anonym.legal

By · Last updated 2026-06-05

Назад к блогуТехнические

Анонимизация журналов для соответствия GDPR: отладка без компромиссов

Журналы приложений незаметно накапливают адреса электронной почты, IP-адреса и номера аккаунтов пользователей. Как делиться журналами с третьими сторонами, подрядчиками и платформами мониторинга, не нарушая GDPR.

June 5, 20267 мин чтения
JSON logsGDPR complianceDevOps privacylog anonymizationdata minimization

ПДн скрываются в журналах приложений

Журналы приложений — одна из наиболее часто упускаемых из виду поверхностей GDPR в разработке. Не потому что инженеры игнорируют законодательство. Просто данные пользователей попадают в журнальные файлы случайно.

Одна запись JSON запроса может содержать четыре поля с ПДн:

{
  "timestamp": "2025-11-14T09:22:13Z",
  "level": "ERROR",
  "endpoint": "/api/users/profile",
  "user_email": "sarah.johnson@company.com",
  "client_ip": "82.123.45.67",
  "user_agent": "Mozilla/5.0",
  "error": "ValidationError: phone format",
  "input_value": "+49 176 1234 5678"
}

Одна эта запись содержит email, IP-адрес и номер телефона. Умножьте это на миллионы ежедневных API-вызовов. Результат — масштабная обработка ПДн, требующая правового основания, ограничений и средств контроля.

Передача журналов третьим сторонам повышает риски по GDPR

Команды регулярно передают журнальные файлы внешним сторонам:

  • Компании по тестированию на проникновение получают записи для анализа поведения приложения
  • Внешние консультанты используют образцы журналов для поиска узких мест
  • Платформы журналирования (Elastic, Datadog, Splunk) получают полные потоки данных
  • SRE-подрядчики получают доступ к записям во время инцидентов
  • Команды разработчиков из других юридических лиц получают файлы для отладки

Каждая такая передача порождает вопросы по статье 28 GDPR. Является ли получатель обработчиком данных? Есть ли Соглашение об обработке данных? Есть ли у них правовое основание для доступа к данным пользователей в этих файлах?

Платформы журналирования — типичный пробел. Отправка записей с реальными адресами электронной почты и IP-адресами пользователей в Elastic Cloud или Datadog создаёт связь обработки. Эта связь требует DPA, стандартных договорных положений и инструмента передачи данных, если платформа расположена за пределами ЕС. Всё это требует времени и юридической экспертизы.

Более простой путь: удалить данные пользователей до того, как файлы покинут вашу систему. Подробнее о правилах статьи 28 читайте в нашем обзоре соответствия требованиям.

Почему структура JSON затрудняет обнаружение ПДн

Журнальные файлы JSON варьируются по структуре. Общего текстового сканирования недостаточно.

Глубина вложенности: данные пользователей могут находиться на любом уровне. Поле request.headers.x-forwarded-for содержит IP-адреса. Поле response.body.errors[0].field_value может содержать пользовательский ввод. Плоское текстовое сканирование пропускает поля, скрытые в глубоко вложенных путях.

Непоследовательные схемы: каждый эндпоинт API формирует данные по-своему. Файлы аутентификации отличаются от файлов платежей. Файлы обновления профиля отличаются от обоих. Подход с фиксированными путями пропускает данные пользователей, появляющиеся в нестандартных путях в контексте ошибок.

Технические значения вперемешку с ПДн: трассировки стека, коды ошибок и временны́е метки должны оставаться нетронутыми. Огульная очистка удаляет нужные поля и делает файл бесполезным.

Правильный подход — обнаружение на основе содержимого. Данные пользователей находятся по тому, чем они являются — шаблон email, формат IP, именованная сущность, — а не по месту расположения в структуре. Это обрабатывает переменные схемы без настройки для каждого эндпоинта.

Согласованная замена сохраняет ценность журналов

Ключевое требование — ссылочная целостность. Если sarah.johnson@company.com встречается в 47 записях цепочки запросов, все 47 должны быть заменены одним значением.

