anonym.legal

By · Last updated 2026-06-05

Povratak na blogTehnička

Medjuplatformski LPI: Mac, Linux i Windows

Sluzbeni za privatnost na Mac-u, pravni na Windows-u, inzenjeri podataka na Linux-u -- svi obraduju iste podatke razlicitim alatima. Evo zasto je detekcija agnosticna prema OS-u kljucna.

June 5, 20266 min čitanja
cross-platformMac Linux GDPRenterprise ITOS agnosticcompliance consistency

Medjuplatformski LPI: Mac, Linux i Windows

Sluzbeni za privatnost na Mac-u. Pravni timovi na Windows-u. Inzenjeri podataka na Linux-u. Jedna obaveza uskladjenosti.

Vecina LPI alata izgradjana je za jednu platformu. To je problem.

Praznina OS-a u timovima za privatnost

Enterprise timovi za privatnost retko koriste jedan operativni sistem. Tipicna globalna tehnoloska kompanija izgleda ovako:

  • Sluzbeni za privatnost i DPO: macOS (uobicajeno u americkim i britanskim firmama)
  • Pravni i analitacari za uskladjenost: Windows (standard u evropskim enterprise okruzenjima)
  • Inzenjeri podataka i DevOps: Linux (standard za tehnicke uloge)

Tri OS okruzenja. Tri timske funkcije. Jedna deljena obaveza: obrada licnih podataka sa doslednim tehnickim kontrolama.

Kada svaka grupa koristi drugu verziju istog alata -- ili drugaciji interfejs -- kontrole nisu iste. Samo izgledaju da jesu.

Zasto alati za jednu platformu stvaraju rizik

Vecina LPI alata se isporucuje kao desktop aplikacije za jedan OS. Korisnici Mac-a i Linux-a dobijaju web alternativu ili nista.

Ovo stvara podelu koja je bitna u revizijama. Evo sta se desava kada web aplikacija zaostaje za desktop verzijom:

Verzije NLP modela se razlikuju. Desktop verzija moze da ukljucuje noviji NLP model od web aplikacije. Starije verzije modela mogu propustiti tipove entiteta koje novije hvate.

Ciklusi azuriranja se razilaze. Alati primenili putem grupne polise mogu zaostajati za direktnom instalacijom za dve ili tri verzije. Praznine u verzijama znace praznine u detekciji.

Konfiguracija ne moze da se sinhronizuje. Alati koji cuvaju podesavanja u OS registru ne mogu da dele ta podesavanja sa korisnicima Mac-a ili Linux-a. Unapred podesesena konfiguracija izgradjana na jednoj platformi moze biti neitljiva na drugoj.

Ponasanje biblioteka varira. Alati koji se oslanjaju na biblioteke na nivou OS-a za parsiranje PDF-ova ili OCR mogu dati razlicite rezultate na razlicitim platformama -- cak i iz istog izvornog dokumenta.

Bilo koja od ovih praznina znaci da isti dokument moze dati razlicite rezultate anonimizacije. Uzrok nije podaci. To je platforma.

Pogledajte zahteve GDPR tehnickih mera za to kako regulatori ocenjuju doslednost.

GDPR clan 5(2) i sistematske mere

GDPR clan 5(2) je nacelo odgovornosti. Zahteva od rukovaoca da pokazu uskladjenost sa principima zastite podataka clana 5(1). Za tehnicke mere clana 32, to znaci da su mere primenjene sistematski.

Sistematski znaci dosled. Ako anonimizacija varira prema OS-u osobe koja je pokrenula, mera je varijabilna -- ne sistematska.

U OZP istrazi, "koristili smo Alat X, ali se ponasa drugacije na Mac-u i na desktop verziji, a dokument je obradjivan na Mac-u" nije zadovoljavajuci odgovor. Pokazuje neravnomernu primenu.

Dizajn agnostican prema OS-u nije preferencija. Proistice iz zahteva za sistematsku primenu.

