Откривање на HIPAA MRN без докторат по регуларни изрази
Форматот на MRN на секоја болница е различен. Memorial користи MRN:XXXXXXX, St. Mary's користи PT-YYYYY, University Hospital користи UHN-XXXXXXXXXX.
HIPAA: Откривање на болнички MRN
HIPAA Safe Harbor бара отстранување на броевите на медицинските записи, но форматите на MRN не се стандардизирани. Epic, Cerner и Meditech сите користат различни формати.
HIPAA Safe Harbor де-идентификација во голем обем
HIPAA Safe Harbor бара отстранување на 18 специфични категории на PHI идентификатори. Академските медицински центри потребна им е де-идентификација во голем обем, но постоечките алатки.
ISO 27001 и HIPAA BAA за здравствениот сектор
Договорите за деловни соработници (BAA) според HIPAA бараат "задоволителни гаранции" за соодветни заштитни мерки. ISO 27001 директно се усогласува со HIPAA 164.
Прилагодена Детекција на MRN без Код за HIPAA
Бројевите на медицински записи се специфични за болница — секој здравствен систем користи различен формат. HIPAA Safe Harbor бара отстранување на MRN. Еве како да го постигнете тоа без пишување код.
18 HIPAA идентификатори кои вашата алатка ги пропушта
HIPAA наброjува 18 PHI идентификатори. Повеќето алатки за анонимизација детектираат можеби 6 од нив. Броевите на медицинските записи варираат по институции без стандарден US формат.
Реверзибилно шифрирање за повторно контактирање
Не можете да контактирате Patient_001 за следна посета. IRB сега бара документирани протоколи за повторна идентификација — докажувајќи дека МОЖЕТЕ да идентификувате под.
Реверзибилна деидентификација за клинички истражувања
Кога студијата открива неочекуван биомаркерски ризик кај 47 од 5.000 учесници, истражувачите треба да контактираат вистински пациенти. Само 23% од алатките за анонимизација нудат.
HIPAA-усогласен ChatGPT со заштита на прелистувачот
77% од вработените споделуваат чувствителни работни информации со AI алатки барем неделно. Пресретнувањето на PII во реално време го намалува истекувањето за 94%.
Партиска обработка на 50.000 клинички белешки локално
Судска одлука на SDNY од февруари 2026 утврди дека документите обработени со ВИ ја губат привилегијата адвокат-клиент ако не се анонимизираат пред обработката.
LLM алатките пропуштаат 50% од клиничките PHI
Студија од 2025 покажа дека LLM алатките пропуштаат повеќе од 50% од клиничките заштитени здравствени информации (PHI) во повеќејазични документи. 34,8% од сите ChatGPT влезни податоци содржат чувствителни информации.
Објаснувачка редакција: HIPAA ревизии
Методот на експертско утврдување на HIPAA бара документирана методологија. Правното откривање бара основи за секоја редакција. 34% од DPO пријавуваат недоволни алатки за документација.
HIPAA во облак: архитектура со нулта знаење за PHI
Договорите за деловна асоцијација не спречуваат прекршувања на HIPAA кога твојот облак AI давач обработува PHI во обичен текст. Еве што нуди архитектурата со нулта знаење.
Кога CISO директорите одбиваат обработка на PHI во облак
725 прекршувања на здравствени податоци во 2024 година засегнаа 275 милиони записи. Со просечни трошоци за прекршување од $10.22M - највисоки во која било индустрија - здравствените CISO директори се.
HHS 2025: Клиничките белешки со ВИ бараат откривање PHI пред зачувување во EHR
Системите за транскрипција со ВИ можат ненамерно да ги постават PHI-информациите на Пациент А во досието на Пациент Б. Еве зошто откривањето PHI во реално време пред запишување во EHR е клучната контрола.
OCR и откривање лични податоци во рачно пишани формулари
Средно голема болница обработува 50.000 рачно пишани формулари за прием годишно. Рачното редактирање лични податоци при такво количество бара 0,5 вработен со полно работно време.
HIPAA OCR: 725 прекршувања, 275 милиони записи
HHS OCR пријави 725 прекршувања на HIPAA во 2024 година кои засегнаа 275 милиони записи — највисокиот број досега. Просечен трошок за прекршување во здравствената заштита: 10,22 милиони долари.
Откривање на PHI: Snow Labs 96% наспроти GPT-4o
Не се сите алатки за де-идентификација еднакви. Бенчмарковите на ECIR 2025 покажуваат F1 резултати од 79% до 96%. Дознајте зошто точноста е важна и како да ги оцените алатките.
$7,42 милиони: Трошоците за прекршувања во здравството водат
Здравството е #1 најскапа индустрија за прекршувања на податоци 14 последователни години. Дознајте зошто PHI е толку вредна и како да ја заштитите.
Започнете да ги заштитите вашите податоци денес
285+ типови на ентитети, 48 јазици, безбедност на ниво на претпријатие по стартна цена.
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.