Hvordan anonym.legal Fungerer
Deterministisk, regex-basert PII deteksjon som gir 100% reproduserbare resultater. Samme input, samme output—hver gang. Ingen AI, ingen gjetting, bare gjennomsiktig mønstermatching.
How Does PII Detection Work?
PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:
- 1Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
- 2Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
- 3Context Scoring: Each detection is scored based on surrounding context to minimize false positives.
This hybrid approach detects 285+ entity types while maintaining deterministic, reproducible results — essential for compliance and legal discovery.
Hvorfor Regex, Ikke AI?
Vår Tilnærming
- 100% reproduserbare resultater
- Fullt reviderbare for samsvar
- Ingen treningsdata kreves
- Gjennomsiktig beslutningstaking
- Rask, forutsigbar ytelse
- Ingen modelldrift over tid
AI/ML Tilnærminger
- Resultater varierer mellom kjøringer
- Black box beslutningstaking
- Krever treningsdata
- Vanskelig å revidere
- Høyere databehandlingskostnader
- Modelldrift over tid
10-Trinns Prosessen
Fra input til output, her er hva som skjer med dokumentet ditt
Inndata Tekst
Send inn dokumentet ditt via webgrensesnitt, API eller Office-tillegg
Språkdeteksjon
Systemet identifiserer dokumentets språk for optimal behandling
Tokenisering
Teksten deles opp i tokens for mønstermatching
Mønstermatching
Regex-mønstre skanner for 285+ enhetstyper
Kontekstanalyse
Omgivende tekst forbedrer deteksjonsnøyaktigheten
Konfidensvurdering
Hver deteksjon får en konfidensscore
Enhetsklassifisering
Oppdagede elementer kategoriseres etter type
Gjennomgå Resultater
Se alle deteksjoner med posisjoner og poeng
Bruk Anonymisering
Velg din metode: Erstatt, Rediger, Hash, Krypter eller Masker
Utdata Dokument
Last ned ditt anonymiserte dokument
MCP Server: Personvern-Første AI Integrasjon
Hvordan dataene dine flyter gjennom MCP Server for å holde AI-verktøy trygge
AI Verktøy Forespørsel
Ditt AI-verktøy (Cursor, Claude) sender en forespørsel som inneholder PII
MCP Server Avskjærer
Serveren analyserer og oppdager alle PII-enheter
Anonymisering
PII blir erstattet med tokens eller redigert
AI Behandling
AI mottar og behandler kun anonymiserte data
Respons Tilbake
AI-responsen kommer tilbake gjennom MCP Server
De-tokenisering
Valgfritt: Originale verdier gjenopprettes for bruker
Virkelighets Eksempel
Behandle betaling for John Doe, e-post john@example.com, kort 4532-1111-2222-3333Hva AI ser
Behandle betaling for PII_PERSON_001, e-post PII_EMAIL_001, kort PII_CREDIT_CARD_001Hva du får tilbake
Frequently Asked Questions
Why use regex instead of AI for PII detection?
Regex-based detection is deterministic and reproducible. The same input always produces the same output. AI/ML models can be unpredictable and may miss or falsely flag data. For compliance, reproducibility matters.
How accurate is the detection?
Our hybrid approach combines regex patterns with Named Entity Recognition (NER) for high accuracy. All patterns include checksum validation where applicable (credit cards, IBANs, SSNs). False positives are minimized through context-aware scoring.
What happens to my data during processing?
Text is sent to our EU-hosted servers (Hetzner, Germany) over TLS 1.3 for analysis. We don't store your data after processing. With Zero-Knowledge auth, we can't even identify which user made the request.
Can I add custom entity types?
Yes! You can create custom recognizers with your own regex patterns and context words. Custom entities support the same operators (replace, mask, hash, encrypt, redact) as built-in types.
How does reversible encryption work?
The Encrypt operator uses AES-256-GCM encryption with your key. Only you can decrypt. This allows re-identification for audits or legal discovery while keeping data protected in transit and storage.
Se Det I Aksjon
Prøv vår PII deteksjon og anonymisering gratis med 200 tokens per syklus.