Dva obrasca za medjuplatformsku uskladjenost agnosticnu prema OS-u

Istinska LPI uskladjenost agnosticna prema OS-u odgovara dvama arhitektonskim obrascima.

Obrazac 1: Web aplikacija

Detekcija radi na serveru. OS klijenta je irelevantan. Svaki korisnik pristupa istom motoru sa istim modelima i istom konfiguracijom.

Ogranicenje: zahteva pristup internetu. Vazduhoplovno-izolovana okruzenja ne mogu je koristiti.

Obrazac 2: Nativna medjuplatformska desktop aplikacija

Desktop aplikacija izgradjana na medjuplatformskom runtajmu (kao sto su Tauri ili Electron) kompajlira isti kod za sve tri platforme. Isti NLP modeli isporucuju se u svakom izdanju. Konfiguracija se sinhronizuje putem naloga, ne lokalnog OS skladista.

Ovo zadovoljava zahteve za offline i vazduhoplovno-izolovana okruzenja. Detekcija ostaje dosledna na svim platformama.

Anonym.legal Desktop aplikacija koristi Tauri/Rust okvir. Kompajlira isti kod za Windows (x64/ARM64), macOS (Intel/Apple Silicon/Universal) i Linux (x64). NLP modeli i motor za detekciju su identicni u svakom izdanju. OS nije promenljiva u izlazu.

Slucaj upotrebe: Tim za privatnost od 12 osoba

Tim za privatnost globalne tehnoloske kompanije od 12 osoba radio je u tri OS okruzenja:

  • 4 sluzbena za privatnost i DPO: macOS (MacBook Pro)
  • 5 pravnih i analiticara za uskladjenost: Windows (Surface Pro)
  • 3 inzenjera podataka: Linux (Ubuntu radne stanice)

Njihov prethodni LPI alat bio je desktop aplikacija za jednu platformu. Korisnici Mac-a i Linux-a su se vracali na web aplikaciju prodavaca. Bila je starija verzija sa manjim brojem tipova entiteta.

Praznina u uskladjenosti bila je jasna. DPO na Mac-u je detektovao 180 tipova entiteta. Pravni na desktop aplikaciji je detektovao 267. Inzenjeri na Linux-u su odgovarali web aplikaciji na 180. To je praznina od 87 entiteta u dokumentima koje je DPO obradivao.

Nakon prelaska na medjuplatformsku desktop aplikaciju:

  • Ista aplikacija primenjena na svih 12 masina
  • Identicni NLP modeli i motor za detekciju na svakoj masini
  • Jedna unapred podeseena konfiguracija "Privacy Standard" sinhronizovana na svim nalozima
  • Jedan revizijski trag od svih 12 korisnika u sistemu uskladjenosti

OZP revizija dosla je sest meseci kasnije. Tim je pokazao identicnu pokrivenost entiteta u svim 12 naloga, bez obzira na OS. Nalaz je zatvoren.

Procitajte vise o funkcijama revizijskog traga i dokumentacije.

Sta proveriti pre nego sto izaberete alat

Kada ocenjujete LPI alat za tim sa vise OS-ova, postavite ova pitanja:

Da li sve verzije platforme koriste isti NLP model? Ako Mac i Linux verzije zaostaju, imate problem doslednosti.

Kako se konfiguracija cuva i deli? Skladistenje zasnovano na registru ne moze se sinhronizovati na svim platformama.

Da li su ciklusi azuriranja isti za sve platforme? Fazna izdanja stvaraju praznine u verzijama.

Koja je alternativa za korisnike koji nisu na desktopu? Ako je to starija web aplikacija, pokrivenost nije ista.

Alat koji dobro odgovara na ova pitanja dace isti rezultat detekcije iz istog unosa na bilo kom OS-u. To je kako sistematska primena izgleda.

Izvor

Spremni da zaštitite svoje podatke?

Počnite sa anonimizacijom PII sa 285+ tipova entiteta na 48 jezika.

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.