anonym.legal

By · Last updated 2026-06-05

Nazaj na blogGDPR in skladnost

Razdrobljenost orodij za osebne podatke povzroci neuspeh pri skladnostnih revizijah

Stirje razlicni orodji za stiri razlicne delovne tokove pomenijo stiri razlicne nabore pokritosti entitet in stiri razlicne revizijske sledi.

June 5, 20267 min branja
compliance audittool fragmentationISO 27001GDPR controlsPII tools

Kaj revizorji vprasajo o nadzoru osebnih podatkov

Revizorji GDPR in ISO 27001 postavijo standardno vprasanje. "Katere nadzorne mehanizme imate za anonimizacijo osebnih podatkov?"

Zelijo en jasen odgovor. En nadzorni mehanizem. Vseskozi uporabljen na enak nacin. Z dokumentacijo in dokazom.

Tvegani odgovor zveni takole: "Odvisno od konteksta. Razsiritev Chrome za brskanje po spletu. Makro Word za pravne dokumente. Skript Python za skupinske datoteke. Spletna aplikacija za nujne zahteve."

Ta odgovor spruzi nadaljnja vprasanja. "Kje so vrzeli pokritosti med temi orodji? Kje je revizijska sled?"

Razdrobljenoa orodja ne morejo odgovoriti na ta vprasanja. To je tezava skladnosti.

Tezava z doslednostjo pokritosti

Razlicna orodja za osebne podatke uporabljajo razlicne metode zaznavanja. Njihovi rezultati se razlikujejo -- vcasih precej.

Orodja samo z regex iscejo fiksne vzorce. Format SSN. Format e-poste. Format kreditne kartice. Zamudijo entitete, ki temeljijo na NER. Osebna imena in ne-americniski formati ostanejo nezaznani.

Orodja samo z NER zaznavajo vrste entitet z usposobljenimi modeli. Zamudijo entitete na osnovi vzorcev. IBAN-i in identifikatorji po meri padejo skozi, ce niso v ucnih podatkih.

Vsako orodje ima razlicno pokritost entitet. Vsako orodje ima razlicne pragove zaupanja. Isti dokument skozi orodje A in orodje C lahko prinese razlicne rezultate.

To ustvari neposredno vrzel skladnosti. Orodje A se uporablja za PDF-je. Orodje B se uporablja za Excel. Orodje A zaznava datume rojstva. Orodje B tega ne pocne. Isti datum rojstva iste osebe je anominiziran v PDF-jih, toda izpostavljen v Excelovih datotekah.

Vrzel je odvisna od oblike datoteke -- ne od politike. Ne od namena.

Preiskovalni organi za varstvo podatkov lahko najdejo to vrzel v poizvedbi o krsitvi. Nedoslednost orodja postane dejavnik izpostavljenosti. Clen 32 GDPR zahteva sistemske tehnicne ukrepe.

Tezava z revizijsko sledjo

Skladnost zahteva dokaz o dosledni uporabi nadzornih mehanizmov. Za anonimizacijo osebnih podatkov je ta dokaz revizijska sled.

Stiri orodja ustvarjajo stiri razlicne formate dnevnikov. Nekatera ne ustvarjajo nobenega dnevnika.

Makro Word ne ustvari revizijskega zapisa. Skript Python morda zapisuje v lokalno datoteko. Ta datoteka ni povezana z vasim sistemom za skladnost. Razsiritev Chrome morda pise dnevnike na strani brskalnika. Ti dnevniki niso dostopni za pregled skladnosti.

Ko preiskava organa za varstvo podatkov zahteva revizijske dokaze, deluje en odgovor. Centraliziran dnevnik. Pokriva vso obdelavo anonimizacije na vseh platformah.

Drugi odgovor ne deluje. Dnevniki na razvijalcevem lokalnem racunalniku iz makra Word niso zadostni.

Enotna platforma za obdelavo omogoca eno revizijsko sled. Razdrobljenoa orodja to naredijo nemogoco.

