By · Last updated 2026-06-05

Atpakaļ uz BloguVeselības Aprūpe

HIPAA OCR: 725 pārkāpumi, 275 milj. ierakstu

HHS OCR 2024. gadā reģistrēja 725 HIPAA pārkāpumus, skarot 275 miljonus ierakstu — vēsturiski augstākais rādītājs. Vidējās veselības aprūpes pārkāpuma izmaksas 10,22 milj. ASV dolāru.

June 5, 202610 min lasīšanai
HIPAA enforcementPHI de-identificationOCR HHShealthcare breachHIPAA Security Rule

HIPAA OCR: 725 pārkāpumi, 275 milj. ierakstu

Atjaunināts 2026. gadam

HHS Civiltiesību birojs (OCR) 2024. gadā reģistrēja 725 veselības aprūpes datu pārkāpumus. Šie pārkāpumi skāra 275 miljonus pacientu ierakstu. Šis kopējais rādītājs ir vēsturiski augstākais, kas jebkad reģistrēts vienā gadā.

Vidējās veselības aprūpes pārkāpuma izmaksas 2025. gadā sasniedza 10,22 miljonus ASV dolāru. IBM Datu pārkāpuma izmaksu ziņojums uzrāda šo skaitli. Izmaksas ietver civiltiesiskos naudassodus, juridiskās maksas, pacientu paziņojumus, kredītu uzraudzību un zaudēto uzticēšanos.

  1. un 2026. gads ir galvenie gadi segto vienību un to biznesa partneru. Ierosināts HIPAA Drošības noteikuma atjauninājums no 2025. gada marta pievienotu vislielāko tehnisko noteikumu kopumu kopš 2003. gada.

Kas izraisīja 725 pārkāpumus 2024. gadā

OCR portāls 2024. gada kļūmes grupē četros veidos.

Uzlaušana un IT incidenti izraisīja 74% ziņoto pārkāpumu. Izpirkuma programmatūra, serveru uzbrukumi un e-pasta krāpšana ir galvenie veidi. Uzbrucēji tagad vēršas pret veselām tīkla sistēmām. Viens uzbrukums var izvilkt ierakstus no visas EHR sistēmas vienlaikus.

Nesankcionēta piekļuve un izpaušana izraisīja 18% pārkāpumu. Šeit tiek skaitītas sliktas piekļuves kontroles, iekšēju personu ļaunprātīga izmantošana un kļūdainas adresāta kļūdas.

Trešo personu incidenti veidoja 35% no 2024. gada pārkāpumiem. Kļūme sākās biznesa partnerī, nevis segumā vienībā. Tikai Change Healthcare (UnitedHealth Group vienība) atklāja vairāk nekā 190 miljonus pacientu ierakstu. Tas ir lielākais ASV veselības datu pārkāpums vēsturē.

Portatīvo datu nesēju zādzība vai nozaudēšana izraisīja 8% pārkāpumu. Klēpjdatori, USB diskdziņi un papīra ieraksti bez šifrēšanas, kas nozaudēti vai nozagti.

18 PHI veidi saskaņā ar Safe Harbor

HIPAA Safe Harbor metode (45 CFR §164.514(b)) prasa visu 18 pacientu datu veidu noņemšanu. Lielākā daļa komandu zina šo sarakstu. Grūtā daļa ir atklāšana lielos apjomos.

  1. Vārdi — pacienti, ģimenes locekļi, darba devēji

  2. Ģeogrāfiskie dati — jebkura teritorija, kas mazāka par štatu

  3. Datumi — uzņemšanas, izrakstīšanas, dzimšanas, nāves (gads var palikt)

  4. Tālruņu numuri

  5. Faksa numuri

  6. E-pasta adreses

  7. Sociālās apdrošināšanas numuri

  8. Medicīnisko ierakstu numuri (formāts atšķiras atkarībā no EHR sistēmas)

  9. Veselības plāna biedru numuri

  10. Konta numuri

  11. Sertifikātu un licenču numuri — medicīniskie, DEA, štatu

  12. Transportlīdzekļu ID — VIN numuri un numura zīmes

  13. Ierīču ID — sērijas numuri un unikālie ierīču kodi

  14. Tīmekļa URL

  15. IP adreses

  16. Biometriskie dati — pirkstu nospiedumi un balss nospiedumi

  17. Sejas pilnmēra fotogrāfijas un līdzīgi attēli

  18. Jebkurš cits unikāls ID, kods vai pazīme

  19. veids ir visgrūtāk uztverams. Jebkurš kods, kas saista ierakstu ar konkrētu pacientu, ir jānoņem — pat bez noteikta parauga.

Pakāpeniskas rokasgrāmatas par visu 18 veidu noņemšanu no klīniskajiem ierakstiem skatiet HIPAA Safe Harbor de-identifikācija veselības aprūpes pētniecībā.

Pieci jauni noteikumi ierosinātajā drošības atjauninājumā

Ierosināts HIPAA Drošības noteikuma atjauninājums (2025. gada marts) pievieno piecus pienākumus.

Ikgadējie šifrēšanas auditi. Segtajām vienībām jāapstiprina, ka visi miera stāvoklī esošie pacientu dati izmanto AES-256 vai līdzvērtīgu. Atslēgu pārvaldībai jāatbilst rakstiskiem standartiem.

Rakstiskas de-identifikācijas procedūras. Jebkuriem pacientu datiem, ko izmanto pētniecībā, AI apmācībā vai analītikā, nepieciešami raktiski soļi. Politikas piezīme nav pietiekama. Nepieciešami tehniski ieraksti ar validācijas pierādījumiem.

Biznesa partneru drošības pārbaudes. Biznesa partneriem jāiziet konkrētas tehniskas pārbaudes pirms darbības uzsākšanas. Līgumi agrāk risināja šo jautājumu bez tehniskajām detaļām.

Daudzfaktoru autentifikācija (MFA). Visiem darbiniekiem ar piekļuvi elektroniskiem pacientu datiem jāizmanto MFA. Mantotās sistēmas nav atbrīvotas.

Incidentu reaģēšanas testēšana. Nepieciešamas ikgadējas mācības un tehniskie testi. Komandām jāsaglabā rezultātu ieraksti.

Mācības no Change Healthcare

Change Healthcare pārkāpums (2024. gada februāris) parādīja, kā izskatās sistēmisks risks. Change Healthcare gadā apstrādāja 15 miljardus darījumu. Tas savienoja pakalpojumu sniedzējus, maksātājus un aptiekas kā klīringa nams.

Pārkāpums sākās ar vienu attālās piekļuves kontu. Šim kontam nebija MFA. Uzbrucēji deviņas dienas pārvietojās pa tīklu. Pēc tam viņi palaida izpirkuma programmatūru.

Mācība ir skaidra. Biznesa partneris ar plašu piekļuvi veselības darījumiem rada risku katram tam pieslēgtajam partnerim. Vecā ietvara struktūra nebija veidota pakalpojumu sniedzējiem, kas apstrādā trešdaļu no visiem ASV veselības darījumiem.

Ierosinātā noteikuma MFA, tīkla segmentācija un biznesa partneru pārbaudes viss atsaucas uz šo notikumu.

PHI noņemšanai no slimnīcai specifiskiem ierakstu formātiem skatiet HIPAA MRN atklāšana un slimnīcai raksturīgie paraugi. Nulles zināšanu dizainam, kas notur pacientu datus ārpus tīkla, skatiet HIPAA atbilstīgs mākoņa PHI un nulles zināšanu dizains.

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.