By · Last updated 2026-06-05

Späť na blogTechnické

Súlad OÚ napriec platformami: Mac, Linux a Windows

Pracovníci ochrany súkromia na Mac, právnici na Windows, datoví inzinieri na Linux — vsetci spracúvajú rovnaké dáta s rôznymi nástrojmi. Tu je vysvetlenie, preco detekcia nezávislá od OS je nevyhnutná.

June 5, 20266 min čítania
cross-platformMac Linux GDPRenterprise ITOS agnosticcompliance consistency

Súlad OÚ napriec platformami: Mac, Linux a Windows

Pracovníci ochrany súkromia na Mac. Právne tímy na Windows. Datoví inzinieri na Linux. Jedna povinnost súladu.

Väcsina nástrojov OÚ bola vytvorená pre jednu platformu. To je ten problém.

Medzera OS v tímoch ochrany súkromia

Podnikové tímy ochrany súkromia len zriedkakedy pouzívajú jeden operacný systém. Typická globálna technologická spolocnost vyzerá takto:

  • Pracovníci ochrany súkromia a DPO: macOS (bezné v amerických a britských firmách)
  • Právni a compliance analytici: Windows (standard v europskych podnikoch)
  • Datoví inzinieri a DevOps: Linux (standard pre technické role)

Tri prostredía OS. Tri funkcie tímu. Jedna zdielaná povinnost: spracúvat osobné dáta s konzistentnými technickými kontrolami.

Ked kazda skupina pouzíva inú verziu rovnakého nástroja — alebo iné rozhranie — kontroly nie sú rovnaké. Len sa tak zdajú byt.

Preco nástroje pre jednu platformu vytvárajú riziko

Väcsina nástrojov OÚ sa dodáva ako desktopové aplikácie pre jeden OS. Pouzívatelia Mac a Linux dostanú webovú náhradu, alebo nic.

To vytvára rozdelenie, ktoré má pri auditoch vyznam. Tu je to, co sa stane, ked webová aplikácia zaostáva za desktopom:

Verzie NLP modelu sa lísia. Desktopové zostava môze obsahovat novší NLP model ako webová aplikácia. Starsie verzie modelu môzu prehliadnut typy entít, ktoré novsse zachytia.

Cykly aktualizácií sa rozchádzajú. Nástroje nasadené cez skupinovú smernícu môzu byt dve alebo tri verzie za priamou instaláciou. Medzery verzií znamenajú medzery v detekcii.

Konfigurácia sa nedá synchronizovat. Nástroje, ktoré uchovávajú nastavenia v registri OS, nemôzu tieto nastavenia zdielat s pouzívatemi Mac alebo Linux. Predvolba vytvorená na jednej platforme môze byt na inej necitatelná.

Správanie kniznице sa lísi. Nástroje, ktoré sa spoliehajú na kniznице na úrovni OS pre parsovanie PDF alebo OCR, môzu produkovat rôzne výsledky na rôznych platformách — aj z rovnakého zdrojového dokumentu.

Akákolveк z týchto medzier znamená, ze rovnaký dokument môze produkovat rôzne výsledky anonymizácie. Prícinoу nie sú dáta. Je to platforma.

Pozrite poziadavky GDPR na technické opatrenia pre to, ako regulátori hodnotia konzistentnost.

GDPR clanok 5(2) a systematické opatrenia

Clanok 5(2) GDPR je princíp zodpovednosti. Vyzaduje, aby správcovia preukázali súlad so zásadami ochrany dáta podla clanku 5(1). Pre technické opatrenia podla clanku 32 to znamená, ze opatrenia boli uplantované systematicky.

Systematicky znamená konzistentne. Ak sa anonymizácia lísi podla OS osoby, ktorá ju vykonala, opatrenie je variabilné — nie systematické.

Pri vysetrovaní DPA je „pouzili sme Nástroj X, ale na Mac a desktopovej verzii sa správa inak a dokument bol spracovaný na Mac" neuspokojivá odpoved. Ukazuje nerovnomerne uplantovanie.

Dizajn nezávislý od OS nie je preferenciou. Vyplýva z poziadavky systematického uplantоvania.

