anonym.legal

By · Last updated 2026-05-05

Atpakaļ uz BloguGDPR un Atbilstība

Vai jūsu anonimizācijas rīks pārkāpj VDAR?

Īrijas DPC 530 miljonu eiro naudas sods TikTok par EEZ lietotāju datu pārsūtīšanu uz Ķīnu radīja skaidru precedentu: ES PII apstrāde ar ES teritorijā neesošu rīku ir datu eksports.

May 5, 20268 min lasīšanai
GDPR data transfer violationTikTok DPC fineEU data processinganonymization tool GDPRArticle 46 data transfer

Anonimizācijas rīki un VDAR: TikTok naudas soda skaidrojums

TikTok precedents

  1. gada maijā Īrijas Datu aizsardzības komisija uzlika TikTok naudas sodu 530 miljonu eiro apmērā. TikTok bija nosūtījis ES lietotāju datus uz Ķīnu. Tam trūka atbilstošu aizsardzības pasākumu.

Galvenais punkts ir šaurs. Pārkāpums bija personas datu eksports pats par sevi. Ne datu vākšana. Ne tas, kas notika Ķīnā. ES ierakstu nosūtīšana uz serveri ārpus ES pārkāpa 46. panta 1. punktu.

VDAR 44.–49. pants attiecas uz jebkuru ES ierakstu pārrobežu pārvietošanu. Katrai pārvietošanai nepieciešams juridiskais pamats. Izplatītākie varianti:

  • Pietiekamības lēmums (ES apstiprina saņēmējvalsts tiesību aktus)
  • Standarta līguma klauzulas, kas saista saņēmēju
  • Saistošie korporatīvie noteikumi lieliem starptautiskiem uzņēmumiem
  • Cits 46. panta mehānisms

VDAR naudas sodi līdz 2025. gadam sasniedza 5,65 miljardus eiro. Pārrobežu pārkāpumi tagad vidēji sasniedz 18 miljonus eiro par izpildes darbību (DLA Piper 2025). Tie ir vieni no dārgākajiem VDAR pārkāpumu veidiem.

Anonimizācijas rīku problēma

Daudzi ES uzņēmumi izmanto ASV bāzētus rīkus, lai no sava satura noņemtu personas datus. Tas izskatās droši. Augšupielādē ES klientu saturu. Saņem attīrītu izvadi atpakaļ. Glabā to ES.

Taču neapstrādātie personas dati pirms tam šķērsoja ASV serveri. Šī šķērsošana saskaņā ar 44.–49. pantu tiek uzskatīta par eksportu. Labs nolūks nemaina juridisko pārbaudi. Personas datu noņemšana pēc tam neannulē iepriekšējo pārvietošanu. Eksports jau ir noticis.

Īrijas DPC TikTok loģika attiecas arī šeit. Pārkāpums ir ES lietotāju ierakstu pārvietošana uz serveri ārpus ES. ASV rīks, kas ES personas datus saņem uz ASV serveriem, ir saņēmis eksportu. Tam nepieciešamas SLK, pietiekamības lēmums vai SKN — tieši tāpat kā jebkurai citai pārrobežu pārvietošanai.

Organizācijas bieži to palaižat garām. Tās pieņem, ka anonimizācijas rezultāts attaisno eksportu. Tā nav. Juridiskā analīze balstās uz to, kas atstāja ES, nevis uz to, kas atgriezās.

Nulles zināšanu risinājums

Risinājums ir arhitektonisks. Rīks, kas nekad nesaņem personas datus, nevar radīt pārrobežu pārkāpumu.

Nulles zināšanu dizains uztur PII atpazīšanu lokāli. Apstrāde notiek lietotāja pārlūkprogrammā vai lokālajā lietotnē. Rīka serveris redz tikai attīrītu izvadi — žetonus, kas aizstāj reālus vārdus, ID un kontaktinformāciju.

Saskaņā ar VDAR izvade bez personas datiem nav pakļauta eksporta noteikumiem. No ES nav aizgājis neviens reālais saturs.

Šī atšķirība ir svarīga 30. panta ierakstiem. ROPA ieraksts nulles zināšanu ES rīkam nefiksē pārrobežu pārvietošanu. ROPA ieraksts ASV rīkam, kas saņem neapstrādātus ES personas datus, fiksē eksportu. Šim ierakstam nepieciešams skaidri dokumentēts juridiskais pamats.

Mūsu VDAR atbilstības rokasgrāmata aptver to, kas jāiekļauj ROPA ierakstos. Mūsu drošības atbilstības pārskats skaidro tehniskās kontroles, kas tos atbalsta. Skatiet arī mūsu anonimizācijas konsekvences rokasgrāmatu dokumentācijas padomiem dažādiem rīkiem.

Avoti

Saistītie Raksti

GDPR un Atbilstība

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 un Atbilstība

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 un Atbilstība

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.

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.