Tehniskā
Dziļi ieguldījumi PII atklāšanā, NER un anonimizācijas tehnoloģijā
33 raksti
Presidio: 3 nedēļu iestatīšana vs pārvaldīts PII
Microsoft Presidio ir tūkstošiem GitHub zvaigžņu un simtiem atvērtu problēmu. Iestatīšanas sarežģītība, PySpark integrācija un modeļu pārvaldība prasa nopietnu inženieru darbu.
No 6 nedēļām līdz 3 dienām: pārvaldīta PII iestatīšana
Veselības aprūpes SaaS komandas pavada 6 nedēļas pašhostēta Presidio ražošanas izvietošanā pirms pārejas uz pārvaldītu API. Pārvaldītā API aizvieto izvietošanas projektu.
Bezmaksas PII noteikšana izmaksā 13 000 EUR/gadā
Presidio pašhostēšana prasa 40–80 stundas sākotnējai iestatīšanai un 5–10 stundas/mēnesī pastāvīgai uzturēšanai. Pie 100 EUR/stundā inženieru likmēm tas ir 13 200 EUR un vairāk.
Presidio 22,7% precizitātes problēma
2024. gada etalonmērs atklāja, ka Presidio personas vārda atpazinējs biznesa dokumentos sasniedz 22,7% precizitāti — tas nozīmē, ka 77,3% atklājumu ir viltus pozitīvi rezultāti.
Reproducējams privātums: ML iepriekšiestatījumi
ML apmācības datu anonimizācijai jābūt konsekventai un reproducējamai. Ja datu zinātnieki A un B piemēro atšķirīgus entītiju tipus, apmācības datu kopas ir nekonsekventa.
GDPR drošs datu cauruļvads: anonimizēt pirms glabāšanas
dbt kolonnu atzīmes nav GDPR atbilstība. Neapstrādāti klientu dati nonāk jūsu Snowflake noliktavā nemazkoti, pirms stājas spēkā uz atzīmēm balstītas politikas.
FOIA: Rediģēšana no nedēļām līdz stundām
Federālā valdība 2024. gadā tērēja aptuveni 500 miljonus USD FOIA apstrādei, galvenokārt manuālai rediģēšanai. ARPA-H skaidri meklēja AI rediģēšanas programmatūru.
GDPR atbilstoša ML apmācības datu anonimizācija
GDPR ierobežo personas datu izmantošanu ML apmācībai ārpus sākotnējā vākšanas mērķa. Datu zinātnieki, kas paļaujas uz ad-hoc Python skriptiem, rada nopietnas atbilstības nepilnības.
FOIA: Par 80% ātrāk ar pakešu redakciju
ASV federālās aģentūras 2024. fiskālajā gadā saņēma 1,5 miljonus FOIA pieprasījumu ar vidējām izmaksām $482 par pieprasījumu. Pakešu PII redakcija samazina apstrādes laiku no.
Presidio pret anonym.legal: veidot vai pirkt
Microsoft Presidio tehniski ir bezmaksas, bet pareiza izvietošana izmaksā 40–80 inženieru stundas. anonym.legal nodrošina tādu pašu ML precizitāti kā pārvaldīts SaaS.
Gaisa sprauga konfidencialitāte: anonimizācija bezsaistē
FedRAMP un ITAR vidēm ir viena kopīga iezīme — mākonis nav iespēja. Atgriezeniska pseidonimizācija saskaņā ar GDPR 4. pantu.
Viltus pozitīvo nodoklis PII rīkiem
Presidio GitHub problēma #1071 dokumentē sistemātiskus viltus pozitīvos. 2024. gada pētījums atklāja 22,7% precizitāti jauktvalodu uzņēmumu datu kopās.
Arābu un ivrita PII: Rietumu rīki nespēj atklāt
VDAR neapstājas pie Bosfora. Arābu un ivrita PII ES uzņēmumu darbplūsmās sistemātiski netiek aizsargāta. XLM-RoBERTa starpvalodu atklāšana un reģionam raksturīgi entītiju tipi ir obligātas prasības.
Jauktu valodu PII: vienvalodu rīki cieš neveiksmi
72% ES uzņēmumu vienlaikus apstrādā dokumentus 3 vai vairākās valodās. Jauktu valodu dokumentos vienvalodu NER rīki pieļauj par 45% vairāk PII kļūdu.
APAC PII: taju, indonēziešu, vjetnamiešu valoda
Singapūras fintech uzņēmums, kas apstrādā 500 000 atbalsta tērzēšanu mēnesī 12 APAC valodās, atklāja, ka to tikai angļu valodas rīks izlaiž PII 60% ne-angļu tērzēšanu.
Viltus pozitīvi: kāpēc ML redakcija neizdodas
2024. gada etalonā tika atklāts, ka Presidio radīja 13 536 viltus pozitīvus vārdu detektēšanas gadījumus 4 434 paraugos - marķējot vietniekvārdus, kuģu nosaukumus un valstis kā personas vārdus. Lūk, ko tas izmaksā juridiskajos un veselības aprūpes aprūpes vides.
