Teknikal
Pendalaman dalam pengesanan PII, NER, dan teknologi pengenalan
33 artikel
Presidio: Persediaan 3 Minggu vs PII Terurus
Microsoft Presidio mempunyai beribu-ribu bintang GitHub dan ratusan isu terbuka. Kerumitan persediaan, overhed integrasi PySpark, dan konflik kebergantungan Python menjadikan penggunaan pengeluaran sukar.
6 Minggu kepada 3 Hari: Persediaan PII Terurus
Pasukan SaaS penjagaan kesihatan menghabiskan 6 minggu untuk penggunaan pengeluaran Presidio hos sendiri sebelum beralih kepada API terurus. API terurus menggantikan seluruh projek penggunaan.
Pengesanan PII Percuma Kos €13K/Tahun
Menghos sendiri Presidio memerlukan 40-80 jam persediaan awal dan 5-10 jam/bulan penyelenggaraan berterusan. Pada kadar kejuruteraan €100/jam, itu adalah €13,200 atau lebih.
Masalah Ketepatan 22.7% Presidio
Penanda aras 2024 mendapati pengenal nama orang Presidio mencapai ketepatan 22.7% dalam dokumen perniagaan - bermakna 77.3% pengesanan adalah positif palsu.
Privasi Boleh Dihasilkan Semula: Praset ML
Penanaman nama data latihan ML mesti konsisten dan boleh dihasilkan semula. Jika saintis data A dan B menerapkan jenis entiti berbeza, set data latihan adalah tidak seragam.
Saluran Paip GDPR: Anonimisasi Sebelum Penyimpanan
Tag lajur dbt bukan pematuhan GDPR. Data pelanggan mentah sampai ke gudang Snowflake anda tanpa topeng sebelum dasar berasaskan tag terpakai.
FOIA: Redaksi dari Minggu kepada Jam
Kerajaan persekutuan menganggarkan perbelanjaan $500 juta untuk pemprosesan FOIA pada 2024, kebanyakannya redaksi manual. ARPA-H secara eksplisit mencari perisian redaksi AI untuk menangani tunggakan yang semakin meningkat.
Anonimisasi Data Latihan ML yang Mematuhi GDPR
GDPR menyekat penggunaan data peribadi untuk latihan ML di luar tujuan pengumpulan asal. Saintis data yang bergantung pada skrip Python ad-hoc mencipta jurang pematuhan yang serius.
FOIA: 80% Lebih Pantas dengan Suntingan Kelompok
Agensi persekutuan AS menerima 1.5 juta permintaan FOIA dalam TA2024 dengan kos purata $482 setiap permintaan. Suntingan PII kelompok mengurangkan masa pemprosesan daripada berminggu-minggu kepada hari.
Presidio vs anonym.legal: Bina vs Beli
Microsoft Presidio secara teknikal percuma tetapi memerlukan 40-80 jam kejuruteraan untuk disebarkan dengan betul. anonym.legal memberikan ketepatan ML yang sama sebagai SaaS terurus.
Privasi Berasingan Udara: Anonimkan Secara Luar Talian
Persekitaran FedRAMP dan ITAR mempunyai satu persamaan — awan bukan pilihan. Pseudonimisasi boleh balik di bawah Artikel GDPR.
Cukai Positif Palsu pada Alat PII
Isu GitHub Presidio #1071 mendokumentasikan positif palsu sistematik. Kajian 2024 mendapati ketepatan 22.7% dalam set data perusahaan pelbagai bahasa.
PII Arab & Ibrani: Alat Barat Gagal
GDPR tidak berakhir di Bosphorus. PII Arab dan Ibrani dalam aliran kerja perniagaan EU secara sistematik tidak dilindungi. Pengesanan rentas bahasa XLM-RoBERTa dan.
PII Pelbagai Bahasa: Alat Monolingual Gagal
72% perusahaan EU memproses dokumen dalam 3+ bahasa serentak. Dokumen pelbagai bahasa menyebabkan kadar kesilapan PII 45% lebih tinggi dalam alat NER monolingual.
PII APAC: Thai, Indonesia, Vietnam
Syarikat fintech Singapura yang memproses 500,000 sembang sokongan bulanan merentasi 12 bahasa APAC mendapati alat bahasa Inggeris sahaja mereka terlepas PII dalam 60% sembang bukan bahasa Inggeris.
Positif Palsu: Mengapa Redaksi ML Gagal
Penanda aras 2024 mendapati Presidio menjana 13,536 pengesanan nama positif palsu merentasi 4,434 sampel — menandai kata ganti nama, nama kapal, dan negara sebagai nama orang. Inilah kosnya dalam persekitaran undang-undang dan penjagaan kesihatan.
ISO 27001 + ZK Mengurangkan Masa Penilaian Vendor
Tinjauan 2025 mendapati 'kekurangan pensijilan keselamatan yang diiktiraf' adalah sebab nombor 2 CISO menolak vendor SaaS. Inilah yang dicapai oleh gabungan ISO 27001 + zero-knowledge.
