Увиди во приватноста на податоците
Експертски статии за безбедноста на вештачката интелигенција, усогласеност со GDPR, заштита на податоците во здравството и најдобри практики за анонимизација на PII.
Сите статии
Правно редактирање: Зачувување на форматирањето
73% од правните стручњаци пријавуваат оштетување на форматирањето при употреба на алатки за редактирање трети страни (Bloomberg Law 2024). Редактирањето на досиејата на Епстин од DOJ.
Excel и GDPR: ризици со податоци во табели
Барањата за право на пристап согласно GDPR се зголемиле за 180% од 2021 до 2024 (EDPB). Просечното обработување на DSAR трае 12 часа рачно. HR одделенијата управуваат со десетици илјади записи.
Enterprise AI: пристап за програмери без ризик
Банките го забранија ChatGPT. Нивните програмери го користеле дома. 27,4% од сета содржина внесена во деловни AI chatbot-ови содржи чувствителни податоци (Zscaler).
Користење на Cursor и Claude без истекување на код
Cursor ги вчитува .env фајловите во AI контекст по стандард. Финансиска фирма изгуби 12 милиони долари откако сопствените алгоритми за тргување беа испратени до AI асистент.
AI политиките без технички контроли не функционираат
77% од вработените споделуваат чувствителни деловни податоци со AI алатки и покрај политиките кои го забрануваат тоа. Владин изведувач вметна податоци на апликантите за поплавна помош на FEMA.
Данокот на лажно позитивни резултати кај PII алатките
GitHub проблемот #1071 на Presidio документира систематски лажно позитивни резултати. Студија од 2024 откри прецизност од 22,7% во мешано-јазични деловни датасети.
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.
Арапски и хебрејски PII: западните алатки не успеваат
GDPR не завршува на Босфорот. Арапски и хебрејски лични податоци во деловните процеси на ЕУ се систематски незаштитени. XLM-RoBERTa меѓујазичното детектирање и регионалните типови ентитети ја затвораат оваа правна дупка.
IDE наспроти прелистувач: Безбедност на AI за програмери
Програмерите користат AI во две средини: IDE (Cursor, VS Code) и прелистувач (Claude.ai, ChatGPT). Секоја бара различни контроли.
83% од AI додатоците никогаш не се ревидираат
83% од Chrome додатоците со широки дозволи никогаш не биле безбедносно ревидирани (USENIX 2025). 45% од корпоративните вработени користат неодобрени додатоци.
39 милиони протекувања на GitHub: ризик на AI кодирање
67% од програмерите случајно изложиле тајни во код (GitGuardian 2025). 39 милиони тајни протекоа на GitHub во 2024 година, зголемување за 25% на годишно ниво.
KYC во голем обем: Трошоците на лажните позитиви
Дигитална банка која обработуваше 5.000 KYC апликации дневно во 15 земји на ЕУ утврди дека нивниот чекор за откривање PII создава задоцнување од 2 дена.
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.
PII на мешан јазик: Еднојазичните алатки не успеваат
72% од компаниите во ЕУ обработуваат документи на 3+ јазици истовремено. Мешано-јазичните документи предизвикуваат 45% повисоки стапки на пропуштање PII кај еднојазичните NER алатки.
Една алатка, 45 земји: 267+ ентитети
Бразилскиот CPF има контролни цифри. Индискиот PAN е 10-знаковна алфанумеричка низа. Европските IBAN-и варираат по земји. Глобалните е-трговски платформи не можат да си дозволат посебни алатки.
APAC ЛЛИ: тајландски, индонезиски, виетнамски
Компанија за финансиски технологии во Сингапур која обработува 500.000 месечни разговори за поддршка на 12 APAC јазика откри дека нивната алатка само на англиски пропушта ЛЛИ во 60% од разговорите кои не се на англиски.
Лажни позитиви на Presidio: Зошто ML редакцијата не успева
Бенчмарк од 2024 година откри дека Presidio генерирал 13.536 лажни позитивни детекции на имиња низ 4.434 примероци - означувајќи заменки, имиња на бродови и земји како лични имиња. Еве колку тоа чини во правни и здравствени средини.
Одбрана на редакции: AI оценки на судот
Судија праша зошто 47% од документот е редактиран. Одговорот 'AI го означи' не е правно одбранлив. Еве каков изглед има одбранлива автоматска редакција.
Алатки за ЛЛИ само на англиски: Одговорност според GDPR
Спроведувањето на GDPR се применува рамноправно на повреди на сите јазици на ЕУ. Кога вашата алатка за ЛЛИ центрирана на англиски пропушта германски, француски или полски идентификатори, компанијата е изложена на реален правен ризик.
Алатки за ЛЛИ само на англиски: Јазот во GDPR
Германскиот Steuer-ID (11 цифри со контролна сума) е структурно различен од американскиот SSN. Француските NIR броеви имаат 15 цифри. Полскиот PESEL и шведскиот Personnummer имаат сопствена логика. Алатките само на англиски ги пропуштаат сите нив.
ISO 27001 + ZK го скратуваат времето за оценка на добавувачи
Истражување од 2025 година покажа дека 'недостатокот на признаена безбедносна сертификација' е втората причина поради која CISO ги дисквалификуваат SaaS добавувачите. Еве го она што го нуди комбинацијата ISO 27001 + нулта знаење.
ZK архитектурата ги скратува продажните циклуси
Безбедносните прашалници на корпоративните добавувачи содржат 100+ прашања. Архитектурата со нулта знаење дава дефинитивни одговори на најтешките прашања - и конвертира.
Пробивот на LastPass: лекции за безбедноста на добавувачите
LastPass ги шифрирале податоците на своите корисници. Трезорите сепак биле ексфилтрирани. Следеле 600.000+ записи на Okta. Безбедносните инциденти на SaaS се зголемиле за 300% од 2022 до 2024 година.
Евалуација на тврдења за нула-знаење по LastPass
438 милиони $ украдени од корисниците на LastPass откако нивните 'шифрирани' трезори биле пробиени. Следела казна на ICO од 1,2 милиони фунти. Еве контролна листа за проценка на тоа дали тврдењата на добавувачот навистина се однесуваат.
Започнете да ги заштитите вашите податоци денес
267+ 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, held by our hosting provider.
- 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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.