By · Last updated 2026-06-05

Tilbake til BloggHelsevesen

HIPAA OCR: 725 brudd, 275 millioner journaler

HHS OCR rapporterte 725 HIPAA-brudd i 2024 som berørte 275 millioner journaler – det høyeste noensinne. Gjennomsnittlig kostnad per helsebrudd: 10,22 millioner dollar.

June 5, 202610 min lesing
HIPAA enforcementPHI de-identificationOCR HHShealthcare breachHIPAA Security Rule

HIPAA OCR: 725 brudd, 275 millioner journaler

Oppdatert for 2026

HHS Office for Civil Rights (OCR) registrerte 725 helsedata-brudd i 2024. Disse bruddene rammet 275 millioner pasientjournaler. Det totale antallet er det høyeste som noen gang er registrert i løpet av ett enkelt år.

Gjennomsnittlig kostnad per helsebrudd nådde 10,22 millioner dollar i 2025. IBMs Cost of a Data Breach Report legger dette til grunn. Kostnadene dekker sivile bøter, juridiske honorarer, varsler til pasienter, kreditovervåkning og tapt tillit.

2025 og 2026 er nøkkelår for berørte enheter og deres forretningspartnere. En foreslått oppdatering av HIPAA Security Rule fra mars 2025 vil legge til det største settet av tekniske krav siden 2003.

Hva som forårsaket 725 brudd i 2024

OCR-portalen grupperer feilene i 2024 i fire typer.

Hacking og IT-hendelser forårsaket 74 % av de rapporterte bruddene. Løsepengevirus, serverangrep og e-postsvindel er de vanligste typene. Angripere retter seg nå mot hele nettverk. Ett angrep kan trekke ut journaler fra et helt EHR-system på én gang.

Uautorisert tilgang og utlevering forårsaket 18 % av bruddene. Dårlige tilgangskontroller, misbruk fra innsidere og feiladresserte forsendelser telles alle her.

Tredjepartshendelser utgjorde 35 % av bruddene i 2024. Feilen startet hos en forretningspartner – ikke hos den berørte enheten. Change Healthcare (en enhet i UnitedHealth Group) alene avslørte over 190 millioner pasientjournaler. Det er det største helsedata-bruddet i USA noensinne.

Tyveri eller tap av bærbare medier forårsaket 8 % av bruddene. Bærbare datamaskiner, USB-enheter og papirjournaler tapt eller stjålet uten kryptering.

De 18 PHI-typene under Safe Harbor

HIPAAs Safe Harbor-metode (45 CFR §164.514(b)) krever fjerning av alle 18 typer pasientdata. De fleste team kjenner listen. Det vanskelige er deteksjon i stor skala.

  1. Navn – pasienter, familiemedlemmer, arbeidsgivere
  2. Geografiske data – ethvert område mindre enn en delstat
  3. Datoer – innleggelse, utskrivelse, fødsel, død (år kan beholdes)
  4. Telefonnumre
  5. Faksnumre
  6. E-postadresser
  7. Personnumre
  8. Pasientjournalnumre (formatet varierer etter EHR-system)
  9. Helseforsikringsmedlemsnumre
  10. Kontonumre
  11. Sertifikat- og lisensnumre – medisinsk, DEA, delstat
  12. Kjøretøy-ID-er – VIN-numre og kjennemerker
  13. Enhets-ID-er – serienumre og unike enhetskoder
  14. Web-URL-er
  15. IP-adresser
  16. Biometriske data – fingeravtrykk og stemmeprøver
  17. Ansiktsbilder og lignende avbildninger
  18. Enhver annen unik ID, kode eller egenskap

Type 18 er vanskeligst å fange. Enhver kode som knytter en journal til en bestemt pasient, må fjernes – selv uten et fastsatt mønster.

For en trinnvis veiledning om å fjerne alle 18 typene fra kliniske journaler, se HIPAA Safe Harbor de-identifikasjon for helsetjenesteforskning.

Fem nye regler i det foreslåtte sikkerhetsoppdateringen

Den foreslåtte oppdateringen av HIPAA Security Rule (mars 2025) legger til fem plikter.

Årlige krypteringsrevisjoner. Berørte enheter må bekrefte at alle pasientdata i hvile bruker AES-256 eller tilsvarende. Nøkkelhåndtering må oppfylle skriftlige standarder.

Skriftlige de-identifikasjonsprosedyrer. Alle pasientdata brukt i forskning, AI-opplæring eller analyse krever skriftlige prosedyrer. Et policynotat er ikke nok. Teknisk dokumentasjon med bevis for validering er påkrevd.

Sikkerhetssjekker for forretningspartnere. Forretningspartnere må bestå spesifikke tekniske sjekker før de tas i bruk. Kontrakter håndterte tidligere dette uten teknisk detalj.

Multifaktorautentisering (MFA). Alt personale med tilgang til elektroniske pasientdata må bruke MFA. Eldre systemer er ikke unntatt.

Testing av hendelsesrespons. Årlige øvelser og tekniske tester er påkrevd. Team må oppbevare resultatene.

Lærdommer fra Change Healthcare

Change Healthcare-bruddet (februar 2024) viste hva systemisk risiko er. Change Healthcare håndterte 15 milliarder transaksjoner per år. Det koblet leverandører, betalere og apotek som et clearinghus.

Bruddet startet med én konto for fjerntilgang. Den kontoen hadde ingen MFA. Angripere beveget seg gjennom nettverket i ni dager. Deretter lanserte de løsepengevirus.

Lærdommen er klar. En forretningspartner med bred tilgang til helsetransaksjoner utgjør en risiko for enhver partner den berører. Det gamle rammeverket var ikke bygget for leverandører som håndterer en tredjedel av alle amerikanske helsetransaksjoner.

Den foreslåtte regelens krav om MFA, nettverkssegmentering og sikkerhetssjekker av forretningspartnere har alle utspring i denne hendelsen.

For fjerning av PHI fra sykehuspesifikke journalformater, se HIPAA MRN-deteksjon og sykehuspesifikke mønstre. For zero-knowledge-design som holder pasientdata utenfor nettverket, se HIPAA-kompatibel sky-PHI og zero-knowledge-design.

Kilder

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.