anonym.legal

By · Last updated 2026-06-05

Atpakaļ uz BloguGDPR un Atbilstība

Čehijas Rodne Cislo: Dzimuma kodēšana un GDPR

Čehijas rodne cislo kodē dzimumu ar 50-nobīdes mēneša kodēšanu — padarot to par GDPR 9. panta īpašās kategorijas datiem. 67% Čehijas uzņēmumu izmanto vācu rīkus.

June 5, 20267 min lasīšanai
Czech ÚOOÚrodné číslo detectionCzech GDPR compliancemanufacturing data protectionCentral Europe

UOOÚ un Rodne Cislo: Dzimuma kodēšana GDPR ietvaros

Atjaunots 2026. gadā

Čehijas datu iestāde ir UOOÚ. Pilnā forma: Úřad pro ochranu osobních údajů. Tā 2024. gadā izdeva 58 lēmumus. Vienā konstatējumā, kas parādās daudzās lietās: rodne cislo (dzimšanas numurs) tika apstrādāts bez noteikšanas. Izmantotais PII rīks bija izstrādāts vācu vai angļu valodai. Tam nebija loģikas šim identifikatora tipam. UOOÚ ir skaidrs: rīkiem jānosaka rodne cislo ar kontrolsummas validāciju un pareizu dzimuma nobīdes apstrādi.

Rodne Cislo: Īpašās kategorijas dati pēc struktūras

Rodne cislo jeb RC izmanto formātu GGMMDD/XXXX.

  • GG — dzimšanas gada pēdējie divi cipari.
  • MM — dzimšanas mēnesis. Sievietēm tiek pieskaitīts 50. Mēnesis 01 kļūst par 51. Mēnesis 12 kļūst par 62.
  • DD — dzimšanas diena.
  • XXXX — īsa 3–4 ciparu virkne plus kontrolvērtība (modulus 11).

Sieviešu mēneša nobīde padara šo numuru par bioloģiskā dzimuma marķieri. Šī nobīde nav nejaušīga. Civilo reģistru sistēma to izmanto administratīvajai uzmeklēšanai. GDPR 9. pants aptver datus, kas atklāj personiskās iezīmes. Dzimums ir viena no tām. UOOÚ viedoklis: jebkurš dokuments ar rodne cislo satur īpašās kategorijas datus pēc rakstura. Piemērojama stingrāka aizsardzība.

Kā darbojas kontrolvērtība: 10 rakstzīmju numuriem (izdotiem pēc 1954. gada), pilnajam 9 rakstzīmju pamatam jādalās ar 11 bez atlikuma. 9 rakstzīmju numuriem (izdotiem pirms 1954. gada) kontrolvērtības nav. Rīkiem jāapstrādā abi.

Ko UOOÚ sauc par atbilstošu noteikšanu

UOOÚ 2024. gada tehniskās vadlīnijas PII rīkiem nosaka trīs prasības.

Dzimuma nobīdes apstrāde: Numuri ar mēneša vērtībām 51–62 ir derīgi sieviešu identifikatori. Rīks, kas šādas vērtības uzskata par nederīgiem datumiem, izlaiž aptuveni pusi pieaugušo sieviešu iedzīvotāju primāro ID.

Formātu varianti: Pirms 1954. gada dzimušie saņem 9 rakstzīmju numurus bez kontrolvērtības. Pēc 1954. gada dzimušie saņem 10 rakstzīmju numurus ar vienu. Jāatbalsta abi.

Kontekstuālie signāli: Dzimtās valodas dokumentos identifikators parādās blakus tādām etiķetēm kā "Rodne cislo:", "RC:" vai "r.c.:". Valodai pielāgots NER palīdz atrast šos signālus pat brīvā teksta formā.

Vācu mātes uzņēmuma problēma

67% uzņēmumu valstī izmanto vācu vai angļu valodai konfigurētus PII rīkus. UOOÚ to atklāja aptaujā. Kļūmju ķēde ražošanā ir paredzama.

Vācu mātes uzņēmums izvieto skenēšanas rīku. Tas ir iestatīts vācu identifikatoriem. HR dati — līgumi, veselības ieraksti, algu saraksti — satur dzimšanas numurus. Rīkam nav loģikas šim identifikatora tipam. Katrs dzimšanas numurs tiek izlaists. Darbinieku veselības un algu dati pārvietojas bez UOOÚ nepieciešamajiem kontroliem. Revīzijā vai pārkāpumā vietējais uzņēmums nevar pierādīt "atbilstošus tehniskos pasākumus" saskaņā ar GDPR 32. pantu.

UOOÚ tur vietējo pārzini atbildīgu. "Mūsu mātes uzņēmums izvēlējās rīku" nav derīgs aizstāvējums. GDPR atbildīguma noteikums to nepieļauj.

Atbilstības kontrolsaraksts ražošanas uzņēmumiem

Šie kontroli attiecas uz rūpnieciskiem uzņēmumiem ar vācu mātes uzņēmuma rīkiem.

  • Dzimšanas numura noteikšana: Gan 9 rakstzīmju, gan 10 rakstzīmju formāti. Dzimuma nobīdes mēneša apstrāde (50+). Modulus-11 kontrolvērtība 10 rakstzīmju variantiem.
  • Dzimtās valodas NER: spaCy cs_core_news vai līdzvērtīgs modelis. Vispārēji rīki šai valodai uzrāda par 23% zemāku NER precizitāti. Vietējie modeļi aizpilda šo robu.
  • Cislo OP noteikšana: Obcansky prukaz (nacionālā ID karte) ir 9 rakstzīmju numurs. Tas parādās kopā ar dzimšanas numuru daudzos dokumentu tipos.
  • ICO un DIC: Uzņēmuma ID un nodokļu numuri parādās līgumos. Abiem nepieciešams pārklājums.
  • Daudzvalodu cauruļvads: Jauktās vidēs ir dokumenti dzimtajā valodā, vācu un angļu valodā. Vienas valodas cauruļvads izlaiž starpvalodu līdzāsatrašanos.

UOOÚ izpilde ir konsekventa. Uzņēmumi, kas revīzijā uzrāda tehnisku pierādījumu, saņem daudz mazākus sodus. Uzņēmumi, kas to nevar uzrādīt, saskaras ar lielāku pakļaušanu.

Plašākam pārskatam par to, kā nacionālie ID rada GDPR pakļaušanu, skatiet mūsu ES nacionālo nodokļu ID noteikšanas rokasgrāmatu.

Līdzīgam Ziemeļvalstu identifikatoram skatiet mūsu Datatilsynet CPR tehnisko rokasgrāmatu.

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.