Dva vzory súladu nezávislého od OS

Skutocný súlad OÚ nezávislý od OS sa vmestí do dvoch architektonických vzorov.

Vzor 1: Webová aplikácia

Detekcia prebieha na serveri. OS klienta je irelevantný. Kazdy pouzívatel zasahuje rovnaký engine s rovnakými modelmi a rovnakou konfiguráciou.

Obmedzenie: vyzaduje prístup na internet. Vzduchom izolované prostredia ho nemôzu pouzit.

Vzor 2: Natívna multiplatformová desktopová aplikácia

Desktopová aplikácia vytvorená na multiplatformovom behovom prostredí (napr. Tauri alebo Electron) kompiluje rovnaký kód pre vsetky tri platformy. Rovnaké NLP modely sa dodávajú v kazdej zostave. Konfigurácia sa synchronizuje cez úcet, nie lokálne ulozisko OS.

Toto splna poziadavky offline a vzduchom izolovaných prostredí. Detekcia zostáva konzistentná napriec platformami.

Desktopová aplikácia anonym.legal pouzíva framework Tauri/Rust. Kompiluje rovnaký kód pre Windows (x64/ARM64), macOS (Intel/Apple Silicon/Universal) a Linux (x64). NLP modely a detekcný engine sú v kazdej zostave identicke. OS nie je premennou vo výstupe.

Prípad pouzitia: 12-clenný tím ochrany súkromia

Tím ochrany súkromia globálnej technologickej spolocnosti pozostávajúci z 12 ludí pracoval v troch prostrediach OS:

  • 4 pracovníci ochrany súkromia a DPO: macOS (MacBook Pro)
  • 5 právnych a compliance analytikov: Windows (Surface Pro)
  • 3 datoví inzinieri: Linux (pracovné stanice Ubuntu)

Ich predchádzajúci nástroj OÚ bol desktopovou aplikáciou pre jednu platformu. Pouzívatelia Mac a Linux prešli na webovú aplikáciu dodávatela. Bola to starsie verzia s menсím pocтom typov entít.

Medzera v súlade bola jasná. DPO na Mac detegoval 180 typov entít. Právnici na desktopovej aplikácii detegovali 267. Inzinieri na Linux zodpovedali webovej aplikácii pri 180. To je medzera 87 entít v dokumentoch spracovaných DPO.

Po prechode na multiplatformovú desktopovú aplikáciu:

  • Rovnaká aplikácia nasadená na vsetkých 12 pocítacoch
  • Identicke NLP modely a detekcný engine na kazdом pocítaci
  • Jedna predvolba „Privacy Standard" synchronizovaná napriec vsetkými úctami
  • Jediný auditný záznám od vsetkých 12 pouzívatelov v systéme súladu

Audit DPA prisiel о sest mesiacov neskôr. Tím preukázal identicke pokrytie entít napriec vsetkými 12 úctami bez ohlaду na OS. Nález bol uzavretý.

Precítajte si viac o funkciách auditného záznamu a dokumentácie.

Co skontrolovat pred výberom nástroja

Pri hodnotení nástroja OÚ pre tím s viacerými OS kladte tieto otázky:

Pouzívajú vsetky verzie pre platformy rovnaký NLP model? Ak zostavy pre Mac a Linux zaostávajú, máte problém s konzistentnostou.

Ako sa ukladá a zdielа konfigurácia? Ulozisko zalozеné na registri sa nedá synchronizovat napriec platformami.

Sú cykly aktualizácií rovnaké pre vsetky platformy? Rozchádzajúce sa vydania vytvárajú medzery verzií.

Aká je záloha pre pouzívatelov bez desktopu? Ak je to starsie webová aplikácia, pokrytie nie je rovnaké.

Nástroj, ktorý na tieto otázky dobre odpovie, produkuje rovnaký výsledok detekcie z rovnakého vstupu na akomkolvek OS. Tak vyzerá systematické uplantovanie.

Zdroje

Pripravení chrániť vaše údaje?

Začnite anonymizovať PII s 285+ typmi entít v 48 jazykoch.

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.