Techninė
Gilinimasis į PII aptikimą, NER ir anonimizavimo technologijas
33 straipsniai
Presidio: 3 savaičių sąranka prieš valdomą PII
Microsoft Presidio turi tūkstančius GitHub žvaigždučių ir šimtus atvirų klausimų. Sąrankos sudėtingumas, PySpark integracijos papildomos išlaidos ir Python priklausomybės.
Nuo 6 savaičių iki 3 dienų: valdoma PII sąranka
Sveikatos priežiūros SaaS komandos praleidžia 6 savaites prie savęs talpinamos Presidio gamybos diegimo, prieš pereidamos prie valdomo API. Valdomas API pakeičia diegimą.
Nemokamas PII aptikimas kainuoja 13 000 EUR per metus
Presidio savęs talpinimas reikalauja 40–80 valandų pradinio diegimo ir 5–10 valandų per mėnesį priežiūros. 100 EUR/val. inžinerijos tarifu tai sudaro 13 200+ EUR.
Presidio 22,7 % tikslumo problema
2024 m. lyginamoji analizė nustatė, kad Presidio asmenvardžių atpažintuvas verslo dokumentuose pasiekia 22,7 % tikslumą -- tai reiškia, kad 77,3 % aptikimų yra klaidingai teigiami.
Atkartojamai privatumas: ML išankstinės konfigūracijos
ML mokymo duomenų anonimizavimas turi būti nuoseklus ir atkartojamas. Jei duomenų mokslininkai A ir B taiko skirtingus objektų tipus, mokymo duomenų rinkiniai skiriasi.
BDAR saugūs duomenų srautai: anonimizuokite pries saugojima
dbt stulpelių žymos nera BDAR atitiktis. Neužmaskuoti klientų duomenys patenka i jūsų Snowflake saugyklą pries žymų politikų taikymą.
FOIA: Redakcija nuo savaičių iki valandų
JAV federaline vyriausybe 2024 m. išleido apytiksliai 500 mln. USD FOIA apdorojimui, daugiausia rankinei redakcijai. ARPA-H tiesiogiai sieke DI redakcijos programines irangos.
BDAR ir ML mokymo duomenu anonimizavimas
BDAR riboja asmens duomenu naudojima ML mokymui, jei tai nebuvo pirminis rinkimo tikslas. Duomenu mokslininkai, kurie remiasi ad hoc Python skriptais, sukuria rimtas atitikties spragas.
FOIA: 80% greičiau su paketiniu redagavimu
JAV federalinės agentūros 2024 finansiniais metais gavo 1,5 mln. FOIA užklausų, vidutinė kaina — 482 USD per užklausą. Paketinis asmens duomenų redagavimas sutrumpina apdorojimo laiką nuo 4–8 mėnesių iki 2–4 savaičių.
Presidio vs. anonym.legal: kūrimas ar pirkimas
Microsoft Presidio techniškai nemokamas, tačiau tinkamam diegimui reikia 40-80 inžinerijos valandų. anonym.legal teikia tokį patį ML tikslumą kaip valdoma SaaS paslauga.
Oro izoliacijos privatumas: anonimizuokite neprisijungę
FedRAMP ir ITAR aplinkos turi vieną bendrą dalyką — debesies negalima naudoti. Atgaminamas pseudonimizavimas pagal GDPR 4 str.
AAS Aptikimo Priemoniu Klaidingo Teigiamo Mokestis
Presidio GitHub problema #1071 dokumentuoja sistemingus klaidingus teigiamus. 2024 m. tyrimas nustate 22,7% tiksluma misriu kalbu imone duomenu rinkiniuose.
Arabiskas ir hebrajiskas AAS: Vakarietiskas priemones nepavyksta
BDAR nesibaigia prie Bosforo. Arabiskas ir hebrajiskas AAS ES verslo procesuose yra sistematiskai neapsaugotas. XLM-RoBERTa kryzmines kalbos aptikimas ir.
Kelių kalbų asmens duomenys: vienakalbiai įrankiai atsilieka
72 % ES įmonių vienu metu apdoroja dokumentus trimis ar daugiau kalbų. Mišrios kalbos dokumentai lemia 45 % didesnį asmens duomenų praleidimų skaičių vienakalbių NER įrankiuose.
APAC AAS: tajų, indoneziecų, vietnamiecų kalbos
Singapūro finansu technologijų Įmonė, apdorojanči 500 000 mėnesinių palaikymo pokalbių 12 APAC kalbomis, nustatė, kad jų tik anglų kalbos Įrankis praleido AAS 60% ne anglų kalbos pokalbiuose.
Klaidingai teigiami rezultatai: kodėl ML redagavimas nepavyksta
2024 m. lyginamasis tyrimas nustatė, kad Presidio sugėrė 13 536 klaidingai teigiamus vardo aptikimus visose 4 434 imtyse - pazėmėdamas įvardžius, laivų pavadinimus ir šalis kaip asmenvardžius.
