anonym.legal

By · Last updated 2026-06-05

Terug naar BlogGezondheidszorg

HIPAA OCR: 725 lekken, 275 miljoen dossiers

HHS OCR rapporteerde 725 HIPAA-lekken in 2024 die 275 miljoen dossiers troffen — het hoogste ooit. Gemiddelde kosten van een zorglek: $10,22 miljoen.

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

HIPAA OCR: 725 lekken, 275 miljoen dossiers

Bijgewerkt voor 2026

HHS Office for Civil Rights (OCR) telde in 2024 725 zorgdatalekken met 275 miljoen patiëntdossiers — het hoogste ooit geregistreerde totaal in één jaar.

De gemiddelde kosten per zorglek bereikten in 2025 $10,22 miljoen (IBM Cost of a Data Breach Report). De kosten omvatten civiele boetes, juridische kosten, patiëntkennisgevingen, kredietbewaking en reputatieschade.

2025 en 2026 zijn sleuteljaren voor gedekte entiteiten en hun zakenpartners. Een voorgestelde HIPAA Security Rule-update van maart 2025 zou de grootste set technische regels toevoegen sinds 2003.

Wat 725 lekken in 2024 veroorzaakte

Het OCR-portal groepeert de fouten van 2024 in vier typen.

Hacken en IT-incidenten veroorzaakten 74% van de gemelde lekken. Ransomware, serveraanvallen en e-mailfraude zijn de voornaamste typen. Aanvallers richten zich nu op hele netwerken. Eén aanval kan gegevens uit een volledig EHR-systeem halen.

Ongeautoriseerde toegang en openbaarmaking veroorzaakten 18% van de lekken: slechte toegangscontroles, insider-misbruik en fouten met onjuiste ontvanger.

Incidenten bij derden maakten 35% van de 2024-lekken uit. Change Healthcare (een UnitedHealth Group-eenheid) stelde alleen al meer dan 190 miljoen patiëntdossiers bloot — het grootste Amerikaanse zorgdatalek ooit.

Diefstal of verlies van draagbare media veroorzaakte 8% van de lekken: laptops, USB-drives en papieren dossiers zonder versleuteling verloren of gestolen.

De 18 PHI-typen onder Safe Harbor

HIPAA's Safe Harbor-methode (45 CFR §164.514(b)) vereist verwijdering van alle 18 typen patiëntgegevens. De meeste teams kennen de lijst. Het moeilijke deel is detectie op schaal.

  1. Namen — patiënten, familieleden, werkgevers
  2. Geografische gegevens — elk gebied kleiner dan een staat
  3. Datums — opname, ontslag, geboorte, overlijden (jaar mag blijven)
  4. Telefoonnummers
  5. Faxnummers
  6. E-mailadressen
  7. Burgerservicenummers
  8. Medische dossiernummers (formaat varieert per EHR-systeem)
  9. Zorgverzekeringslid-nummers
  10. Rekeningnummers
  11. Certificaat- en licentienummers — medisch, DEA, staat
  12. Voertuig-ID's — VIN's en kentekens
  13. Apparaat-ID's — serienummers en unieke apparaatcodes
  14. Web-URL's
  15. IP-adressen
  16. Biometrische gegevens — vingerafdrukken en stemafdrukken
  17. Volledige-gezichtsfoto's en vergelijkbare afbeeldingen
  18. Andere unieke ID's, codes of kenmerken

Type 18 is het moeilijkst te detecteren. Elke code die een dossier aan een specifieke patiënt koppelt, moet worden verwijderd — ook zonder een vast patroon.

Voor een stapsgewijze gids over het verwijderen van alle 18 typen uit klinische dossiers, zie HIPAA Safe Harbor de-identificatie voor zorgonderzoek.

Vijf nieuwe regels in de voorgestelde beveiligingsupdate

De voorgestelde HIPAA Security Rule-update (maart 2025) voegt vijf plichten toe.

Jaarlijkse versleutelingsaudits. Gedekte entiteiten moeten bevestigen dat alle patiëntgegevens in rust AES-256 of gelijkwaardig gebruiken.

Schriftelijke de-identificatieprocedures. Patiëntgegevens gebruikt voor onderzoek, AI-training of analyses vereisen schriftelijke stappen met technische bewijsdocumenten.

Beveiligingscontroles voor zakenpartners. Zakenpartners moeten specifieke technische controles doorstaan vóór activering.

Multifactorauthenticatie (MFA). Alle medewerkers met toegang tot elektronische patiëntgegevens moeten MFA gebruiken. Verouderde systemen zijn niet vrijgesteld.

Testen van incidentrespons. Jaarlijkse oefeningen en technische tests zijn vereist. Teams moeten resultaten documenteren.

Lessen van Change Healthcare

Het Change Healthcare-lek (februari 2024) toonde wat systemisch risico inhoudt. Change Healthcare verwerkte 15 miljard transacties per jaar en verbond zorgaanbieders, verzekeraars en apotheken als clearinghouse.

Het lek begon met één account voor externe toegang zonder MFA. Aanvallers bewogen zich negen dagen door het netwerk vóór zij ransomware lanceerden.

De les is duidelijk: een zakenpartner met brede toegang tot gezondheidstransacties vormt een risico voor elke partner die het bedient.

Voor PHI-verwijdering uit ziekenhuisspecifieke dossierformaten, zie HIPAA MRN-detectie. Voor zero-knowledge-ontwerp dat patiëntgegevens van het netwerk houdt, zie HIPAA-conforme cloud PHI.

Bronnen

Klaar om uw gegevens te beschermen?

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

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.