Za podrobnosti o zahtevah glede revizijske sledi glejte razlozljivo redigiranje in revizijske sledi HIPAA.

Tezava s konfiguracijskim odhodom

Skon casom razlicna orodja razvijejo razlicne konfiguracije. To se zgodi pocasi in brez opozorila.

Razmislite o pogostem vzorcu. Razsiritev Chrome se posodobi z vrstami entitet po meri. Skript Python ni posodobljen. Makro Word je nastavil clanekvecipe, ki je od takrat odsel. Nihce ne pozna trenutnih nastavitev. Prednastavitev spletne aplikacije se spremeni, da izklopi imena izvajalcev. Ta sprememba nikoli ne doseze drugih orodij.

Postosobitev enega orodja brez posodobitve ostalih povzroci odtok. Skon casom odtok povzroci vrzeli.

Revizorji ISO 27001 zahtevajo dokumentacijo konfiguracije. "Imamo stiri orodja, stiri konfiguracije in nismo prepricani, ali so trenutne" ni dober odgovor. ISO/IEC 27001:2022 Aneks A 8.11 (Masiranje podatkov) zahteva dokumentirane, dosledne nadzorne mehanizme.

Ugotovitev ISO 27001 v praksi

15-clansko podjetje za skladnost je uporabljalo stiri orodja. Spletni razcinjevalnik za spletne podatke. Namizno orodje Windows za skupinske datoteke. Makro Word za pravne dokumente. Razsiritev Chrome za orodja AI.

Revizija ISO 27001 je prinesla ugotovitev. Razlicni rezultati zaznavanja na platformah. Brez centralizirane revizijske sledi. Vrzel v Aneksu A 8.11. Nadzorni mehanizem ni bil prikazan kot dosledno uporabljen.

Ugotovitev je zahtevala nacrt popravnih ukrepov. Popravni ukrep je bila konsolidacija platforme.

Po konsolidaciji je imelo podjetje en engine za zaznavanje na vseh stirih platformah. Iste prednastavitve so bile uporabljene v vsakem kontekstu. Vsa obdelava je bila zabeleGena na enem mestu. Ugotovitev ISO 27001 je bila zakljucena pri naslednji reviziji.

Projekt je trajal sest tednov. Nadomestil je 12-stranski odgovor na popravne ukrepe z zakljuceno ugotovitvijo.

Za vec o tem, kako dosledna anonimizacija podpira pripravljenost na revizijo GDPR, glejte doslednost anonimizacije, prednastavitve in revizije GDPR.

Test skladnostne pripovedi

Ali lahko brez oklevanja odgovorite na ta stiri vprasanja?

  1. Katere vrste entitet so zaznane na vsaki platformi, ki jo vasa ekipa uporablja?
  2. Kaksni so pragovi zaznavanja za vsako vrsto entitete, dosledno na vseh platformah?
  3. Kje je centralizirana revizijska sled za vso anonimizacijo v zadnjih 12 mesecih?
  4. Kako zagotovite, da se spremembe konfiguracije nanasajo na vse platforme?

Ce katero vprasanje povzroci oklevanje, razdrobljenost ustvarja tveganje skladnosti.

Cist odgovor na vsa stiri vprasanja je dosegljiv. Zahteva en engine na vseh platformah. Brez tega vsako orodje ustvari svojo vrzel pokritosti. Svojo siloso revizijske sledi. Svojo konfiguracijski odtok.

Revizorji te vrzeli opazijo. Preiskovalci organov za varstvo podatkov jih lahko izkoristijo. Konsolidacija pred ugotovitvijo revizije je daleC lazja kot po njej.

Za vec o tem, kako razdrobljenost orodij vpliva na medplatformne nadzore GDPR, glejte revizija GDPR in razdrobljenost orodij za osebne podatke na platformah.

Viri

Ste pripravljeni zaščititi svoje podatke?

Začnite z anonimizacijo PII z več kot 285 tipi entitet v 48 jezikih.

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.