By · Last updated 2026-06-05

Späť na blogGDPR a Dodržiavanie

Ceske rodné cislo: Kodovanie pohlavia a GDPR

Ceske rodné cislo koduje pohlavie prostredníctvom posunu mesiaca o 50 — co ho robí osobitnou kategóriou dat podla clanku 9 GDPR. 67 % ceskych firiem pouzíva nemecke nástroje.

June 5, 20267 min čítania
Czech ÚOOÚrodné číslo detectionCzech GDPR compliancemanufacturing data protectionCentral Europe

ÚOOÚ a rodné cislo: Kodovanie pohlavia podla GDPR

Aktualizovane pre rok 2026

Cesky dozorny organ je ÚOOÚ. Plny název je Úrad pro ochranu osobních udaju. V roku 2024 vydal 58 rozhodnutí. Jedno zistenie sa opakuje v mnohych prípadoch. Rodné cislo bolo spracované bez detekcie. Pouzity nástroj na OÚ bol postaveny pre nemcinu alebo anglictinu. Nemal logiku pre tento typ identifikátora. ÚOOÚ je jasné: nástroje musia detekovat rodné cislo s validaciou kontrolného souctu a spravnym spracovaním posunu pohlavia.

Rodné cislo: Osobitná kategória dat zo struktury

Rodné cislo, alebo RC, pouzíva formát RRMMDD/XXXX.

  • RR — posledne dve cislice roku narodenia.
  • MM — mesiac narodenia. Pre zeny sa pricitava 50. Mesiac 01 sa stáva 51. Mesiac 12 sa stáva 62.
  • DD — den narodenia.
  • XXXX — kratka postupnost 3–4 císlic plus kontrolná hodnota (modulus 11).

Posun mesiaca pre zeny robí toto cislo ukazovatelom biologickeho pohlavia. Tento posun nie je náhodny. Systém civilnej evidencie ho pouzíva pre administratívne vyhladavanie. Clánok 9 GDPR pokrýva udaje, ktore odhaluju osobné vlastnosti. Pohlavie je jednou z nich. Pohled ÚOOÚ: kazdy dokument s rodnym cislom obsahuje udaje blízke osobitnej kategorii. Platí silnejsia ochrana.

Ako funguje kontrolná hodnota: Pre 10-znakové cisla (vydané po roku 1954) musi byt uplna 9-znaková základna delitelna 11. Pre 9-znakové cisla (vydané pred rokom 1954) kontrolná hodnota neexistuje. Nástroje musia spracovat obe varianty.

Co ÚOOÚ povazuje za primeranu detekciu

Technicke usmernenie ÚOOÚ pre nástroje na OÚ z roku 2024 stanovuje tri požiadavky.

Spracovanie posunu pohlavia: Cisla s hodnotami mesiaca 51–62 su platné identifikatory pre zeny. Nástroj, ktory ich povazuje za neplatné dátumy, prepasuje priblizne polovicu hlavneho ID dospelej zenskej populácie.

Varianty formátu: Narodenia pred rokom 1954 dávaju 9-znakové cisla bez kontrolnej hodnoty. Narodenia po roku 1954 dávaju 10-znakové cisla s jednou. Obe musia byt podporované.

Signály kontextu: V dokumentoch v rodnom jazyku sa identifikátor objavuje v blízkosti stitkov ako "Rodné cislo:", "RC:" alebo "r.c.:". Jazykovo uvedomelý NER pomáha nájst tieto signály aj v volnom texte.

Problem materskej nemeckej spolocnosti

67 % firiem v krajine nasadzuje nástroje na OÚ nakonfigurované pre nemcinu alebo anglictinu. ÚOOÚ to zistilo v prieskume. Retazec zlyhania vo vyrobe je predvídatelny.

Nemecká materská spolocnost nasadí skenovaci nástroj. Je nastaveny pre nemecké identifikátory. HR udaje — zmluvy, zdravotné záznamy, mzdy — obsahuju rodné cisla. Nástroj nema logiku pre tento typ identifikátora. Kazde rodné cislo sa prepasuje. Zdravotné udaje a udaje o mzde zamestnancov sa presuvaju bez kontrol, ktore ÚOOÚ vyzaduje. Pri audite alebo narusení lokálna firma nemôze preukázat "primerané technické opatrenia" podla clanku 32 GDPR.

ÚOOÚ drží lokálneho správcu zodpovedného. "Nástroj zvolila nasa materská spolocnost" nie je platna obhajoba. Pravidlo zodpovednosti GDPR to nedovol.

Kontrolny zoznam süladu pre vyrobné firmy

Tieto kontroly platia pre priemyselné firmy s nástrojmi nemeckej materskej spolocnosti.

  • Detekcia rodneho cisla: Oba formáty — 9-znakovy aj 10-znakovy. Spracovanie mesiaca so posunom pohlavia (50+). Kontrolná hodnota modulus-11 pre 10-znakové varianty.
  • NER v rodnom jazyku: spaCy cs_core_news alebo ekvivalentny model. Generické nástroje vykazuju o 23 % nizssiu presnost NER pre tento jazyk. Lokálne modely medzeru uzatvaraju.
  • Detekcia cisla OP: Obcansky prukaz (národný preukaz totožnosti) je 9-znakové cislo. Objavuje sa spolu s rodnym cislom v mnohych typoch dokumentov.
  • ICO a DIC: Podnikové ID a danové cisla sa objavuju v zmluvach. Obe potrebuju pokrytie.
  • Viacjazyckový spracovaci postup: Zmiešané prostredia maju dokumenty v rodnom jazyku, nemcine a anglictine. Jednojazyckový postup prepasáva spolocny výskyt napriec jazykmi.

Presadzovanie ÚOOÚ je konzistentné. Firmy, ktore pri audite predlozía technické dôkazy, celia oveľa nizsím pokutám. Firmy, ktore ich predlozít nevedia, su vystavené vyssej expozícii.

Sirsi pohled na to, ako národné identifikátory vytvaraju expozíciu GDPR, nájdete v nasej prirucke pre detekciu národneho danoveho ID EÚ.

Pre podobný seversky identifikátor pozrite nasu technickú prirucku CPR Datatilsynet.

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.