Правила замены:

  • sarah.johnson@company.com → user1@example.com (одно значение для всего файла)
  • 82.123.45.67 → 192.0.2.1 (документационный IP по RFC 5737 — явно ненастоящий)
  • +49 176 1234 5678 → +49 XXX XXX XXXX (маскирование)

С такой заменой разработчик может проследить user1@example.com через 47 записей, восстановить цепочку запросов и устранить ошибку — не видя реальных данных пользователей.

Эти поля метаданных остаются без изменений:

  • Временны́е метки (не данные пользователей)
  • Коды и типы ошибок (не данные пользователей)
  • Трассировки стека (могут содержать технические ID, не данные пользователей)
  • HTTP-методы, пути, коды статуса (не данные пользователей)
  • Метрики и показатели задержки (не данные пользователей)

Результат — файл, пригодный для отладки, без реальных данных пользователей. Подробнее о различии между анонимизацией и псевдонимизацией по GDPR см. в нашем глоссарии.

Сценарий использования: передача журналов для пентеста

SaaS-компания провела ежеквартальную проверку безопасности с внешней командой пентестеров. В рамках работ потребовались записи API за 90 дней для анализа потоков аутентификации и ошибок.

Объём: 180 МБ JSON-файлов. Количество ПДн: 4 200 уникальных email-адресов пользователей, 1 800 уникальных IP-адресов, 340 частичных номеров аккаунтов в контекстах ошибок.

Без предварительного удаления данных пользователей передача этих файлов потребовала бы:

  • DPA с компанией-пентестером
  • Инструмента передачи данных по статье 46 GDPR (компания находилась за пределами ЕС)
  • Проверки уведомлений для субъектов данных

Каждый из этих шагов добавляет юридическую работу и время.

С применением очистки ПДн:

  • Время обработки: 25 минут для 180 МБ
  • Результат: 180 МБ структурно идентичных файлов, все email и IP заменены безопасными значениями
  • Итог: команда пентестеров получила полный контекст; никаких реальных данных пользователей до них не дошло
  • GDPR: DPA не потребовалось — очищенные данные не являются персональными по GDPR

Часто задаваемые вопросы о том, что считается анонимным по GDPR, см. в нашем FAQ.

Интеграция очистки ПДн в CI/CD

Для команд, регулярно передающих данные, этот шаг можно встроить в существующие конвейеры.

Ротация журналов:

  1. Скрипт ротации запускается ночью
  2. Шаг очистки выполняется перед архивацией или отправкой на любую платформу журналирования
  3. Очищенные файлы направляются во внешние системы
  4. Исходные файлы остаются внутри с полным сроком хранения

Скрипт перед передачей:

  1. Инженеру нужно поделиться образцом с подрядчиком
  2. Запускает скрипт: input=raw-logs/ output=clean-logs/
  3. Передаёт папку clean-logs/
  4. Ручная проверка ПДн не требуется

Подход через sidecar:

  1. Sidecar очищает поток данных перед пересылкой
  2. Очистка в реальном времени сохраняет полезность для анализа журналов
  3. Платформа получает нулевое количество реальных данных пользователей

Интеграция с политикой хранения

Статья 5(1)(e) GDPR требует ограничения хранения. Очистка ПДн вписывается в любую политику хранения.

  • Необработанные записи хранятся 7 дней (для ежедневной отладки)
  • Очищенные версии хранятся 90 дней (для анализа трендов и разбора инцидентов)
  • Шаг очистки запускается на 7-й день

Это удовлетворяет требованию об ограничении хранения и устраняет риск долгосрочного хранения необработанных записей.

Источники

Связанные статьи

Технические

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.

Технические

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.

Технические

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.

Готовы защитить ваши данные?

Начните анонимизацию PII с 285+ типов сущностей на 48 языках.

Начать бесплатный пробный периодПосмотреть функции

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.