anonym.legal

By · Last updated 2026-04-13

Atpakaļ uz BloguTehniskā

Gaisa sprauga konfidencialitāte: anonimizācija bezsaistē

FedRAMP un ITAR vidēm ir viena kopīga iezīme — mākonis nav iespēja. Atgriezeniska pseidonimizācija saskaņā ar GDPR 4. pantu.

April 13, 20269 min lasīšanai
air-gapped anonymizationSCIF document processingITAR complianceFedRAMP offline toolsoffline PII detection

Gaisa sprauga noteikums

Dažiem tīkliem nav interneta. Ne politikas dēļ — bet pēc dizaina.

SCIF (Sensitīvas nodalītas informācijas objekts) ir Faradeja ekranēta telpa. Neviens bezvadu signāls neietiek iekšā vai ārā. ITAR (Starptautiskā ieroču tirdzniecības noteikumi) aizliedz segt tehnisko saturu nosūtīšanu neapstiprināto pušu. Mākoņa pakalpojumu sniedzēji nav ITAR sertificēti. Šīm grupām "mākoņa SaaS" nav risks pārvaldīt.

Šīm vietām mākoņrīki nedarbojas. Pilnīgi.

Rīks, kam nepieciešams tiešs tīkla savienojums, šeit nevar darboties. Rīks, kas zvana licences serverim, tiek bloķēts. Rīks, kas nosūta failus mākoņa API noteikšanai, nevar funkcionēt SCIF iekšienē. Tas nav malas gadījums. Tie ir ikdienas ierobežojumi aizsardzības komandām.

ITAR gadījums

Datu zinātniece aizsardzības uzņēmumā strādā ar personāla ierakstiem ITAR ietvaros. Viņai jānoņem vārdi un ID pirms failu koplietošanas. Viņas tīkls ir gaisa spraugā.

Nav mākoņa risinājuma. Vienīgais ceļš ir rīks, kas darbojas lokālajā ierīcē. Tam lokāli jāglabā savus modeļus. Tam jāsagatavo tīra izvade bez ārējiem zvaniem.

Darbvirsmas lietotne, kas balstīta uz Tauri 2.0, to dara. Pēc instalācijas izpildes laikā netiek veikti tīkla zvani. SpaCy NER modeļi un regulāro izteiksmju modeļi darbojas lokālajā CPU. Izvade paliek ierīcē, līdz lietotājs to eksportē.

Kāpēc atgriezeniskums ir svarīgs

Klasificētajam darbam bieži nepieciešama atgriezeniska pseidonimizācija. Komandas aizstāj reālos vārdus ar kodiem. Viņi saglabā ierakstus noderīgus. Viņi aizsargā reālās identitātes.

GDPR 4.(5). pants definē pseidonimizāciju kā formālu privātuma pasākumu. Tā samazina risku. Pseidonimizēti ieraksti nes mazāk juridisko pienākumu — ja uzmeklēšanas marķieris tiek glabāts atsevišķi no datu kopas.

IAPP pētījums (2024) atklāja, ka tikai 23% rīku atbalsta patiesu atgriezeniskumu. Lielākā daļa veic vienpusēju maskēšanu vai pilnīgu aizstāšanu. Kad ieraksts tiek pārrakstīts, tas ir pazudis.

Dažas valdības komandas sadala savu darbu pa nodalījumiem. Viena komanda saņem pseidonimizētos failus. Viņi veic analīzi. Otra komanda glabā uzmeklēšanas marķieri. Viņi atkārtoti identificē ierakstus tikai tad, kad to prasa likums. Šis sadalītais dizains ir vienīgā drošā pieeja daudzkomandu klasificētajām darbplūsmām.

Nulles zināšanu modelis iet vienu soli tālāk. Uzmeklēšanas marķieris tiek izveidots klienta ierīcē. Tas nekad netiek nosūtīts ārā. Ja pārdevējam tiek izsniegts pavēste, viņi nevar nodot marķieri. Viņiem tas nekad nebija. Tas apmierina ķēdes glabāšanas noteikumus daudzās klasificētajās vidēs.

EDPB marķiera atdalīšana

EDPB vadlīnijas 05/2022 norāda, ka pseidonimizācijas marķierim jābūt glabātam atsevišķi. Tam nedrīkst atrasties pie tās pašas puses, kas glabā pseidonimizētos ierakstus. Vai arī tam jābūt bloķētam aiz kontrolēm, kas neļauj tai pusei vienlaicīgi lasīt gan ierakstus, gan marķieri.

Trīs lietas kopā atbilst šim noteikumam:

  • Marķieris izveidots klienta ierīcē — nekad netiek nosūtīts ārā
  • Visa apstrāde tiek veikta lokāli — nekas neatstāj gaisa sprauga vietni
  • Izvade un marķieris tiek eksportēti atsevišķi — divi atsevišķi faili, divi atsevišķi ceļi

Šis dizains vienlaikus atbilst EDPB noteikumam un gaisa sprauga ierobežojumam.

Pilnīgam skatam mūsu drošības pārskats parāda, kā lokālā apstrāde samazina trešo pušu ķēdi. Mūsu atbilstības ceļvedis aptver GDPR pārsūtīšanas noteikumus. Skatiet mūsu BUJ iestatīšanas palīdzībai.

Anonym.legal darbvirsmas lietotne veic visus personas datu noteikšanu lokālajā ierīcē. Pēc instalācijas internets nav nepieciešams. Tā atbalsta Windows, macOS un Linux. Komplektētie NLP modeļi aptver 24 valodas.

Atjaunināts 2026. gadam

Avoti

Saistītie Raksti

Tehniskā

Cross-Platform PII: Mac, Linux, and Windows

Privacy officers on Mac, legal on Windows, data engineers on Linux — all processing the same data with different tools. Here's why OS-agnostic detection.

Tehniskā

Cross-Application PII: Word, Chrome, and AI

Customer data flows from browser research to Word drafts to Claude prompts. Each context switch is a potential leakage point.

Tehniskā

GDPR in App Logs: JSON PII Compliance

Application logs contain customer email addresses, IPs, and account numbers that GDPR Article 5(1)(e) requires be managed.

Vai esat gatavi aizsargāt savus datus?

Sāciet PII anonimizāciju ar 285+ entitāšu veidiem 48 valodās.

Sākt Bezmaksas IzmēģinājumuSkatīt 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.