By · Last updated 2026-06-05

Atpakaļ uz BloguGDPR un Atbilstība

GDPR audita neveiksme: sadrumstaloti PII rīki

Jūsu auditors jautā par PII noteikšanas kontrolēm. "Mēs izmantojam piecus dažādus rīkus" nav atbilde, ko viņi vēlas dzirdēt. Lūk, kāpēc vairāku platformu konsekvence ir svarīga.

June 5, 20266 min lasīšanai
GDPR auditcompliance controlsPII tool consistencyDPA investigationtechnical measures

GDPR audita neveiksme: sadrumstaloti PII rīki

Atjaunināts 2026. gadam.

Jūsu auditors uzdod vienu jautājumu: "Kādas tehniskas kontroles aizsargā personas datus?" Nepareizā atbilde: "Mēs izmantojam piecus dažādus rīkus." Lūk, kāpēc piecu rīku izmantošana neizdodas GDPR auditos — un kā izskatās tīra atbilde.

Audita brīdis

Datu aizsardzības iestādes izmeklētājs tiekas ar atbilstības darbinieku. DPI pārskata datu subjekta sūdzību. Bijušais klients apgalvo, ka viņa dati tika nepareizi apstrādāti.

Jautājums: "Kādas kontroles jūsu organizācija izmanto, lai personas dati būtu droši, kad darbinieki tos apstrādā?"

Atbilstības darbinieks: "Mūsu juristi izmanto Word pievienojumprogrammu. Atbalsta darbinieki izmanto Chrome paplašinājumu. Mūsu datu komandai ir Python skripts. Vienreizējiem pieprasījumiem ikviens var izmantot tīmekļa lietotni."

Izmeklētājs: "Vai šie ir viens un tas pats rīks? Viens dzinējs? Vienāds pārklājums?"

Atbilstības darbinieks: "Nē. Tie darbojas atšķirīgi."

Tieši tad audits kļūst grūts.

Kāpēc sadrumstaloti rīki neizdodas saskaņā ar 32. pantu

GDPR 32. pants prasa "atbilstošus tehniskus un organizatoriskus pasākumus". Standartam ir divas daļas.

Atbilstība riskam. Pasākumiem ir jāatbilst riskam. Personas datiem, kas apstrādāti daudzos darbplūsmas procesos, ir nepieciešama konsekventas PII noteikšana. Noteikšana, kas mainās atkarībā no rīka, neatbilst šai prasībai.

Pierādījums. Pasākumiem ir jābūt pierādāmiem. 5. panta 2. punkts — atbildības princips — prasa, lai pārziņi "spētu demonstrēt atbilstību". Tas nozīmē konsekventa kontrole pierādījumus. Ne labākajā gadījumā. Konsekventi.

Sadalīti rīki neizdodas pierādīšanā. A rīks nosaka 285 entītes tipus. B rīks nosaka 50. C rīks nosaka 200, bet ar atšķirīgām robežvērtībām. Ar šo kopumu jūs nevarat pierādīt konsekventu aizsardzību. Jūs varat tikai parādīt, ka daži rīki darbojās dažos kontekstos.

DPI atradums par sadalītiem rīkiem skan: "Tehniskās kontroles PII aizsardzībai ir nekonsekventi darbplūsmas procesos. Tas rada pārklājuma plaisas un neļauj centralizētu audita pierakstu pārskatīšanu."

Pārklājuma plaisu noteikšanas problēma

Jūs bieži nezināt, kur ir jūsu pārklājuma plaisas, līdz notiek pārkāpums.

Pieņemsim, ka B rīks (ko izmanto datu komanda) nenosaka ES nacionālo ID numurus. A rīks (ko izmanto juristi) to dara. Šī plaisa ir neredzama parasta darba laikā. Faili tiek apstrādāti. Nekādi brīdinājumi nevar tikt. Nekas neizskatās nepareizs.

Plaisa atklājas, kad:

  • ES nacionālais ID parādās failā, ko apstrādāja datu komanda
  • Šis fails tiek kopīgots bez kontrolēm
  • Datu subjekts atklāj iedarbību un iesniedz GDPR sūdzību

Tagad DPI atklāj plaisu. Datu komanda darbināja rīku ar atšķirīgu pārklājumu nekā citas komandas. Plaisa, kas bija jāatrod un jāaizver.

Vienotais pārklājums to labo. Vieni un tie paši entītes tipi tiek noteikti visos kontekstos. Plaisas kļūst redzamas — nulles noteikšana X entītes tipam jebkurā darbplūsmas procesā — nevis slēptas.

