Tehnično
Podrobne analize o zaznavanju PII, NER in tehnologiji anonimizacije
33 članki
Presidio: 3-tedenska nastavitev ali upravljani PII
Microsoft Presidio ima tisoci zvezdic na GitHubu in na stotine odprtih tezav. Kompleksnost nastavitve, overhead integracije PySpark in odvisnosti Python.
6 tednov na 3 dni: upravljana nastavitev PII
Ekipe zdravstvenih SaaS preñdejo 6 tednov na lastno gostovano produkcijsko namestitev Presidia, preden preidejo na upravljani API. Upravljani API zamenja namestitev.
Brezplacno zaznavanje PII stane 13.000 EUR/leto
Lastno gostovanje Presidia zahteva 40-80 ur zacetne nastavitve in 5-10 ur/mesec tekocega vzdrzevanja. Pri 100 EUR/uro to znaša vec kot 13.200 EUR.
Problem natancnosti Presidio: 22,7 %
Primerjalna analiza iz leta 2024 je pokazala, da prepoznavalnik imen oseb v Presidiu dosega 22,7-odstotno natancnost pri poslovnih dokumentih -- kar pomeni, da je 77,3 % zaznav laznih pozitivnih.
Reproduktibilna zasebnost: Prednastavitve ML
Anonimizacija podatkov za usposabljanje ML mora biti dosledna in reproduktibilna. Ce podatkovna znanstvenika A in B uporabita razlicne vrste entitet, nabori podatkov za usposabljanje so.
Varovanje podatkovnega toka GDPR: Anonimizacija osebnih podatkov pred shranjevanjem
Oznacevanje stolpcev dbt ni skladnost z GDPR. Neobdelani podatki strank pristanejo v vasi podatkovni skladsnici Snowflake nemaskrirani, preden se uveljavijo politike na podlagi oznak.
FOIA: Redakcija v urah namesto tednih z umetno inteligenco
Zvezna vlada ZDA je leta 2024 porabila ocenjenih 500 milijonov dolarjev za obdelavo FOIA, vecinoma rocno redakcijo. ARPA-H je izrecno iskala programsko opremo za redakcijo z UI za resevanje narasajocega zaostanka.
Anonimizacija podatkov za ucenje ML v skladu z GDPR
GDPR omejuje uporabo osebnih podatkov za ucenje ML zunaj prvotnega namena zbiranja. Podatkovne ekipe, ki se zanasajo na ad-hoc Python skripte, ustvarjajo resne skladnostne vrzeli.
FOIA: 80% hitrejse z paketno redakcijo
Ameriski zvezni organi so v proracunskem letu 2024 prejeli 1,5 milijona zahtevkov FOIA po povprecni ceni 482 USD na zahtevek. Paketna redakcija PII zmanjsa cas obdelave z mesecno na teden.
Presidio v primerjavi z anonym.legal: Gradnja v lastni reziji ali nakup
Microsoft Presidio je tehnino brezplacen, vendar zahteva 40-80 inzenirskih ur za pravilno namestitev. anonym.legal dosega enako tocnost ML kot upravljana SaaS resitev.
Zasebnost brez spleta: Anonimizacija v izoliranih omrezjih
Okolja FedRAMP in ITAR imajo eno skupno lastnost -- oblak ni moznost. Reverzibilna psevdonimizacija po clenu 4(5) GDPR.
Davek laznih pozitivov pri orodjih za PII
Razprava Presidio na GitHubu, issue #1071, dokumentira sistemske lazne pozitive. Studija iz leta 2024 je ugotovila 22,7-odstotno natancnost v podjetniskih naborih podatkov z mesanimi jeziki.
Arabska in hebrejska PII: zahodna orodja ne delujejo
GDPR se ne konca pri Bosporju. Arabska in hebrejska PII v delovnih tokovih podjetij v EU je sistemsko nezascitena. Medjezikovne zaznavanje z XLM-RoBERTa in.
PII v vecjezicnih dokumentih: enojezicna orodja odpovejo
72 % podjetij v EU obdeluje dokumente v 3 ali vec jezikih hkrati. Vecjezicni dokumenti povzrocajo 45 % visjo stopnjo zamujenih PII pri enojezicnih orodjih NER.
PII APAC: Tajscina, indonescina, vietnamscina
Singapurska fintech firma, ki obdeluje 500.000 mesecnih klepetalnih podrpor v 12 jezikih APAC, je ugotovila, da njeno orodje samo v anglescini prezre PII v 60% neklanglescine.
Lazni pozitivi: Zakaj redakcija ML ne uspe
Primerjalna studija iz leta 2024 je ugotovila, da je Presidio generiral 13.536 laznih pozitivnih zaznav imen v 4.434 vzorcih - oznaceval zaimke, imena plovil in drzav kot osebna imena.