ISO 27001 ir nulinės žinios sutrumpina tiekėjų vertinimo laiką
2025 m. apklausa parodė, kad pripazįninto saugumo sertifikato trūkumas buvo antra pagrindinė priežastis, dėl kurios CISO atsisako SaaS tiekėjų. Štai ką suteikia ISO 27001 ir nulinų žiniu derinys.
Nulinų žiniu architekтūra sutrumpina pardavimo ciklus
Imonių tiekėjų saugumo klausimynai apima daugiau nei 100 klausimų. Nulinų žiniu architekтūra į sunkiausius iš jų atsako vienareikšmiškai ir padeda sudaryti sandorius.
LastPass pažeidimas: tiekėjų saugumo pamokos
LastPass šifravo savo vartotojų duomenis. Saugyklos vis tiek buvo išfiltruotos. Sekė daugiau nei 600 000 Okta įrašų. SaaS saugumo incidentai išaugo 300 % nuo 2022 m.
ZK teiginių vertinimas po LastPass
438 mln. USD pavogta iš LastPass vartotojų po jų "užšifruotų" saugyklų pažeidimo. Sekė 1,2 mln. GBP ICO bauda. Štai patikrinimų sąrašas, kaip įvertinti, ar tiekėjo teiginys yra realus.
LangChain CVE-2025-68664: Kaip ADA nuteka per jūsų RAG konvejerį
CVSS 9.3. LangChain serializavimo funkcijos atskleidžia aplinkos kintamuosius ir paslaptis užpuoliko kontroliuojamoms LLM. Kaip aptikti ir ištaisyti ADA nutekėjimus.
LibreOffice PII anonimizavimo pletinys
Zingsnis po zingsnio vadovas asmens duomenu anonimizavimui LibreOffice dokumentuose naudojant anonym.legal pletinini.
LibreOffice vs Office: PII redagavimas
Issamusis PII anonimizavimo galimybiu palyginimas LibreOffice (anonym.legal pletinys) ir Microsoft Office (Office prie dieginis).
Kodél dvejetainis AV aptikimas nepateisina atitikties reikalavimu
Aptikta/neaptikta vartai nepakanka atitikties kontekstams, reikalaujantiems zmogaus sprendimo. Stai kodél pasitikejimo vertinimas AV anoniminizavima pakeicia is spejimo i auditavama kontrole.
Dokumentų formatų fragmentacija PII anonimizavimo įrankiuose
Vienas DSAR atsakymas gali apimti Word sutartis, PDF sąskaitas, Excel klientų sąrašus ir CSV eksportus. Skirtingų įrankių naudojimas kiekvienam formatui sukuria spragas.
BDAR žurnalų anonimizavimas: išlaikykite derinimo galimybę
Programų žurnalai tyliai kaupia naudotojų el. pašto adresus, IP ir sąskaitų numerius. Kaip saugiai bendrinti žurnalus su trečiosiomis šalimis, rangovais ir stebėjimo platformomis.
BDAR programų žurnaluose: JSON asmens duomenų atitiktis
Programų žurnaluose yra klientų el. pašto adresai, IP ir sąskaitų numeriai, kuriuos BDAR 5 straipsnio 1 dalies e punktas reikalauja valdyti.
Asmens duomenys keliose programose: Word, Chrome ir DI
Kliento duomenys keliauja nuo narsyklės tyrimų iki Word dokumentų ir Claude užklausų. Kiekvienas programos pakeitimas - tai galimas duomenų nutekejimo taškas.
Kelių platformų asmens duomenys: Mac, Linux ir Windows
Privatumo pareigūnai naudoja Mac, teisinė komanda Windows, duomenų inžinieriai Linux - visi tvarko tuos pačius duomenis skirtingais įrankiais. Kodėl OS nepriklausomas aptikimas yra būtinas.
Oro tarpo ADA anoniminimas: neprisijungęs pirmiausia gynybai
41 % įmonių saugumo politikų draudžia debesies klasifikuotų dokumentų apdorojimą.
Grąžinamoji ar nuolatinė redakcija: kaip pasirinkti
BDAR skiria anoniminimą nuo pseudoanoniminimo. Teismai reikalauja originalų. Tyrimai reikalauja reidentifikacijos. Sužinokite, kada naudoti kiekvieną metodą.
Daugiakalbis NER: anglų kalba nepasiteisina arabų atveju
Anglų kalbai skirti NER modeliai pasiekia 85–92 % tikslumą. Arabų ir kinų kalbai? Dažnai 50–70 %. Sužinokite apie techninius iššūkius ir kaip kurti tikrai daugiakalbę sistemą.
Naudokite "Claude" ir "ChatGPT" neatskleidę asmens duomenų
Kūrėjo vadovas saugiam DI asistentų naudojimui. Nustatykite MCP serverio integraciją skaidriai apsaugant asmens duomenis "Claude Desktop", "Cursor" ir "VS Code" aplinkose.
Pradėkite Apsaugoti Savo Duomenis Šiandien
285+ subjektų tipai, 48 kalbos, įmonių lygio saugumas už starto kainą.
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.