Innsikt om Dataprivacy
Ekspertartikler om AI-sikkerhet, GDPR-overholdelse, beskyttelse av helsedata og beste praksis for PII-anonymisering.
Alle Artikler
Vibe-koding og PII-lekkasje: Sikkerhetsrisikoen ingen snakker om
AI-generert kode inkluderer sjelden PII-handtering. 73 % av vibe-kodede apper behandler sensitive data uten anonymisering. Her er hva utviklere trenger a vite.
COPPA april 2026: Hva EdTech-plattformer ma gjore for fristen
COPPAs oppdaterte regel trer i kraft 22. april 2026. Reddit ble bøtelagt £14,47 millioner for svikt i barns databeskyttelse. EdTech-plattformer star overfor den samme risikoen.
LangChain CVE-2025-68664: Slik lekker PII gjennom RAG-rorfilen din
CVSS 9,3. LangChains serialiseringsfunksjoner avslorer miljovariabler og hemmeligheter for angriperkontrollerte LLM-er. Slik oppdager og fikser du PII-lekkasjer.
MCP-serversikkerhet 2026: 8 000 eksponert, 492 uten autentisering
8 000+ Model Context Protocol-servere er offentlig eksponert. 492 har ingen autentisering. 36,7 % er sarbare for SSRF. Beskytt PII i MCP-verktoyene dine.
EU AI Act august 2026: Anonymisering av treningsdata for a oppfylle artikkel 10
EU AI Acts fulle handhevelse begynner 2. august 2026. Bøter opp til €35 millioner eller 7 % av global omsetning. Artikkel 10 krever anonymisering av treningsdata.
Permanent anonymisering: risiko for bevisødeleggelse
34,8 % av ChatGPT-innsendinger inneholder sensitiv data (Cyberhaven). Løsningen — permanent anonymisering — skaper sin egen juridiske risiko: bevisødeleggelse. GDPR art. 4(5) krever reversibilitet.
80 000 dollar-sladdingsregningen: Word-tillegget som løser det
Med 200–400 dollar i timen koster en produksjon på 10 000 dokumenter 26 000–80 000 dollar i advokatid (RAND). Bloomberg Law 2024 viste at automatisering reduserer den tidslinjen dramatisk.
Nettleser-DLP: Blokkering kontra anonymisering 2026
To tilnærminger til nettleser-DLP: blokkering hindrer PII fra å sendes til AI-verkøy; anonymisering transformerer data før sending. En objektiv sammenligning.
Samsung mistet kildekode til ChatGPT 3 ganger
Tre separate Samsung-ingeniørteam lim inn proprietær kode og konfidensielle data i ChatGPT i april 2023. Hver hendelse avslørte et annet sårbarhetsmønster.
E-Discovery-sanksjoner: AI-sladding feiler
I Athletics Investment Group v. Schnitzer Steel (2024) utløste feil sladding sanksjoner under fremleggelsesprosessen. Med AI-verktøy som oppnår bare 22,7 % presisjon, står juridiske team overfor reelt ansvar.
SaaS-angrep opp 300 %: ZK er nødvendig
Conduent eksponerte 25,9 millioner poster. NHS Digital: 9 millioner pasienter. Angripere bryter seg inn i SaaS-leverandører på 9 minutter. Når leverandøren din er angrepsmålet.
HIPAA i skyen: Zero-knowledge for PHI
Business Associate Agreements forhindrer ikke HIPAA-brudd nar din skybaserte KI-leverandor behandler PHI i klartekst. Her er hva zero-knowledge-arkitektur faktisk gjor.
LibreOffice PII-anonymiseringsutvidelse
Trinn-for-trinn-guide til anonymisering av PII i LibreOffice-dokumenter ved hjelp av anonym.legal-utvidelsen.
LibreOffice kontra Office: PII-redigering
Detaljert sammenligning av PII-anonymiseringskapasiteter i LibreOffice (anonym.legal-utvidelse) kontra Microsoft Office (Office Add-in).
Anonymisering med åpen kildekode: LibreOffice
Hvordan offentlige organisasjoner bruker LibreOffice med anonym.legals utvidelse for GDPR-kompatibel dokumentanononymisering.
Kryssplattform PII: Office og LibreOffice
Hvordan organisasjoner med blandet Microsoft Office og LibreOffice-miljø opprettholder konsekvent PII-anonymisering med anonym.
KI-forbud i bedrifter: Produktivitet mot risiko
27,4 % av innholdet som mates inn i bedrifters KI-chatboter inneholder sensitive data - en økning pa 156 % ar over ar. Likevel omgar 71,6 % ansatte bedriftskontrollene.
Trygge KI-personvernutvidelser i 2026
I januar 2026 ble to ondsinnede Chrome-utvidelser med over 900 000 brukere avslørt for a eksfiltrere ChatGPT- og DeepSeek-samtaler hvert 30. minutt.
Nettleser-DLP for ChatGPT, Claude og Gemini
Tradisjonell bedrifts-DLP ble bygget for filoverføring og e-post, ikke AI-chatboter. Denne guiden dekker nettleser-nativ dataforebygging for ChatGPT.
Nar CISO-er sier nei til skybasert PHI-behandling
725 databrudd i helsesektoren i 2024 berørte 275 millioner journaler. Med gjennomsnittlige bruddkostnader pa 10,22 millioner dollar - de høyeste i noen bransje - nekter helse-CISO-er skyverktøy.
530 millioner euro i TikTok-bot: GDPR og datasuverenitet
TikToks bot pa 530 millioner euro for EU-Kina-dataoverforing markerer en ny era for handhevelse av datasuverenitet. Med 5,65 milliarder euro i samlede GDPR-boter.
HHS 2025: KI-kliniske notater trenger PHI-beskyttelse
KI-transkripsjonssystemer kan utilsiktet plassere pasient A-s PHI i pasient B-s journal. Her er hvorfor sanntids PHI-oppdagelse for EHR-lagring er den rette kontrollen.
Hvorfor binaer PII-oppdagelse svikter compliance
Oppdaget/ikke-oppdaget er utilstrekkelig for compliance-kontekster som krever menneskelig skjonn. Her er hvorfor konfidensskoring forvandler PII-anonymisering fra et binaeert gjett til en revisjonssikker kontroll.
GDPR-dataminimering: Sanntids-API
GDPR artikkel 5(1)(c) krever at du kun samler inn nodvendige data. Sanntids-API-integrasjon forhindrer overinnsamling ved skjemainnsendingsstadiet - for dataene lagres.
Begynn å Beskytte Dataene Dine I Dag
267+ enhetstyper, 48 språk, bedriftskvalitetssikkerhet til oppstartspriser.
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.