ISO 27001 + ZK skrajsa cas ocene dobaviteljev
Anketa iz leta 2025 je ugotovila, da je 'pomanjkanje prepoznanega varnostnega certifikata' drugi najpogostejsi razlog, zakaj CISO-ji diskvalificirajo dobavitelje SaaS. Evo, kaj kombinacija ISO 27001 + nicto znanje prinese.
Arhitektura ZK krajsa prodajne cikle
Varnostni vprasalniki za podjetniske dobavitelje vsebujejo v povprecju 100+ vprasanj. Arhitektura z nicto znanjem nanje odgovori dokoncno - in preprica kupce.
Vdor v LastPass: Nauki o varnosti ponudnikov
LastPass je sifiriral podatke svojih uporabnikov. Trezorji so bili vseeno exfiltrirani. Sledilo je 600.000+ zapisov Okta. Varnostni incidenti SaaS so se od leta 2022 do 2024 povecali za 300 %.
Vrednotenje trditev ZK po incidentu LastPass
438 milijonov $ ukradenih uporabnikom LastPass po vdoru v njihove sifrirane trezorje. Sledila je globa ICO v vrednosti 1,2 milijona GBP. Tukaj je kontrolni seznam za vrednotenje, ali trditve ponudnika o nic-znanju zdrzijo.
LangChain CVE-2025-68664: Kako PII uhaja skozi vas cevovod RAG
CVSS 9,3. Funkcije serializacije LangChain izpostavijo spremenljivke okolja in skrivnosti LLM-jem pod nadzorom napadalca. Kako zaznati in odpraviti uhajanje PII.
Razsiritev za anonimizacijo osebnih podatkov v LibreOffice
Vodnik po korakih za anonimizacijo osebnih podatkov v dokumentih LibreOffice z razsiritvijo anonym.legal.
LibreOffice proti Microsoft Office: redakcija osebnih podatkov
Podrobna primerjava zmogljivosti anonimizacije osebnih podatkov v LibreOffice (razsiritev anonym.legal) in Microsoft Office (prikljucek za Office).
Zakaj binarno zaznavanje osebnih podatkov ne zadostuje za skladnost
Oznaka zaznano/ni zaznano je nezadostna za kontekste skladnosti, ki zahtevajo cloveško presojo. Tukaj je zakaj ocenjevanje zaupanja anonimizacijo osebnih podatkov pretvori iz binarnega ugibanja v preverljiv nadzor skladnosti.
Razdrobljenost Formatov Dokumentov pri Obdelavi OO
En odgovor na zahtevo DSAR lahko obsega Wordove pogodbe, PDF racune, Excelove sezname strank in CSV izvozi. Uporaba razlicnih orodij za vsak format ustvarja vrzeli.
GDPR Anonimizacija Dnevnikov: Ohranite Razhroscevanje
Aplikacijski dnevniki tiho kopicijo e-postne naslove, IP-je in stevilke racunov. Kako deliti dnevnike s tretjimi stranmi, izvajalci in platformami za opazovanje v skladu z GDPR.
GDPR v Aplikacijskih Dnevnikih: Skladnost OO v JSON
Aplikacijski dnevniki vsebujejo e-postne naslove strank, IP-je in stevilke racunov, za katere clen 5(1)(e) GDPR zahteva upravljanje.
Medaplikacijska zascita OOI: Word, Chrome in UI
Podatki strank potujejo od brskalniskega iskanja do osnutkov v Wordu in do pozivov Claudu. Vsaka zamenjava konteksta je potencialna tocka uhajanja.
Medsistemski OOI: Mac, Linux in Windows
Pooblascenci za zasebnost na Macu, pravna sluzba na Windowsih, podatkovni inzenirji na Linuxu -- vsi obdelujejo enake podatke z razlicnimi orodji. Zakaj je zaznava, neodvisna od OS, kljucna.
PII v izoliranih omrezjih: pristop offline-first za obrambo
41 % politik podjetniske varnosti prepoveduje oblacno obdelavo tajnih dokumentov. Spoznajte, kako deluje anonimizacija PII brez internetne povezave.
Reverzibilna ali trajna redakcija: katera je prava?
GDPR razlikuje med anonimizacijo in psevdonimizacijo. Sodisca zahtevajo originale. Raziskave potrebujejo re-identifikacijo. Spoznajte, kdaj uporabiti kateri pristop.
Vecjezicni NER: angleski modeli odpadejo pri arabscini
Modeli NER, usposobljeni na anglescini, dosegajo natancnost 85-92 %. Arabscina in kitajscina? Pogosto 50-70 %. Spoznajte tehnicne izzive in kako graditi prave resitve.
Uporabljajte Claude in ChatGPT brez razkrivanja osebnih podatkov
Razvijalski vodnik za varno uporabo pomoznikov AI. Nastavite integracijo streznika MCP za transparentno zascito osebnih podatkov v Claude Desktop, Cursor in VS Code.
Začnite danes zaščititi svoje podatke
285+ tipov entitet, 48 jezikov, varnost na ravni podjetij po začetni ceni.
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 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
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
- 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.