Pandangan Privasi Data
Artikel pakar mengenai keselamatan AI, pematuhan GDPR, perlindungan data penjagaan kesihatan, dan amalan terbaik pengenalan PII.
Semua Artikel
Tampal dan Lupa: Penyerlahan PII Automatik vs Latihan Pematuhan
62% pekerja yang menggunakan alat AI untuk data pelanggan 'kadang-kadang' terlupa untuk membuang PII dahulu. Inilah sebab penyerlahan automatik menghapuskan risiko pematuhan.
Perangkap Redaksi PDF: Data Masih Terdedah
Fail Epstein DOJ, kes Manafort, dan kebocoran NSA berkongsi kegagalan yang sama: redaksi kosmetik yang meninggalkan teks dasar masih boleh diekstrak.
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.
PII Excel: Anonimkan Ratusan Lajur
Excel adalah antara jenis dokumen yang paling padat PII dalam operasi perniagaan. Berikut adalah sebab analisis teks standard gagal pada hamparan dan apa yang analisis konteks lajur boleh lakukan.
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.
PII Teks Bebas CSV: Melampaui Pemadaman Lajur
CSV tinjauan mengandungi PII bukan sahaja dalam lajur berstruktur tetapi dalam respons teks bebas. Pemadaman lajur standard terlepas PII yang melanggar piawaian GDPR Recital 26.
E-Discovery Berbilang Format: Jurang Pematuhan
Pengeluaran e-discovery dan DSAR GDPR merangkumi PDF, dokumen Word, Excel, dan eksport JSON. Menggunakan alat berbeza untuk setiap format mewujudkan jurang konsistensi yang mendedahkan organisasi kepada tindakan pengawal selia.
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.
Dokumen Imbasan Lama GDPR: OCR + PII
Hak pemadaman GDPR terpakai pada data peribadi 'tanpa mengira format.' PDF berasaskan imej daripada arkib kertas tidak dikecualikan.
PII Tangkapan Skrin: Kebocoran dalam Alat Dalaman
Slack, Teams, Jira, dan e-mel kerap menerima tangkapan skrin yang mengandungi PII pelanggan. Pelanggaran kawalan akses ini memintas setiap alat DLP.
Borang Tulisan Tangan: OCR & Pengesanan PII
Hospital bersaiz sederhana memproses 50,000 borang pengambilan tulisan tangan setahun. Redaksi PII manual pada jumlah ini memerlukan 0.5 FTE.
PII Penyelidikan: Tangkapan Skrin dan GDPR
Kertas akademik kerap menyertakan DataFrame pandas dan output R yang menunjukkan rekod pesakit sebenar sebagai contoh metodologi. Inilah sebabnya ini adalah pelanggaran GDPR.
PII Wiki Dalaman: Data Pelanggan Confluence
Pasukan sokongan mendokumentasikan proses dengan tangkapan skrin akaun pelanggan. Selama 3 tahun, itu adalah ribuan pelanggaran minimisasi data GDPR dalam wiki anda.
Pembantu Pengekodan AI Membocorkan PII Pengeluaran
Lekapan ujian unit dengan rekod pelanggan sebenar. Fail log dengan data pengeluaran untuk penyahpepijatan. GitHub menemui 39 juta rahsia yang dibocorkan pada 2024.
Fragmentasi Alat PII Gagal Audit Pematuhan
Empat alat berbeza untuk empat aliran kerja berbeza bermakna empat set liputan entiti berbeza dan empat jejak audit berbeza.
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.
GDPR, CCPA, dan PDPA dalam Satu Alat
Pekerja EU di bawah GDPR, pekerja AS yang mengendalikan data CCPA, pekerja APAC di bawah PDPA. Tiga bidang kuasa, satu pasukan yang diedarkan.
Kegagalan Audit GDPR: Alat PII yang Berpecah-belah
Juruaudit anda meminta kawalan pengesanan PII. 'Kami menggunakan lima alat berbeza' bukan jawapan yang mereka mahu. Inilah sebabnya konsistensi merentas platform adalah penting.
Kerja Jauh dan GDPR: Masalah Jurang Platform
Pasukan di pejabat menggunakan perisian desktop berfungsi penuh. Pekerja jauh menggunakan aplikasi web dengan tetapan yang berpotensi berbeza. Mahkamah EU mengatakan polisi sahaja tidak mencukupi.
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.
BfDI Jerman: Panduan Pematuhan DPA
Jerman memfailkan 27,829 notifikasi pelanggaran GDPR pada tahun 2024 -- lebih banyak daripada mana-mana negara ahli EU lain. Inilah maksud fokus penguatkuasaan BfDI untuk kawalan teknikal PII.
CNIL Perancis: Pematuhan Teknikal GDPR
CNIL memproses 16,433 aduan pada tahun 2023 dan mendenda lebih 150 juta euro sejak 2019. Panduan AI-nya mewajibkan tanpa nama yang didokumentasikan untuk data latihan.
ICO UK: Perbezaan GDPR Selepas Brexit
ICO mendenda LastPass £1.2 juta kerana enkripsi yang tidak mencukupi pada Disember 2025. Keputusan ini menetapkan bahawa enkripsi sisi klien adalah keperluan undang-undang.
Garante Itali: Panduan Pematuhan AI dan PII
Garante Itali mendenda OpenAI €15 juta pada Disember 2024 dan sementara melarang ChatGPT pada 2023. Inilah yang diperlukan oleh pengawal selia AI paling agresif di Itali.
Mulakan Melindungi Data Anda Hari Ini
267+ 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, 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.