Bezbednost veštačke inteligencije
Zaštita osetljivih podataka u doba veštačke inteligencije i GenAI alata
27 članci
Prevencija licnih podataka u realnom vremenu steduje 2,2 miliona dolara
IBM je pronasao razliku u troskovima od 2,2 miliona dolara izmedju prevencije i detekcije. Evo racunice koja cini presretanje licnih podataka u realnom vremenu obaveznim za bezbednosne timove.
GDPR clan 32: Pracenje izlozenosti licnih podataka u AI alatima
Timovi za uskladjenost u preduzecima trebaju kvantitativne dokaze o kontrolama licnih podataka u AI alatima. Mrezni DLP propusta interakcije u pregledacu sa AI alatima.
Prevencija curenja podataka u realnom vremenu za AI alate
Kada zaposleni ukuca ime klijenta u ChatGPT, podaci trenutno napustaju organizacijsku kontrolu. Naknadni DLP ne moze to da popravi.
GDPR i support AI: Prilagodjeni identifikatori su vazni
Supportni AI prima poruke kupaca sa imenima, mejlovima I ID-ovima narudzbina. Standardni PII alati skidaju adrese elektronske poste ali ostavljaju ID-ove narudzbina netaknutima, sto je GDPR krsenje.
Da li vas AI alat za privatnost krade podatke?
67% AI Chrome ekstenzija prikuplja korisnicke podatke. U incidentima iz decembra 2025. ugrozeno je 900K korisnika ekstenzijama koje su se predstavljale kao alati za privatnost.
3,8 dnevnih PII izlaganja u timovima podrske
Svaki agent podrske koji koristi ChatGPT u proseku pravi 3,8 lepljenja osetljivih podataka dnevno. Za tim od 100 osoba, to je 380 GDPR incidenata izlaganja dnevno.
Nakon incidenta sa 900K korisnika ekstenzija
U januaru 2026. dva maliciozna Chrome dodatka instalirana kod 900K+ korisnika eksfiltrirala su kompletne ChatGPT i DeepSeek razgovore svakih 30 minuta.
Zasto politika ne sprečava curenje LPI-ja kroz ChatGPT
77% korporativnih AI korisnika kopira i lepi podatke u upite chetbotu. Skoro 40% otpremljenih fajlova sadrzi LPI ili PCI podatke. Predlozeno azuriranje HIPAA pravila o bezbednosti.
Poslovni AI: Pristup za programere bez rizika
Banke su zabranile ChatGPT. Njihovi programeri su ga koristili od kuće svejedno. 27,4% svih sadrzaja koji se unose u poslovne AI chatbotove sadrži osetljive podatke (Zscaler).
Upotreba Cursor-a i Claude-a bez curenja koda
Cursor po podrazumevanoj vrednosti učitava .env fajlove u AI kontekst. Finansijska firma izgubila je 12 miliona dolara nakon što su vlasnički algoritmi za trgovanje poslati AI asistentu.
AI politike bez tehničkih kontrola ne funkcionišu
77% zaposlenih deli osetljive poslovne podatke s AI alatima uprkos politikama koje to zabranjuju. Državni izvođač radova nalepljuje FEMA podatke o aplicijantima za poplavnu pomoć u ChatGPT.
IDE vs pregledac: bezbednost AI za programere
Programeri koriste AI u dva okruzenja: IDE (Cursor, VS Code) i pregledac (Claude.ai, ChatGPT). Svako zahteva razlicite kontrole.
83% AI ekstenzija nikada nije revidirano
83% Chrome ekstenzija sa sirokim ovlascenjima nikada nije bezbednosno revidirano (USENIX 2025). 45% zaposlenih u preduzecima koristi neodobrene ekstenzije.
39 miliona GitHub curenja: rizici AI kodiranja
67% programera je slucajno izlozilo tajne u kodu (GitGuardian 2025). 39 miliona tajni procurelo je na GitHub-u u 2024, sto je rast od 25% u odnosu na prethodnu godinu.
Vibe kodiranje i curenje PII: Bezbjednosni rizik o kome niko ne govori
AI-generisani kod rijetko ukljucuje rukovanje PII podacima. 73% vibe-kodiranih aplikacija obradjuje osjetljive podatke bez anonimizacije. Sta programeri trebaju znati.
Bezbjednost MCP servera 2026: 8.000 izlozenih, 492 bez autentifikacije
Vise od 8.000 Model Context Protocol servera je javno dostupno. 492 nema nikakvu autentifikaciju. 36,7% je ranjivo na SSRF. Zasticujte PII u vasim MCP alatima.
Browser DLP: Blokiranje vs. Anonimizacija 2026
Dva pristupa browser DLP-u: blokiranje sprecava slanje PII VI alatima; anonimizacija transformise podatke pre slanja. Objektivno poredjenje.
Samsung je 3 puta izgubio izvorni kod kroz ChatGPT
Tri zasebna inženjerska tima Samsunga unela su vlasnički kod i poverljive podatke u ChatGPT u aprilu 2023. Svaki incident otkrio je drugi aspekt rizika od curenja AI podataka u preduzećima.
Zabrane AI u preduzećima: produktivnost vs. rizik
27,4% sadržaja u AI čet-botovima preduzeća sadrži osetljive podatke — povećanje od 156% na godišnjem nivou. Ipak, 71,6% pristupa AI odvija se putem nekorporativnih naloga, što zaobilazi sve DLP kontrole.
Bezbedni AI privatnosni dodaci u 2026.
U januaru 2026, dva maliciozna Chrome dodatka sa više od 900.000 korisnika uhvaćena su kako izvlače ChatGPT i DeepSeek razgovore svakih 30 minuta.
Browser DLP za ChatGPT, Claude i Gemini
Tradicionalni enterprise DLP je napravljen za prenos datoteka i email, a ne za AI cetbotove. Ovaj vodic pokriva zastitu od gubitka podataka nativnu za browser za ChatGPT.
Oznacavanje licnih podataka vs. obuka o uskladjenosti
62% zaposlenih koji koriste AI alate za rad sa podacima klijenata 'ponekad' zaborave da prvo uklone licne podatke. Evo zasto automatsko oznacavanje uklanja prazninu u uskladjenosti.
Snimci ekrana i curenje licnih podataka u internim alatima
Slack, Teams, Jira i email svakodnevno primaju snimke ekrana koji sadrze licne podatke klijenata. Ova povreda kontrole pristupa zaobilazi sve DLP alate.
Licni podaci u internom wiki-ju: Klijentski podaci u Confluence-u
Timovi podrske dokumentuju procese sa snimcima korisnickih naloga. Tokom 3 godine, to su hiljade GDPR povreda minimizacije podataka u vasoj bazi znanja.
AI alati za kodiranje cure produkcijske licne podatke
Test fikstere sa stvarnim korisnickim zapisima. Log fajlovi sa produkcijskim podacima za debagovanje. GitHub je pronasao 39 miliona procurenih tajni u 2024.
900.000 korisnika imalo je ukradene AI razgovore
Dve zlonamerne Chrome ekstenzije ukrale su ChatGPT razgovore od 900.000+ korisnika. Jedna je nosila Google-ovu oznaku 'Featured'.
AI: Glavni kanal za krađu podataka
77% zaposlenih unosi osetljive podatke u AI alate. GenAI je sada odgovoran za 32% svih korporativnih curenja podataka. Saznajte kako da zaštitite svoju organizaciju.
Započnite zaštitu svojih podataka danas
285+ tipova entiteta, 48 jezika, bezbednost na nivou preduzeća po start-up cenama.
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.