anonym.legal

By · Last updated 2026-03-11

Назад к блогуGDPR и соблюдение

Взломы SaaS выросли на 300%: нулевое знание обязательно

Conduent раскрыл 25,9 млн записей. NHS: 9 млн пациентов. Злоумышленники взламывают SaaS-поставщиков за 9 минут. Когда ваш поставщик — сам является угрозой.

March 11, 20269 мин чтения
SaaS securitydata breach 2024zero-knowledge architecturevendor risk managementGDPR Article 28

Поставщик теперь и есть поверхность атаки

Обновлено в 2026 году

Десятилетие команды безопасности фокусировались на одной цели: не пустить злоумышленников в сеть. Старая модель предполагала, что атаки будут направлены напрямую на организацию.

Данные 2024 года показывают: эта модель устарела. Взломы SaaS выросли на 300% в 2024 году (Obsidian Security 2025). Злоумышленники больше не атакуют напрямую — они идут через SaaS-инструменты, которым организации доверяют свои записи.

Цифры взломов SaaS 2024 года

Conduent — взлом обнажил 25,9 млн записей. Conduent выполняет процессинг для государственных органов и крупных компаний: льготы, выплаты, гражданские сервисы. 25,9 млн пострадавших и не подозревали, что третья сторона хранит их данные.

NHS Digital — взлом затронул 9 млн пациентов. Записи пациентов были раскрыты через серверы облачного инструмента. Пациенты передавали информацию своим медицинским организациям. Им не было известно, что она когда-либо попала к третьей стороне.

Это не редкие события. Это новая норма.

Почему взломы SaaS работают иначе

Классический взлом сети требует многих шагов: обойти периметр, двигаться по системам, извлечь документы. Каждый шаг — шанс быть обнаруженным.

Взломы SaaS работают иначе. При атаке на облачную платформу злоумышленники получают доступ к записям каждого клиента, передавшего контент через эту платформу. Один взлом даёт документы от десятков или сотен клиентов одновременно.

Окно взлома — 9 минут. При такой скорости традиционные средства защиты не успевают среагировать.

Решение: нулевое знание

В системе нулевого знания взлом сервера поставщика раскрывает только зашифрованные блобы. Без ключей клиента они бесполезны.

Это фундаментально меняет модель угроз. При взломе Conduent с нулевым знанием злоумышленники получили бы 25,9 млн зашифрованных блобов — не записей.

anonym.legal реализует нулевое знание для всей обработки PII. Подробнее — в обзоре архитектуры нулевого знания и документации по соответствию.

Источники

Связанные статьи

GDPR и соблюдение

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR и соблюдение

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR и соблюдение

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

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.