Skatiet GDPR 32. pants un AI rīku uzraudzība par to, ko auditori meklē tehniskajās kontrolēs.

Kā izskatās tīra atbilstības atbilde

Atbilstības darbinieks ar vienotu platformu atbild atšķirīgi.

"Mēs izmantojam vienu PII noteikšanas platformu visos darbplūsmas procesos. Juristi, atbalsta aģenti un datu inženieru izmanto vienu un to pašu noteikšanas dzinēju. Interfeisi atšķiras — Word pievienojumprogramma, Chrome paplašinājums, galddatora lietotne — bet modelis un iestatījums ir vienādi. Visa apstrāde tiek protokolēta centrālajā audita pierakstā. Mūsu iestatījums aptver 285+ entītes tipus ar jurisdikcijām atbilstošiem priekšiestatījumiem. Es varu iegūt jebkuru vajadzīgo laika periodu."

Šī atbilde ir:

  • Specifiska. Tā nosauc platformu un izskaidro vairāku platformu iestatījumu.
  • Konsekventa. "Viens noteikšanas dzinējs" tieši risina pārklājuma problēmu.
  • Demonstrējama. Centrālais audita pieraksts nozīmē, ka pierādījumi ir gatavi pēc pieprasījuma.

Kad izmeklētājs pieprasa audita pierakstu konkrētam datu subjektam, pieprasījums tiek izpildīts uzreiz.

Vairāku platformu konsekvences standarts

Spēcīgai 32. panta nostājai šīs ir minimālās prasības.

Noteikšanas konsekvence:

  1. Viens noteikšanas modelis vai API visos platformos
  2. Viens entītes tipa pārklājums — ja tīmekļa lietotne pārbauda 285 entītes, galddatora lietotnei jādara tas pats
  3. Vienādas ticamības robežvērtības — neviens rīks nav vaļīgāks vai stingrāks par to pašu entītes tipu
  4. Vienādi aizstāšanas marķieri tiem pašiem entītes tipiem
  5. Centrālais audita pieraksts visos platformos

Dokumentācijas prasības:

  • Konfigurācijas momentuzņēmums: pašreizējais entītes pārklājums un robežvērtības
  • Izmaiņu vēsture: kas mainījās un kad
  • Pārklājuma pierādījums: visi platformi koplieto vienu iestatījumu

Jūs varat to izveidot vairāku rīku kopumam. Bet tas prasa formālu konfigurācijas pārvaldību un regulārus starpplatformu auditus. Viena platforma padara atbildi vienkāršu: "Lūk, iestatījums. Tas attiecas uz visu. Lūk, audita pieraksts."

Plašāku vairāku platformu konsekvences pārskatu skatiet Vairāku platformu PII atbilstība: Mac, Linux, Windows.

Praktiskā pāreja: sadrumstalota uz vienotu

1. solis: kartēt rīkus un pārklājumu

  • Uzskaitiet katru rīku pēc komandas un darbplūsmas procesa
  • Dokumentējiet, kurus PII tipus katrs rīks nosaka
  • Atrodiet plaisas — ko A rīks nosaka, ko B rīks nokavē?

2. solis: definēt pārklājuma standartu

  • Pamatojoties uz jūsu saistībām — GDPR entītes tipi, HIPAA PHI, CCPA kategorijas
  • Noteikt vienu standartu, kas attiecas uz visiem darbplūsmas procesiem

3. solis: izvēlēties vienoto platformu

  • Vai tā var izvietot tīmeklī, galddatorā, Word un pārlūkā?
  • Vai tā atbilst jūsu pārklājuma standartam?
  • Vai tā nodrošina centralizētu audita pierakstu?

4. solis: migrēt

  • Sāciet ar augstākā riska darbplūsmas procesiem
  • Pārejiet komandu pa komandai un atceļiet mantotie rīkus, migrējot lietotājus
  • Ierakstiet migrāciju atbilstības protokolā

Sadalīts rīku komplekts ir viena no biežākajām GDPR kontroles plaisām, kas tiek konstatētas auditos. Par to, kā tas parādās izplatītās komandās, skatiet Attālinātais darbs un GDPR: platformas nekonsekvence.

Avoti

Vai esat gatavi aizsargāt savus datus?

Sāciet PII anonimizāciju ar 285+ entitāšu veidiem 48 valodās.

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.