ISO 27001 + zero-zinu risinājums samazina pārdevēja izvērtēšanas laiku
2025. gada aptauja atklāja, ka 'atzītas drošības sertifikācijas trūkums' ir otrais biežākais iemesls, kāpēc CISO noraida SaaS pārdevājus. Lūk, ko piedāvā ISO 27001 + zero-zinu kombinācija.
Zero-zinu arhitektūra saīsina pārdošanas ciklus
Uzņēmumu pārdevēju drošības anketas satur vidēji vairāk par 100 jautājumiem. Zero-zinu arhitektūra sniedz galīgas atbildes uz vissarežģītākajiem no tiem - un nodrošina darījumu noslēgšanu.
LastPass Pārkāpums: Piegādātāju Drošības Mācības
LastPass šifrēja savu lietotāju datus. Velves tika nozagtas. Sekoja 600 000+ Okta ierakstu. SaaS drošības incidenti pieauga par 300% no 2022. līdz 2024. gadam.
ZK Prasību Novērtēšana pēc LastPass
438 miljoni USD nozagti no LastPass lietotājiem pēc viņu 'šifrēto' velvju pārkāpuma. Sekoja 1,2 miljona GBP ICO sods. Lūk, kontrolsaraksts, lai novērtētu, vai piegādātāja prasība ir patiesa.
LangChain CVE-2025-68664: ka PII notec caur jusu RAG konveijeru
CVSS 9,3. LangChain serializacijas funkcijas paklauj vides mainigosanos un noslēpumus uzbruceja kontroletiem LLM. Ka detektēt un labot PII noteces.
LibreOffice PII anonimizācijas paplašinājums
Soli pa solim rokasgrāmata PII anonimizācijai LibreOffice dokumentos, izmantojot anonym.legal paplašinājumu.
LibreOffice vs Office: PII redakcija
Detalizēts PII anonimizācijas spēju salīdzinājums LibreOffice (anonym.legal paplašinājums) un Microsoft Office (Office pievienojumprogramma).
Kāpēc bināra PII atklāšana neatbilst atbilstības prasībām
Atklāts/neatklāts karodziņš nav pietiekams atbilstības kontekstiem, kas prasa cilvēka spriedumu. Ticamības novērtēšana pārveido PII anonimizāciju no bināras minēšanas par revidējamu atbilstības kontroli.
Dokumentu formātu sadrumstalotība PII rīkos
Viens DSAR atbilde var aptvert Word līgumus, PDF rēķinus, Excel klientu sarakstus un CSV eksportus. Dažādu rīku izmantošana katram formātam rada neatbilstības.
GDPR žurnālu anonimizācija: saglabājiet atkļūdošanu
Lietojumprogrammu žurnāli klusi uzkrāj lietotāju e-pastus, IP adreses un konta numurus. Lūk, kā kopīgot žurnālus ar trešajām personam, darbuzņēmējiem un novērojamības platformām, nepalielinot GDPR risku.
GDPR lietotņu žurnālos: JSON PII atbilstība
Lietojumprogrammu žurnāli satur klientu e-pasta adreses, IP adreses un konta numurus, kuriem GDPR 5. panta 1. punkta e) apakšpunkts prasa pārvaldību.
PII vairākās lietotnēs: Word, Chrome un AI
Klientu dati pārvietojas no pārlūka uz Word dokumentiem un Claude uzvednēm. Katrs lietotnes maiņas brīdis ir iespējamā noplūdes vieta.
Vairāku platformu PII: Mac, Linux un Windows
Privātuma darbinieki uz Mac, juridiskā nodaļa uz Windows, datu inženieru uz Linux — visi apstrādā vienos datus ar dažādiem rīkiem. Lūk, kāpēc OS neatkarīga noteikšana ir svarīga.
Gaisa spraugas personas dati: bezsaistes aizsardzība aizsardzībai
41% uzņēmumu drošības politiku aizliedz mākoņa apstrādi klasificētiem dokumentiem. Uzziniet, kā bezsaistes personas datu anonimizācija darbojas izolētos tīklos.
Reversīvā pret pastāvīgo rediģēšanu: pareizā izvēle
VDAR nošķir anonimizāciju no pseidoanonimizācijas. Tiesas vajadzīgas oriģinālus. Pētnieki vajag atkārtotu identifikāciju. Uzziniet, kad izmantot katru pieeju.
Daudzvalodu NER: Angļu valodas modeļi neizdodas ar arābu valodu
Angļu NER modeļi sasniedz 85-92% precizitāti. Arābu un ķīniešu valodā? Bieži 50-70%. Uzziniet par tehniskajiem izaicinājumiem un kā veidot patiesi daudzvalodu sistēmas.
Izmantojiet Claude un ChatGPT, nenopludinot personas datus
Izstrādātāja ceļvedis drošai MI palīgu lietošanai. Iestatiet MCP servera integrāciju caurspīdīgai PII aizsardzībai Claude Desktop, Cursor un VS Code.
Sāciet Aizsargāt Savus Datus Šodien
285+ entitāšu veidi, 48 valodas, uzņēmuma līmeņa drošība par sākuma cenām.
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.