anonym.legal

By · Last updated 2026-06-05

Terug naar BlogTechnisch

Waarom binaire PII-detectie faalt bij compliance

Gedetecteerd/niet-gedetecteerd is onvoldoende voor compliance-contexten die menselijk oordeel vereisen. Vertrouwensscoring transformeert PII-anonimisering van een binaire gok naar een auditeerbare nalevingscontrole.

June 5, 20268 min lezen
confidence scoringPII detectionlegal discoverycomplianceGDPR audit

Waarom binaire PII-detectie faalt bij compliance

Gedetecteerd/niet-gedetecteerd vlaggen kunnen geen verdedigbare redactiebeslissingen ondersteunen. Vertrouwensscoring transformeert PII-anonimisering van een binaire gok naar een auditeerbare nalevingscontrole.

Wat binaire detectie mist

Een binair detectiesysteem geeft één antwoord: dit IS PII of dit is GEEN PII. Geen gradaties. Geen twijfels.

In de praktijk is PII-detectie zelden zo duidelijk. Context bepaalt of iets persoonsgegeven is:

  • "Jan Jansen" in een e-mail naar een klant: duidelijk PII
  • "Jan Jansen" als naam van de auteur van een aangehaald wetenschappelijk artikel: mogelijk niet PII in dit context
  • "Amsterdam" als woonadres: PII
  • "Amsterdam" als zinsverwijzing naar de stad: geen PII

Binaire detectie behandelt alle vier gevallen hetzelfde. Vertrouwensscoring niet.

Vertrouwensscores en menselijk oordeel

Een vertrouwensscore geeft de waarschijnlijkheid dat een detectie correct is. Hoge vertrouwensscore (>0,90): het systeem is vrijwel zeker dat dit PII is. Lage vertrouwensscore (0,50–0,70): het systeem heeft twijfels.

Voor compliance-workflows:

  • Hoge vertrouwensscores (>0,90): automatisch verwerken, geen menselijke review
  • Middelhoge scores (0,70–0,90): markeren voor optionele review
  • Lage scores (<0,70): markeren voor verplichte menselijke review

Deze drempel-aanpak reduceert reviewtijd (de meeste hoge-vertrouwens detecties vereisen geen review) terwijl menselijk oordeel behouden blijft voor twijfelgevallen.

De audit-verdedigbaarheid

In e-discovery: een advocaat moet elke redactie kunnen verdedigen. Waarom werd dit geredigeerd? Waarom werd dat niet geredigeerd?

Meteen vertrouwensscores en menselijke review-records:

  • "Dit werd geredigeerd want het systeem gaf 0,94 vertrouwen als persoonsnaam, bevestigd door review"
  • "Dit werd niet geredigeerd want het systeem gaf 0,52 vertrouwen en review bepaalde dat het een productnaam was"

Dit is verdedigbaar. Binaire detectie zonder vertrouwensscores is dat niet.

Anonym.legal retourneert vertrouwensscores per entiteitsdetectie. Het review-systeem segmenteert detecties op drempelwaarden. Auditlogboeken registreren zowel de score als de review-beslissing.

Gerelateerde Artikelen

Technisch

Cross-Platform PII: Mac, Linux, and Windows

Privacy officers on Mac, legal on Windows, data engineers on Linux — all processing the same data with different tools. Here's why OS-agnostic detection.

Technisch

Cross-Application PII: Word, Chrome, and AI

Customer data flows from browser research to Word drafts to Claude prompts. Each context switch is a potential leakage point.

Technisch

GDPR in App Logs: JSON PII Compliance

Application logs contain customer email addresses, IPs, and account numbers that GDPR Article 5(1)(e) requires be managed.

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

Start Gratis ProefperiodeBekijk Kenmerken

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.