anonym.legal

By · Last updated 2026-05-06

Atgal į BlogąGDPR ir Atitiktis

BDAR paradoksas: ar jusu anoniminimo irankis teisetas?

2024 m. Nyderlandu DPA skirta 290 mln. euro bauda Uber buvo konkreCiai susijusi su Europos vairuotoju duomenu perdavimu i JAV serverius. Dauguma JAV pagrindu veikianCiu anoniminimo irankiu apdoroja duomenis ten pat.

May 6, 20268 min skaityti
GDPR anonymization paradoxUber Dutch AP fineUS server EU data transferzero-knowledge GDPR compliancedata residency

AtitikCio paradoksas

Atnaujinta 2026 m.

Imonės naudoja anoniminimo irankius, kad laikytusi BDAR taisykliu. Irankis skirtas problemai isspręsti. Jis apsaugo asmens duomenis pagal 32 straipsni. Taciau jei irankis perduoda ES asmens failus i JAV serverius, sukuria ta pati pazeidima, kuri buvo nupirktas sustabdyti.

2024 m. rugpjuCio mėnesi Nyderlandų duomenų apsaugos institucija (DPA) skirta Uber 290 mln. euro bauda. Tai buvo didžiausia ES duomenų perdavimo bauda tuo metu. PriežastiS: Uber persiuntė Europos vairuotojų dokumentus į JAV serverius. Vardai, buvimo vietos failai, mokėjimų duomenys ir asmens dokumentai buvo persiusti. Nebuvo tinkamų 46 straipsnio apsaugos priemonių. Nyderlandų DPA nusprendė, kad Uber naudojimasis JAV serveriais buvo nuolatinis BDAR pažeidimas.

Ta pati logika taikoma anoniminimo irankiams. JAV SaaS irankis, perkeliantis ES asmens duomenis i JAV serverius, daro tą patį, ką Nyderlandų DPA nubaudė. Tikslas - anoniminimas ar kelionių valdymas - nekeičia teisines analizės. Žr. musu atitikties apžvalgą, kur rasite paprastai aiškinama santrauka.

DPO tai pastebejo

DPO šį klausimą kele nuo Schrems II sprendimo 2020 m. Tas sprendimas panaikino ES ir JAV privatumo skyda. Jis nustate taisykle, kad JAV serveriai nėra saugūs ES asmens failams, nebent yra papildomos apsaugos priemonės.

Kiekvienas JAV irankis, naudojantis ES asmens failus, reikalauja teisinio perdavimo pagrindo. BDAR baudos iki 2025 m. sieke iš viso 5,65 mlrd. euro. Perdavimo pažeidimų vidutinis dydis dabar siekia 18 mln. euro vienai bylai. Rizika yra reali. Ji jau sukele dideles baudas. Ji sukels dar daugiau.

Du büdai paradoksui isspręsti

Yra du tikri sprendimai. Pirma, dokumentus apdoroti tik ES serveriuose. Failai niekada nepalieka ES. Antra, naudoti nulio žinių (zero-knowledge) projektavimą. Joks asmeninis turinys iš viso nepasiekia serverio.

ES priegloba viena gali büti nepakankama. JAV imonė ES serveriuose vis tiek gali büti įpareigota atiduoti failus. FISA 702 skyrius ir Vykdomasis isakymas Nr. 12333 taikomi JAV imonėms ir jų ES padaliniams. JAV patronuojanti imonė gali büti priversta suteikti prieigą - net prie failų ES serveriuose.

Nulio žinių projektavimas tai issprendžia. Jei joks asmeninis turinys nepasiekia serverio, serverio vieta neturi reikšmės. Tai, kas pasiekia serverio - užšifruoti žetonai, maskuotos reikšmės, transformuota išvestis - nėra asmens informacija pagal BDAR. Ji nepatenka i perdavimo taisykles. Skaitykite apie musu nulio žinių metodą ir žr. kainų planus, įskaitant vietinę darbalaukio programą.

anonym.legal naudoja nulio žinių projektavimą. Serveris niekada nemato paprastojo teksto turinio. Visiškas serverio pažeidimas duoda tik AES-256-GCM šifruotą tekstą. Darbalaukio programa veikia tik jūsų įrenginyje - be jokių išorinių ryšių.

Šaltiniai

Susiję Straipsniai

GDPR ir Atitiktis

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR ir Atitiktis

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR ir Atitiktis

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

Pasiruošę apsaugoti savo duomenis?

Pradėkite anonimizuoti PII su 285+ subjektų tipais 48 kalbomis.

Pradėti Nemokamą Bandomąją VersijąPeržiūrėti Funkcijas

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.