Seni Bina ZK Memendekkan Kitaran Jualan
Soal selidik keselamatan vendor perusahaan purata melebihi 100 soalan. Seni bina zero-knowledge menjawab soalan paling sukar secara muktamad — dan menukar prospek menjadi pelanggan.
Pencerobohan LastPass: Pelajaran Keselamatan Vendor
LastPass menyulitkan data pengguna mereka. Vault tetap dieksfiltrasi. 600K+ rekod Okta mengikuti. Kejadian keselamatan SaaS meningkat 300% dari 2022 hingga 2024. Inilah yang perlu ditanya setiap pasukan perolehan.
Menilai Tuntutan ZK Selepas LastPass
$438 juta dicuri daripada pengguna LastPass selepas 'vault yang disulitkan' mereka dibolosi. Denda ICO sebanyak £1.2 juta mengikuti. Inilah senarai semak untuk menilai sama ada tuntutan zero-knowledge vendor anda benar-benar bertahan.
LangChain CVE-2025-68664: Cara PII Bocor Melalui Saluran Paip RAG Anda
CVSS 9.3. Fungsi pensirian LangChain mendedahkan pemboleh ubah persekitaran dan rahsia kepada LLM yang dikawal penyerang. Cara mengesan dan memperbaiki kebocoran PII.
Sambungan Penganoniman PII LibreOffice
Panduan langkah demi langkah untuk menanonimkan PII dalam dokumen LibreOffice menggunakan sambungan anonym.legal.
LibreOffice vs Office: Pengubahsuaian PII
Perbandingan terperinci keupayaan penganoniman PII dalam LibreOffice (sambungan anonym.legal) berbanding Microsoft Office (Add-in Office).
Mengapa Pengesanan PII Binari Gagal Pematuhan
Bendera dikesan/tidak-dikesan tidak mencukupi untuk konteks pematuhan yang memerlukan pertimbangan manusia. Pemarkahan keyakinan mengubah penganoniman PII daripada tekaan binari kepada kawalan pematuhan yang boleh diaudit.
Pemecahan Format Dokumen dalam Alat PII
Satu respons DSAR mungkin merangkumi kontrak Word, invois PDF, senarai pelanggan Excel, dan eksport CSV. Menggunakan alat berbeza untuk setiap format mewujudkan jurang pematuhan.
Anonimisasi Log GDPR: Kekalkan Keupayaan Debugging
Log aplikasi mengumpulkan e-mel pengguna, IP, dan nombor akaun secara senyap. Berikut cara berkongsi log dengan pihak ketiga, kontraktor, dan platform kebolehpemerhatian tanpa melanggar GDPR.
GDPR dalam Log Aplikasi: Pematuhan PII JSON
Log aplikasi mengandungi alamat e-mel pelanggan, IP, dan nombor akaun yang Perkara 5(1)(e) GDPR memerlukan diurus dengan betul.
PII Merentas Aplikasi: Word, Chrome, dan AI
Data pelanggan mengalir dari penyelidikan pelayar ke draf Word ke arahan Claude. Setiap pertukaran konteks adalah titik kebocoran yang berpotensi.
PII Merentas Platform: Mac, Linux, dan Windows
Pegawai privasi pada Mac, undang-undang pada Windows, jurutera data pada Linux -- semua memproses data yang sama dengan alat yang berbeza. Inilah sebabnya pengesanan agnostik OS adalah penting.
PII Terasing Udara: Luar Talian-Dahulu untuk Pertahanan
41% dasar keselamatan perusahaan melarang pemprosesan awan dokumen terperingkat. Ketahui cara alat luar talian memenuhi keperluan ITAR, HIPAA, dan DSGVO tanpa sebarang sambungan rangkaian.
Pilihan Penyuntingan Boleh Dikembalikan vs Kekal
GDPR membezakan antara tanpa nama dan pseudonimisasi. Mahkamah memerlukan asal usul. Penyelidikan memerlukan pengenalpastian semula. Ketahui bila menggunakan setiap pendekatan.
NER Pelbagai Bahasa: Bahasa Inggeris Gagal Arab
Model NER bahasa Inggeris mencapai ketepatan 85-92%. Arab dan Cina? Selalunya 50-70%. Ketahui tentang cabaran teknikal dan cara membina pengesanan yang benar-benar pelbagai bahasa.
Gunakan Claude & ChatGPT Tanpa Membocorkan PII
Panduan pembangun untuk menggunakan pembantu AI dengan selamat. Sediakan integrasi Pelayan MCP untuk perlindungan PII yang telus dalam Claude Desktop, Cursor, dan VS Code.
Mulakan Melindungi Data Anda Hari Ini
285+ jenis entiti, 48 bahasa, keselamatan tahap perusahaan pada harga permulaan.
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.