Inzichten in Gegevensprivacy
Expertartikelen over AI-beveiliging, GDPR-naleving, bescherming van gezondheidsgegevens en beste praktijken voor PII-anonimisering.
Alle Artikelen
Garante Italië: AI & PII-naleving
Italië's Garante boette OpenAI €15 miljoen in december 2024 en verbood ChatGPT tijdelijk in 2023. 63% van de Italiaanse bedrijven mist AI-gegevensbeheerbeleid.
LGPD Brazilië: CPF, CNPJ en gegevensbescherming
De LGPD geldt voor 215 miljoen Brazilianen en de ANPD begon in 2024 met grootschalige handhaving. CPF wordt door Engelstalige tools met slechts 45% nauwkeurigheid gedetecteerd.
Nederlandse AP: boete van €290 miljoen en AVG-handhaving
De AP legde de grootste boete voor grensoverschrijdende datatransfers ooit op in de EU: €290 miljoen aan Uber. BSN-validatie (11-proef) wordt door 56% van de tools gemist.
UODO Polen: PESEL, NIP en RODO-naleving
UODO stelde vast dat 89% van de ingezette tools Poolse PESEL-nummers niet correct detecteert. Polen verwerkt dagelijks 2,3 miljoen EU-klantgegevens. PESEL-controlesomvalidatie en NIP.
ANSPDCP Roemenië: CNP-detectie en AVG-controles
ANSPDCP stelde vast dat 78% van de tools het Roemeense CNP niet correct valideert. CNP codeert geslacht, geboortedatum en geboortedistrict — met implicaties voor bijzondere AVG-categorieën.
IMY Zweden: personnummer en Luhn-controles
IMY stelde vast dat 45% van de generieke tools het Zweedse personnummer mist. Het samordningsnummer (60-offset) wordt door de meeste implementaties gemist. 79% van de Zweden maakt gebruik van AVG-rechten.
Denemarken CPR: modulus-11-validatie voor AVG-naleving
67% van de NLP-tools mist de Deense CPR-nummer modulus-11-validatie. Datatilsynet nam in 2024 14 handhavingsmaatregelen in de gezondheidszorg. Secundair gebruik van gezondheidsdata.
Tsjechisch rodné číslo: geslachtscodering en de AVG
Het Tsjechische rodné číslo codeert geslacht via een maandoffset van 50 — waardoor het AVG-artikel 9 bijzondere categoriegegevens zijn. 67% van de Tsjechische bedrijven gebruikt Duitse tools.
NAIH Hongarije: TAJ-Szám en Adóazonosító Jel
NER-nauwkeurigheid voor Hongaars is 67% versus het EU-gemiddelde van 82% — uit de NAIH-beoordeling 2024. Detectieproblemen bij TAJ-szám gewogen controlesom en adóazonosító jel.
HDPA Griekenland: AFM & AMKA-detectie
Griekse AFM wordt door generieke tools met slechts 52% nauwkeurigheid gedetecteerd. De HDPA heeft in 2024 89 besluiten uitgevaardigd — een stijging van 162% ten opzichte van 2022. Toerisme en de maritieme sector staan voor specifieke uitdagingen.
Japan My Number: Verhoeff & APPI
63% van de generieke tools faalt bij My Number-detectie in Japanse documenten. My Number gebruikt het Verhoeff-algoritme — de meest complexe nationale ID-controlesom in Azië.
Epstein-bestanden: Markering Is Geen Redactie
De DOJ-vrijgave van de Epstein-bestanden in december 2025 onthulde een kritieke redactiefout: zwart gemarkeerde PDF-tekst blijft leesbaar via kopiëren en plakken.
Advocaat-Cliëntprivilege en AI in 2026
Een federale rechtbank oordeelde in februari 2026 dat AI-communicatie geen advocaat-cliëntprivilege draagt. Hier leest u wat dit betekent voor juridische AI-gebruik en hoe u beschermd blijft.
Zero-Knowledge vs. Zero-Trust Encryptie
LastPass versleutelde de gegevens van hun gebruikers ook — en toch werd er $438 miljoen gestolen. Hier leest u het verschil tussen server-side encryptie en echte zero-knowledge architectuur.
Air-Gapped PII: Offline-First voor Defensie
41% van de enterprise beveiligingsbeleidsregels verbiedt cloudverwerking van geclassificeerde documenten. Hier leest u hoe offline PII-anonimisering werkt voor air-gapped omgevingen.
Meertalige PII-detectie voor GDPR
Een Duits Steuer-ID, een Frans NIR en een Zweeds Personnummer vereisen alle verschillende detectielogica. Hier leest u hoe de GDPR-kloof in meertalige PII-detectie uw aansprakelijkheid vergroot.
Omkeerbare vs. Permanente Redactie
GDPR maakt onderscheid tussen anonimisering en pseudonimisering. Rechtbanken hebben de originelen nodig. Onderzoek vereist re-identificatie. Leer wanneer u welke aanpak gebruikt.
Meertalige NER: Arabisch en Chinees
Arabische NER bereikt F1-scores van 0,60-0,83 in ACL 2024-benchmarks. Chinese segmentatie vereist woordgrensdetectie die de meeste Europese NER-modellen missen.
MKB Cybersecuritycrisis 2024
46% van alle cyberaanvallen richt zich op het MKB. Gemiddelde kosten van een inbreuk: $108.000 — voldoende om 60% van getroffen kleine bedrijven te sluiten. Hier leest u wat betaalbare PII-bescherming vereist.
PHI-detectienauwkeurigheid: Vergelijkende Benchmark
Een 2024 benchmark vergeleek PHI-detectietools op klinische notities. Presidio scoorde F1=0,61. Hier leest u wat de cijfers betekenen voor HIPAA Safe Harbor-naleving.
Rechtbanksancties voor Slechte Redactie
Rechtbanken hebben advocaten gesanctioneerd voor slechte redactie: van kostenveroordelingen tot bewijsuitsluiting. De meest voorkomende fout is cosmetische redactie die de onderliggende tekst niet verwijdert.
Veilig AI-gebruik via MCP Server
Ontwikkelaars gebruiken Claude Desktop en Cursor IDE dagelijks met productiecode en gevoelige gegevens. De MCP Server-architectuur beschermt PII voordat het de AI-provider bereikt.
Diefstal van AI-gesprekken via Chrome-extensies
In januari 2026 stalen twee kwaadaardige Chrome-extensies met 900.000+ gebruikers ChatGPT- en DeepSeek-gesprekken elke 30 minuten. Hoe u veilige van gevaarlijke extensies onderscheidt.
Zorgdatalekken: $10,22 Miljoen Gemiddeld
IBM meldt dat de zorgsector voor het vijftiende jaar op rij de hoogste gemiddelde kosten per datalek heeft. 725 HIPAA-inbreuken in 2024 troffen 275 miljoen records. Wat dit betekent voor cloud-PHI-verwerking.
Begin Vandaag met het Beschermen van Uw Gegevens
267+ entiteitstypen, 48 talen, beveiliging van ondernemingsniveau tegen startprijzen.
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.