Prehľad Ochrany Údajov
Odborné články o bezpečnosti AI, dodržiavaní GDPR, ochrane údajov v zdravotnej starostlivosti a osvedčených praktikách anonymizácie PII.
Všetky články
Garante Taliansko: Suladnost AI a osobnych udajov
Taliansky Garante pokutoval OpenAI sumou 15 miliónov eur v decembri 2024 a docasne zakázal ChatGPT v roku 2023. 63 % talianskych firiem nemá politiky spravovania údajov AI.
LGPD Brazilia: CPF, CNPJ a ochrana udajov
LGPD pokryva 215 miliónov Brazílcanov a ANPD zacal velké presadzovanie v roku 2024. Nástroje trénované na anglictine detegujú CPF iba so 45% presnostou.
Holandsky AP: pokuta 290 mil. EUR a vymahanie GDPR
Holandsky AP udelil najvyssiu pokutu EÚ za prenos dat — 290 mil. EUR proti Uberu. BSN (holandske rodne cislo) vyzaduje validaciu Elfproef, ktoru prehliadne 56 % nastrojov.
UODO Polsko: PESEL, NIP a RODO
UODO zistilo, ze 89 % nasadenych nastrojov nedokaze spravne detekovat polsky PESEL. Polsko spracovava 2,3 miliona zaznamov zákazníkov EÚ denne. Validácia kontrolneho souctu PESEL a NIP.
ANSPDCP Rumunsko: Detekcia CNP a GDPR kontroly
ANSPDCP zistilo, ze 78 % nastrojov prepasuje rumunsky CNP so spravnou validaciou. CNP koduje pohlavie, datum narodenia a rodny kraj — implikácie GDPR pre osobitné kategórie.
IMY Svedsko: Personnummer a Luhnova kontrola
IMY zistilo, ze 45 % generickych nastrojov prepasuje svedske personnummer. Samordningsnummer (posun o 60) prepasuje vacsina implementacii. 79 % Svédov uplatnuje práva GDPR.
Dansko CPR: Validácia modulus-11 pre GDPR
67 % nastrojov NLP prepasuje validaciu modulus-11 dánskeho cisla CPR. 14 krokov presadzovania vo zdravotníctve Datatilsynetu v roku 2024. Sekundarné pouzivanie zdravotnych udajov.
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.
NAIH Madarsko: TAJ-Szám a Adóazonosító Jel
Presnost NER pre madarstinu je 67 % oproti priemeru EÚ 82 % — hodnotenie NAIH za rok 2024. Medzery v detekcii TAJ-szám so vazenym kontrolnym soutom a adóazonosító jel.
HDPA Grecko: Detekcia AFM a AMKA
Genericke nastroje deteguju grecky AFM len s 52% presnostou. HDPA vydal v roku 2024 az 89 rozhodnuti - narast o 162 % oproti roku 2022. Sektor cestovneho ruchu a namornictvo celia osobitnym rizikam.
Japonske My Number: Verhoeff a APPI
63 % generickvch nastrojov zlyha pri detekcii My Number v japonskych dokumentoch. My Number pouziva Verhoeffov algoritmus - najzlozitejsi narodny kontrolny sucet ID v Azii.
Epsteinove spisy: Zvyraznenie nie je redakcia
Zverejnenie Epsteinových spisov DOJ v decembri 2025 odhalilo kritické zlyhanie redakcie: text zvyraznený na čierno v PDF zostáva čitateľný cez kopírovanie.
Advokátske tajomstvo a umelá inteligencia v roku 2026
Federálny súd USA v februári 2026 rozhodol, že komunikácia cez nástroje AI nie je chránená advokátskym tajomstvom.
Zero-knowledge vs zero-trust sifrovanie v cloude
LastPass tiez sifrovalo udaje svojich pouzivatelov -- a napriek tomu bolo ukradnutych 438 milionov dolarov. Tu je rozdiel medzi serverovym sifovanim a skutocnou zero-knowledge architekturou.
Air-gapped PII: Offline-first pre obranu a suladnost
41 % podnikovych bezpecnostnych politik zakazuje cloudove spracovanie utajovanych dokumentov. Zistite, ako funguje offline anonymizacia PII pre obranné firmy, nemocnice a vladne agentury.
Viacjazykova detekcia PII pre GDPR
Nemecke Steuer-ID, francuzske NIR a svédske Personnummer vyzaduju roznu logiku detekcie. Zistite, preco anglicky nastroj nechyta europske PII a co s tym robit.
Reverzibilne vs permanentne redigovanie: Spravna volba
GDPR rozlisuje anonymizaciu od pseudonymizacie. Sudy potrebuju originaly. Vyskum potrebuje re-identifikaciu. Zistite, kedy pouzit kazdy pristup.
Viacjazykovy NER: Anglicke modely zlyhavaju na arabcine
NER modely v anglictine dosahuju presnost 85-92 %. Arabcina a cinstina? Casto iba 50-70 %. Zistite o technickych vyzbach a o tom, ako budovat skutocne viacjazykovu detekciu.
94 % MSP napadnutych: Dostupna ochrana sukromia
Male a stredne firmy celia rovnakym hrozbam ako velke podniky, no nemozu si dovolit nastroje za 800+ eur mesacne. Tu je navod, ako ziskat ochranu sukromia na podnikovej urovni za 3 eura mesacne.
Detekcia PHI: Snow Labs 96 % vs GPT-4o
Nie vsetky nastroje na de-identifikaciu su rovnako dobre. Benchmarky ECIR 2025 ukazuju F1 skore od 79 % do 96 %. Zistite, preco presnost rozhoduje a ako nastroje vyhodnotit.
Súdy sankcionujú advokátov za zlyhania redigovania
Zvýraznenie textu vo Worde nie je redigovanie. Súdy sankcionujú advokátov za technické zlyhania, ktoré odhaľujú privilegované informácie.
Používajte Claude a ChatGPT bez úniku osobných údajov
Sprievodca vývojára pre bezpečné používanie asistentov AI. Nastavte integráciu MCP Server pre transparentnú ochranu osobných údajov v Claude Desktop, Cursor a VS Code.
900 000 používateľov malo ukradnuté konverzácie s AI
Dve škodlivé rozšírenia Chrome ukradli konverzácie s ChatGPT od viac ako 900 000 používateľov. Jedno malo odznak 'Featured' od Google.
7,42 miliona dolarov: Náklady na narušenie v zdravotníctve vedú rebríčky
Zdravotníctvo je 14 rokov za sebou najnákladnejším odvetvím pre úniky dát. Zistite, prečo sú zdravotné záznamy také cenné a ako ich chrániť.
Začnite chrániť svoje údaje dnes
267+ typov entít, 48 jazykov, podniková bezpečnosť za cenu štartu.
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, held by our hosting provider.
- 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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.