anonym.legal

By · Last updated 2026-05-02

Atpakaļ uz BloguGDPR un Atbilstība

Globālā PII atbilstība: VDAR, LGPD un DPDP

Brazīlijas CPF, Indijas Aadhaar un ASV SSN ir fundamentāli atšķirīgi formāti un validācijas loģika. LGPD un Indijas DPDP likums pievieno CPF un Aadhaar aizsargāto identifikatoru sarakstam.

May 2, 20268 min lasīšanai
global PII complianceBrazilian CPF detectionIndian Aadhaar DPDPLGPD compliancemulti-regulatory PII

Globālā PII atbilstība: trīs likumi, trīs ID formāti

Apvienotās Karalistes tirdzniecības platforma apstrādā pārdevēju dokumentus no 80 valstīm. Vienlaikus darbojas trīs likumi: VDAR ES pārdevējiem, LGPD Brazīlijas pārdevējiem un Indijas DPDP likums Indijas pārdevējiem. Katrs likums nosaka citus nacionālos ID kā aizsargātus. Katram formātam ir sava pārbaudes loģika.

Brazīlijas CPF: formāts un LGPD statuss

CPF (Cadastro de Pessoas Físicas) ir Brazīlijas nodokļu maksātāja numurs. Tam ir 11 cipari formātā XXX.XXX.XXX-XX. Pēdējie divi cipari ir kontrolcipari. Matemātisks algoritms tos iegūst no pirmajiem deviņiem cipariem.

Brazīlijas LGPD uzskata CPF par aizsargātu personas identifikatoru, kas pēc jutīguma līdzīgs ASV SSN. Rīks, kas nezina CPF formātu, to neatradīs. Rīks, kas izlaiž kontrolsummu, signalizēs par viltus atbilstībām.

Indijas Aadhaar: formāts un DPDP noteikumi

Aadhaar ir 12-ciparu numurs, ko izsniedz Indijas UIDAI. Numuri tiek piešķirti nejauši. Pēdējais cipars ir Verhoeff kontrolcipars.

Indijas DPDP likums uzliek pienākumus jebkurai grupai, kas apstrādā ar Aadhaar saistītus datus. Atpazīšanai vajadzīgi divi soļi. Pirmkārt, saskaņot 12-ciparu formātu un pārbaudīt Verhoeff ciparu. Otrkārt, filtrēt pēc konteksta. Ne katrs 12-ciparu skaitlis ir Aadhaar.

ASV SSN: zināma struktūra

SSN ir deviņi cipari. Pirmie trīs ir apgabala numurs. Nākamie divi ir grupas numurs. Pēdējie četri ir sērijas numurs. Katram segmentam ir noteikti noteikumi. Validācija ir labi dokumentēta.

Plaisa starp vienas valsts rīkiem un globāliem noteikumiem

Šiem trim ID nav kopīga formāta un nav kopīgu pārbaudes noteikumu. ASV vajadzībām veidots rīks atpazīs SSN. Tas var pilnībā palaist garām CPF un Aadhaar.

Lielākā daļa komandu šo trūkumu atklāj, kad to prasa regulators — ne pirms tam. Trūkums rada reālu risku saskaņā ar katru likumu:

  • VDAR 28. pants prasa rakstisku Datu apstrādes līgumu ar katru apstrādātāju. DPIA, kas saraksta "SSN atpazīšanu" kā galveno kontroli — kad datu kopā ir arī CPF numuri — satur dokumentētu trūkumu. Revidents to var atrast.
  • LGPD naudas sodi var sasniegt 2% no Brazīlijas ieņēmumiem, līdz R$50M par pārkāpumu. Nepamanīts CPF ir tiešs LGPD pārkāpums.
  • DPDP izpilde vēl ir jauna. Komandas, kas tagad reģistrē savu pārklājumu, būs labākā pozīcijā, kad pirmie nolēmumi noteiks standartu.

Trīs sodu režīmi vienlaikus rada daudzslāņu risku. Vienas valsts rīki atstāj globālās komandas neaizsargātas.

Ko prasa pilns pārklājums

Rīkam nepieciešams katra ID formāts, pārbaudes algoritms un juridiskais konteksts. CPF vajag modulāru kontrolsummu. Aadhaar vajag Verhoeff pārbaudi plus konteksta filtrēšanu. SSN vajag apgabala un grupas noteikumus. Tas ir trīs atsevišķas problēmas. Neviena meklēšanas shēma neaptver tās visas.

Skatiet arī: globālā PII identifikatoru plaisa: SSN, CPF, Aadhaar, ANPD Brazīlija LGPD izpildes rokasgrāmata un DPDPA Indija — privātuma likuma tehniskā atbilstība.

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.