anonym.legal

By · Last updated 2026-04-13

Kembali ke BlogTeknikal

Privasi Berasingan Udara: Anonimkan Secara Luar Talian

Persekitaran FedRAMP dan ITAR mempunyai satu persamaan — awan bukan pilihan. Pseudonimisasi boleh balik di bawah Artikel GDPR.

April 13, 20269 min baca
air-gapped anonymizationSCIF document processingITAR complianceFedRAMP offline toolsoffline PII detection

Peraturan Berasingan Udara

Sesetengah rangkaian tidak mempunyai internet. Bukan mengikut dasar — tetapi mengikut reka bentuk.

SCIF (Kemudahan Maklumat Terkomputer Sensitif) adalah bilik berbingkai Faraday. Tiada isyarat wayarles masuk atau keluar. ITAR (Peraturan Lalu Lintas Senjata Antarabangsa) melarang menghantar kandungan teknikal yang dilindungi kepada pihak yang tidak diluluskan. Pembekal awan tidak diluluskan ITAR. Bagi kumpulan ini, "SaaS awan" bukan risiko untuk diurus.

Bagi tapak ini, alat awan tidak berfungsi. Mutlak.

Alat yang memerlukan sambungan rangkaian langsung tidak boleh berjalan di sini. Alat yang memanggil pelayan lesen disekat. Alat yang menghantar fail ke API awan untuk pengesanan tidak boleh berfungsi dalam SCIF. Ini bukan kes tepi. Ia adalah kekangan harian bagi pasukan pertahanan.

Kes ITAR

Seorang saintis data di firma pertahanan mempunyai rekod kakitangan di bawah ITAR. Dia mesti mengalih keluar nama dan ID sebelum berkongsi fail. Rangkaiannya berasingan udara.

Tiada penyelesaian awan. Satu-satunya laluan adalah alat yang berjalan pada peranti tempatan. Ia mesti menyimpan modelnya secara tempatan. Ia mesti menghasilkan output bersih tanpa panggilan luaran.

Aplikasi Desktop berasaskan Tauri 2.0 melakukan ini. Selepas pemasangan, tiada panggilan rangkaian berlaku semasa jalankan. Model spaCy NER dan corak regex semuanya berjalan pada CPU tempatan. Output kekal pada peranti sehingga pengguna mengeksportnya.

Mengapa Kebolehbalikan Penting

Kerja terperingkat sering memerlukan pseudonimisasi boleh balik. Pasukan menukar nama sebenar dengan kod. Mereka mengekalkan rekod yang berguna. Mereka melindungi identiti sebenar.

Artikel GDPR 4(5) mentakrifkan pseudonimisasi sebagai langkah privasi formal. Ia mengurangkan risiko. Rekod yang dipseudonymkan membawa lebih sedikit kewajipan undang-undang — jika token carian disimpan berasingan daripada set data.

Penyelidikan IAPP (2024) mendapati bahawa hanya 23% alat menyokong kebolehbalikan sebenar. Kebanyakan melakukan penutupan sehala atau penggantian penuh. Setelah rekod ditimpa, ia hilang.

Sesetengah pasukan kerajaan membahagikan kerja mereka mengikut petak. Satu pasukan mendapat fail yang dipseudonymkan. Mereka melakukan analisis. Pasukan kedua memegang token carian. Mereka mengenal pasti semula rekod hanya apabila undang-undang memerlukannya. Reka bentuk pembahagian ini adalah satu-satunya pendekatan selamat untuk aliran kerja terperingkat berbilang pasukan.

Model sifar pengetahuan melangkah lebih jauh. Token carian dicipta pada peranti klien. Ia tidak pernah dihantar keluar. Jika vendor dikehendaki hadir di mahkamah, mereka tidak dapat menyerahkan token. Mereka tidak pernah memilikinya. Ini memenuhi peraturan rantaian hak jagaan dalam banyak persekitaran terperingkat.

Pemisahan Token EDPB

Garis Panduan EDPB 05/2022 menyatakan bahawa token pseudonimisasi mesti dipegang secara berasingan. Ia tidak boleh berada bersama pihak yang sama yang memegang rekod yang dipseudonymkan. Atau ia mesti dikunci di belakang kawalan yang menghalang pihak tersebut daripada membaca kedua-dua rekod dan token pada masa yang sama.

Tiga perkara bersama memenuhi peraturan ini:

  • Token dicipta pada peranti klien — tidak pernah dihantar keluar
  • Semua pemprosesan dilakukan secara tempatan — tiada apa yang meninggalkan tapak berasingan udara
  • Output dan token dieksport secara berasingan — dua fail berasingan, dua laluan berasingan

Reka bentuk ini memenuhi peraturan EDPB dan kekangan berasingan udara pada masa yang sama.

Untuk gambaran penuh, gambaran keselamatan kami menunjukkan bagaimana pemprosesan tempatan memotong rantaian pihak ketiga. Panduan pematuhan kami merangkumi peraturan pemindahan GDPR. Lihat FAQ kami untuk bantuan persediaan.

Aplikasi Desktop anonym.legal menjalankan semua pengesanan PII pada peranti tempatan. Tiada internet diperlukan selepas pemasangan. Ia menyokong Windows, macOS, dan Linux. Model NLP terbundel merangkumi 24 bahasa.

Dikemas kini untuk 2026

Sumber

Artikel Berkaitan

Teknikal

Cross-Platform PII: Mac, Linux, and Windows

Privacy officers on Mac, legal on Windows, data engineers on Linux — all processing the same data with different tools. Here's why OS-agnostic detection.

Teknikal

Cross-Application PII: Word, Chrome, and AI

Customer data flows from browser research to Word drafts to Claude prompts. Each context switch is a potential leakage point.

Teknikal

GDPR in App Logs: JSON PII Compliance

Application logs contain customer email addresses, IPs, and account numbers that GDPR Article 5(1)(e) requires be managed.

Sedia untuk melindungi data anda?

Mulakan pengenalan PII dengan 285+ jenis entiti dalam 48 bahasa.

Mulakan Percubaan PercumaLihat Ciri-ciri

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.