anonym.legal

By · Last updated 2026-06-05

Nazaj na blogGDPR in skladnost

Cesko rodno cislo: Kodiranje spola in GDPR

Cesko rodno cislo kodira spol z odmikom meseca za 50 - kar ga uvrsca v posebno kategorijo po clenu 9 GDPR. 67 % ceskih podjetij uporablja nemska orodja.

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

UOOU in rodno cislo: Kodiranje spola po GDPR

Posodobljeno za leto 2026

Ceski podatkovni organ je UOOU. Polno ime: Urad pro ochranu osobnich udaju. Leta 2024 je izdal 58 odlocb. V mnogih primerih se pojavi ena ugotovitev. Rodno cislo (rojstna stevilka) je bilo obdelano brez zaznavanja. Uporabljena orodja za OI so bila zgrajena za nemscino ali anglescino. Nimala so nobene logike za ta identifikator. UOOU je jasen: orodja morajo zaznati rodno cislo z validacijo kontrolne vsote in pravilnim ravnanjem z odmikem spola.

Rodno cislo: Posebno-kategorijsko gradivo po strukturi

Rodno cislo oz. RC uporablja format RRMM DD/XXXX.

  • RR - zadnji dve stevki leta rojstva.
  • MM - mesec rojstva. Za zenske se pristeje 50. Mesec 01 postane 51. Mesec 12 postane 62.
  • DD - dan rojstva.
  • XXXX - kratko zaporedje 3-4 stevk in kontrolna vrednost (modulo 11).

Odmik meseca za zenske to stevilko naredi oznacevalec bioloskega spola. Ta odmik ni nakljucen. Sistem drzavljanskih matricnih knjig ga uporablja za administrativno iskanje. Clan 9 GDPR zajema podatke, ki razkrivajo osebne znacilnosti. Spol je ena od njih. Stalissce UOOU: vsak dokument z rodnim cislom nosi podatke, ki so blizu posebni kategoriji. Veljavna je mocnejsa zascita.

Kako deluje kontrolna vrednost: Za 10-znakovne stevilke (izdane po letu 1954) mora biti celotna 9-znakovna osnova deljiva z 11. Za 9-znakovne stevilke (izdane pred letom 1954) kontrolna vrednost ne obstaja. Orodja morajo obravnavati obe.

Kaj UOOU steje za ustrezno zaznavanje

Tehnicna usmeritev UOOU iz leta 2024 za orodja za OI doloca tri zahteve.

Ravnanje z odmikomspola: Stevilke z vrednostmi meseca 51-62 so veljavni identifikatorji za zenske. Orodje, ki jih obravnava kot neveljavne datume, zamudi priblizno polovico primarnega identifikatorja odrasle zenski populacije.

Razlicicice formatov: Rojstva pred letom 1954 dajo 9-znakovne stevilke brez kontrolne vrednosti. Rojstva po letu 1954 dajo 10-znakovne stevilke z eno. Obe mora biti podprti.

Kontekstni signali: V domacih jezikovnih dokumentih se identifikator pojavi v blizini oznak, kot so 'Rodne cislo:', 'RC:' ali 'r.c.:'. Jezikovni NER pomaga pri iskanju teh signalov celo v prostem besedilu.

Problem maticsnega nemskega podjetja

67 % podjetij v drzavi uvaja orodja za OI, konfigurirana za nemscino ali anglescino. UOOU je to ugotovil v anketi. Veriga napak v proizvodnji je predvidljiva.

Nemsko maticno podjetje uvede orodje za skeniranje. Nastavljeno je za nemske identifikatorje. Kadrovske evidence - pogodbe, zdravstvene evidence, place - vsebujejo rojstne stevilke. Orodje nima logike za ta tip identifikatorja. Vsaka rojstna stevilka je zamudena. Zdravstveni podatki in podatki o placah zaposlenih se premikajo brez kontrol, ki jih zahteva UOOU. V primeru revizije ali krsitve lokalno podjetje ne more dokazati 'ustreznih tehnicnih ukrepov' po clenu 32 GDPR.

UOOU drzi lokalnega upravljavca odgovornega. 'Nase maticno podjetje je izbralo orodje' ni veljavna obramba. Pravilo o odgovornosti GDPR tega ne dopusca.

Kontrolni seznam skladnosti za proizvodna podjetja

Ti nadzori se nanasajo na industrijska podjetja z orodji nemskega maticsnega podjetja.

  • Zaznavanje rojstne stevilke: Oba formata 9-znakovni in 10-znakovni. Ravnanje z odmikim meseca za spol (50+). Kontrolna vrednost po modulu 11 za 10-znakovne razlicicice.
  • NER v domacemjeziku: spaCy cs_core_news ali enakovreden model. Genericna orodja kazejo 23 % nizjo tocnost NER za ta jezik. Lokalni modeli zapirajo vrzel.
  • Zaznavanje stevilke OP: Obcanski potni list (nacionalna osebna izkaznica) je 9-znakovna stevilka. Pojavi se poleg rojstne stevilke v mnogih tipih dokumentov.
  • ICO in DIC: Poslovni ID in davcne stevilke se pojavljajo v pogodbah. Oba zahtevata pokritje.
  • Vecjezicni cevovod: Mesana okolja imajo dokumente v domacemjeziku, nemscini in anglescini. Enojezicni cevovod zamudi medjezikovne so-pojavitve.

Izvrsevanje UOOU je dosledno. Podjetja, ki v reviziji predlozijo tehnicne dokaze, se soocajo z bistveno nizjimi globami. Podjetja, ki tega ne morejo pokazati, so bolj izpostavljena.

Za sirsji pogled na to, kako nacionalni ID ustvarjajo izpostavljenost GDPR, glejte nas vodnik za zaznavanje davcnih ID EU.

Za podoben nordijski identifikator glejte nas tehnicni vodnik Datatilsynet CPR.

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.