By · Last updated 2026-04-25

Atgal į BlogąGDPR ir Atitiktis

Tokenų atvaizdavimas BDAR DI darbo eigos procesuose

Kai klientų vardai anonimizuojami prieš DI apdorojimą, DI atsakymas apima anonimizuotus tokenus. Galutiniame atsakyme turi būti tikri vardai, ne.

April 25, 20268 min skaityti
token mapping AIGDPR customer service AIauto-decryptsession-based anonymizationAI workflow pseudonymization

Tokenų atvaizdavimas BDAR DI darbo eigos procesuose

Atnaujinta 2026 m.

Jūsų komanda naudoja DI klientų atsakymams rengti. Klientas rašo. Jo vardas anonimizuojamas prieš DI tai pamato. DI parengia atsakymą su vietos rezervuotoju. Agentas turi jį rankiniu būdu pakeisti. Esant 200 sąveikų per dieną, tos sąnaudos greitai kaupiasi.

Sesijomis pagrįstas tokenų atvaizdavimas tai išsprendžia. Jis automatiškai atkuria tikrus vardus.

Problema be tokenų atvaizdavimo

Anonimizacijos veiksmas sukuria tokeną. "Maria Schmidt" tampa [CUSTOMER_1]. Claude parengia: "Gerbiama [CUSTOMER_1], atsiprašome už vėlavimą."

Pretenzijų nagrinėtojas dabar turi pakeisti [CUSTOMER_1] "Maria Schmidt" prieš siunčiant. Esant dideliam kiekiui, šis veiksmas panaikina DI pagalbos tikslą. Tai pasikartojantis darbas, kuris niekur nedingsta.

Kaip veikia sesijų tokenai

Sesija saugo peržvalgos lentelę: [CUSTOMER_1] -> "Maria Schmidt". Kai Claude grąžina savo juodraštį, automatinio iššifravimo sluoksnis nuskaito tą lentelę ir atkuria vardą. Agentas mato "Gerbiama Maria Schmidt" - jau teisingai. Jokio rankinio veiksmo. BDAR apsauga veikia tyliai.

Kodėl sesijų nuoseklumas svarbus

Tokenų lentelė turi būti nuosekli visoje sesijoje. Jei "Maria Schmidt" pasirodo pradiniame skunde ir vėl tolesnėje žinutėje, abu turi būti susieti su [CUSTOMER_1]. Be to Claude gali laikyti juos dviem skirtingais žmonėmis. Jo atsakymas tampa nenuoseklus.

Vienas asmuo gauna vieną tokeną vienai sesijai. Claude tada gali teisingai samprotauti apie pokalbį.

BDAR atitiktis pagal dizainą

BDAR 4 straipsnio 5 dalis apibrėžia pseudonimizavimą kaip rizikos mažinimo techniką. EDPB 2022 m. gairės reikalauja vieno dalyko: raktas turi būti laikomas atskirai nuo pseudonimizuotų duomenų.

Sesijų tokenų lentelės atitinka šią taisyklę. Peržvalga lieka naršyklėje. Ji niekada nesiunčiama Claude. Pasibaigus sesijai, ji dingsta. Jokie asmens duomenys nepasiekia išorinių serverių. 46 straipsnio perdavimo klausimas nekyla.

Draudimo pretenzijos: konkretus pavyzdys

Vokietijos draudimo įmonė apdoroja kliento skundo el. laiškus. Kiekviename el. laiške yra vardas, poliso numeris ir pretenzijos suma.

Prieš DI apdorojimą Chrome plėtinys arba MCP serveris anonimizuoja visus tris laukus. Claude mato [CUSTOMER_1], [POLICY_2024-08847] ir [AMOUNT_1]. Jis parengia atsakymą su tais tokenais.

Automatinio iššifravimo sluoksnis tada atkuria visus tris laukus. Pretenzijų nagrinėtojas juodraštyje mato tikrą vardą ir poliso numerį. Jis peržiūri ir siunčia. Jokio vietos rezervuotojo pakeitimo nereikia.

BDAR rezultatas: Claude JAV serveriams išsiųsti duomenys neapėmė jokių asmens duomenų. Tikras kliento vardas ir poliso numeris liko Vokietijoje, nagrinėtojo naršyklėje.

Ko reikia pilnam procesui

Trys komponentai turi veikti kartu sklandžiai:

1. Nuoseklūs tokenai. Kiekvienas objektas vienai sesijai gauna vieną tokeną. Visada tą patį.

2. Vietinė peržvalgos lentelė. Ji gyvena sesijoje. Ji nesiunčiama DI.

3. Automatinis iššifravimas išvestyje. Lentelė taikoma DI juodraštyje prieš agentui jį matant.

Be visų trijų darbo eigos automatizavimas yra nepilnas. Žiūrėkite Chrome plėtinį ir MCP serverio dokumentus, kad sužinotumėte, kaip kiekvienas komponentas integruojamas.

Pasiruošę apsaugoti savo duomenis?

Pradėkite anonimizuoti PII su 285+ subjektų tipais 48 kalbomis.

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.