Vpogledi v varstvo podatkov
Strokovni članki o varnosti umetne inteligence, skladnosti z GDPR, zaščiti podatkov v zdravstvu in najboljših praksah za anonimizacijo PII.
Vsi članki
Vibe kodiranje in uhajanje PII: Varnostno tveganje, o katerem nihce ne govori
Koda, ki jo ustvari umetna inteligenca, redko vkljucuje ravnanje s PII. 73 % aplikacij, razvitih z vibe kodiranjem, obdeluje obcutljive podatke brez anonimizacije. Kaj morajo vedeti razvijalci.
COPPA april 2026: Kaj morajo platforme EdTech narediti pred rokom
Posodobljeno pravilo COPPA zacne veljati 22. aprila 2026. Reddit je bil ogloben z 14,47 milijona funtov za napake pri podatkih otrok. Platforme EdTech so izpostavljene enakem tveganju.
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.
Varnost streznikov MCP 2026: 8.000 izpostavljenih, 492 brez avtentikacije
8.000+ streznikov Model Context Protocol je javno izpostavljenih. 492 nima nikakrsne avtentikacije. 36,7 % je ranljivih za SSRF. Zavarite PII v vasih orodjih MCP.
Zakon EU o UI, avgust 2026: Anonimizacija podatkov za usposabljanje po clenu 10
Polno uveljavljanje Zakona EU o UI se zacne 2. avgusta 2026. Globe do 35 milijonov EUR ali 7 % globalnega prometa. Clen 10 zahteva anonimizacijo podatkov za usposabljanje.
Trajna anonimizacija: Tveganje unicevaanja dokazov
34,8 % vnosov v ChatGPT vsebuje obcutljive podatke (Cyberhaven). Resitev -- trajna anonimizacija -- ustvarja lastno pravno tveganje: uniceavanje dokazov. Clanek 17 GDPR v primerjavi z obveznostmi hrambe po civilnem postopku.
Racun za redakcijo v vrednosti 80.000 $: Resitev z Word razsiritvijo
Pri 200-400 $/uro produkcija 10.000 dokumentov stane 26.000-80.000 $ v odvetniskem casu (RAND). Bloomberg Law 2024 je ugotovil, da avtomatizacija mocno skrajsa ta casovni okvir.
Brskalniski DLP: blokiranje proti anonimizaciji 2026
Dva pristopa k brskalniskim DLP: blokiranje preprecuje posiljanje osebnih podatkov orodjem umetne inteligence; anonimizacija preoblikuje podatke pred posiljanjem. Objektivna primerjava.
Samsung je trikrat izgubil izvorno kodo prek ChatGPT
Tri locene Samsungove inzenirske ekipe so aprila 2023 v ChatGPT prilepile lastniski program in zaupne podatke. Vsak incident je razkril drugacno vrzel v podjetniskem nadzoru AI.
Sankcije pri e-odkritju: AI redakcija odpove
V zadevi Athletics Investment Group proti Schnitzer Steel (2024) je nepravilna redakcija sprozila sankcije pri odkritju. Ko AI orodja dosegajo le 22,7-% natancnost, pravne ekipe tvegajo pravo odgovornost.
Vdori v SaaS so se povecali za 300 %: Zahtevana je ZK arhitektura
Conduent je razkril 25,9 milijona zapisov. NHS Digital: 9 milijonov pacientov. Napadalci vdrejo v SaaS ponudnike v 9 minutah. Ko je vas ponudnik tarca napada.
HIPAA v oblaku: arhitektura brez poznavanja za PHI
Sporazumi o poslovnem partnerju ne preprecujeo krsitev HIPAA, ko vas ponudnik umetne inteligence v oblaku obdeluje PHI v navadnem besedilu. Tukaj je, kaj arhitektura brez poznavanja dejansko varuje.
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).
Odprtokodna anonimizacija: LibreOffice
Kako organizacije javnega sektorja z razsiritvijo anonym.legal za LibreOffice anonimizirajo dokumente skladno z GDPR.
Anonimizacija PII v veckratnih platformah: Office in LibreOffice
Kako organizacije z mesanimi okolji Microsoft Office in LibreOffice vzdrzujejo dosledno anonimizacijo PII z orodjem anonym.legal.
Prepovedi umetne inteligence v podjetjih: produktivnost proti tveganju
27,4 % vse vsebine, ki se vnasa v poslovne klepetalnike umetne inteligence, vsebuje obcutljive podatke -- 156-odstotno letno povecanje. Toda 71,6 % dostopa do umetne inteligence v podjetjih zdaj poteka prek osebnih racunov, ki mimo vseh kontrol. Tukaj je tehnicna resitev.
Varne razsiritve brskalnika za zasebnost umetne inteligence v letu 2026
Januarja 2026 sta bili dve zlonamerni razsiritve Chrome z vec kot 900.000 uporabniki ujeti pri izlocanju pogovorov ChatGPT in DeepSeek vsakih 30 minut. Tukaj je, kako preveriti, ali je razsiritev varna.
Brskalniski DLP za ChatGPT, Claude in Gemini
Tradicijska DLP za podjetja je bila zgrajena za prenose datotek in e-posto, ne za klepetalnice umetne inteligence. Ta vodnik pokriva brskalniško preprečevanje izgube podatkov za ChatGPT.
Ko vodje informacijske varnosti zavrnejo obdelavo PHI v oblaku
V letu 2024 je 725 krsitev podatkov v zdravstvu prizadelo 275 milijonov zapisov. Pri povprecnih stroskih krsitve 10,22 milijona USD -- najvisjim v kateri koli panogi -- vodje informacijske varnosti v zdravstvu zavracajo obdelavo PHI v oblaku. Tukaj je razlog in alternativa.
Kazen TikToku v visini 530 milijonov EUR: podatkovna suverenost po GDPR
Kazen TikToku v visini 530 milijonov EUR po GDPR za prenose podatkov EU-Kitajska oznacuje novo ero uveljavljanja podatkovne suverenosti. S skupnimi kaznimi po GDPR v visini 5,65 milijarde EUR je izbira ponudnika zdaj regulativna odlocitev.
HHS 2025: ai klinicni zapisi in zasebnost PHI
Sistemi za transkripcijo AI lahko nehoteno vnesejo PHI pacienta A v zapis pacienta B. Tukaj je zakaj je zaznavanje PHI v realnem casu pred vpisom v EHR pravi nadzorni ukrep.
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.
Minimizacija podatkov po GDPR: API v realnem casu
Clen 5(1)(c) GDPR zahteva zbiranje samo potrebnih podatkov. Integracija API v realnem casu prepreci prekomerno zbiranje v fazi oddaje obrazca -- preden podatki sploh vstopijo v sistem.
Začnite danes zaščititi svoje podatke
267+ 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, 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.