By · Last updated 2026-04-13

Voltar ao BlogTécnico

Privacidade Air-Gapped: Como Anonimizar Documentos...

Ambientes FedRAMP e ITAR têm uma coisa em comum — a nuvem não é uma opção. A pseudonimização reversível sob o Art.

April 13, 20269 min de leitura
air-gapped anonymizationSCIF document processingITAR complianceFedRAMP offline toolsoffline PII detection

A regra do air gap

Algumas redes não têm internet. Não por política — por projeto.

Um SCIF (Sensitive Compartmented Information Facility) é uma sala blindada Faraday. Nenhum sinal sem fio entra ou sai. O ITAR (International Traffic in Arms Regulations) proíbe o envio de conteúdo técnico controlado a partes não autorizadas. Os provedores de nuvem não possuem autorização ITAR. Para essas organizações, "SaaS na nuvem" não é um risco a gerenciar — é uma impossibilidade.

Para esses ambientes, ferramentas em nuvem simplesmente não funcionam.

Uma ferramenta que precisa de conexão de rede ativa não pode ser implantada aqui. Uma ferramenta que verifica a licença em um servidor remoto está descartada desde o início. Uma ferramenta que envia arquivos para uma API na nuvem para detecção não pode funcionar dentro de um SCIF. Não são casos extremos. São restrições diárias para equipes de defesa.

O caso ITAR

Uma cientista de dados em uma empresa de defesa processa registros de pessoal sob ITAR. Ela precisa remover nomes e identificadores antes de compartilhar os arquivos. Sua rede está em air gap.

Não existe solução em nuvem. O único caminho é uma ferramenta que roda no dispositivo local. Ela deve armazenar seus modelos localmente. Deve produzir saída anonimizada sem nenhuma chamada externa.

O aplicativo Desktop baseado em Tauri 2.0 faz exatamente isso. Após a instalação, nenhuma chamada de rede ocorre durante o processamento. Os modelos spaCy NER e os padrões regex rodam todos na CPU local. A saída permanece no dispositivo até que o usuário a exporte.

Por que a reversibilidade é importante

Operações classificadas frequentemente precisam de pseudonimização reversível. Equipes substituem nomes reais por códigos. Os registros continuam úteis. As identidades reais ficam protegidas.

O RGPD Artigo 4(5) define a pseudonimização como uma medida formal de proteção de dados. Ela reduz o risco. Registros pseudonimizados têm menos obrigações legais — se o token de busca for armazenado separado do conjunto de dados.

A pesquisa da IAPP (2024) constatou que apenas 23% das ferramentas suportam verdadeira reversibilidade. A maioria faz substituição permanente ou mascaramento simples. Uma vez que um registro é sobrescrito, ele se perde.

Algumas equipes governamentais dividem o trabalho por compartimento. Uma equipe recebe os arquivos pseudonimizados e faz a análise. Uma segunda equipe detém o token e reidentifica registros apenas quando a lei exige. Esse design dividido é a única abordagem segura para fluxos de trabalho classificados em equipe.

O modelo de conhecimento zero vai um passo além. O token é criado no dispositivo cliente. Ele nunca é transmitido. Mesmo sob ordem judicial, o fornecedor não pode entregá-lo. Ele nunca o teve. Isso satisfaz os requisitos de custódia do token em muitos ambientes classificados.

Separação de tokens segundo o CEPD

As diretrizes CEPD 05/2022 exigem que o token de pseudonimização seja mantido separado. Ele não pode estar com a mesma parte que possui os registros pseudonimizados. Ou deve ser protegido por controles que impeçam essa parte de ler registros e token ao mesmo tempo.

Três propriedades juntas satisfazem essa regra:

  • Token criado no dispositivo cliente — nunca transmitido
  • Todo o processamento é local — nada sai do site em air gap
  • Saída e token exportados separadamente — dois arquivos, dois caminhos

Esse design atende à regra do CEPD e à restrição de air gap ao mesmo tempo.

Para uma visão completa, nossa visão geral de segurança mostra como o processamento local elimina a cadeia de terceiros. Nosso guia de conformidade cobre as regras de transferência do RGPD. Consulte nossas FAQ para ajuda na implantação.

O aplicativo Desktop do anonym.legal realiza toda a detecção de PII no dispositivo local. Nenhuma internet é necessária após a instalação. Suporta Windows, macOS e Linux. Os modelos NLP integrados cobrem 24 idiomas.

Atualizado para 2026

Fontes

Pronto para proteger seus dados?

Comece a anonimizar PII com mais de 285 tipos de entidades em 48 idiomas.

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.