 서식을 상속받습니다.
Note: 참고: 서식 유지는 단순한 인라인 서식에 가장 잘 작동합니다. 표, 중첩 스타일 또는 변경 내용 추적이 포함된 복잡한 레이아웃은 익명화 후 수동 검토가 필요할 수 있습니다.
다국어 탐지
추가 기능은 48개 언어로 PII를 탐지합니다. 설정에서 탐지 언어를 설정하거나 미리보기 창에서 전환하세요. 언어에 따라 적용되는 NER 모델과 정규식 패턴이 결정됩니다.
기기 간 동기화
anonym.legal 계정으로 로그인한 모든 기기에서 구성이 자동으로 동기화됩니다.
프리셋
개체 선택, 방법, 연산자
사용자 정의 개체
사용자 정의 정규식 패턴 및 차단 목록
암호화 키
ZK 래핑된 키 메타데이터 및 값
동기화는 백그라운드에서 자동으로 이루어집니다. 오프라인 상태에서 변경하면 로컬에 캐시되고 연결이 복원되면 동기화됩니다.
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.