anonym.legal

By · Last updated 2026-06-03

Povratak na blogPravna tehnologija

Pravni LLP: Otkrivanje privilegovanih podataka

Brojevi predmeta, brojevi advokatskih dozvola, brojevi sudskih dosjea i identifikatori klijenata su pravno osetljivi podaci koje standardni alati za zaštitu privatnosti propuštaju.

June 3, 20267 min čitanja
attorney-client privilegelegal document reviewcase numberslaw firm privacylegal tech

title: "Pravni LLP: Otkrivanje privilegovanih podataka" description: "Brojevi predmeta, brojevi advokatskih dozvola, brojevi sudskih dosjea i identifikatori klijenata su pravno osetljivi podaci koje standardni alati za zaštitu privatnosti propuštaju." category: legal-tech publishedAt: 2026-06-03 tags:

  • advokat-klijent privilegija
  • pregled pravnih dokumenata
  • brojevi predmeta
  • privatnost advokatskih kancelarija
  • pravna tehnologija readingTime: 7

Privilegija advokat-klijent u eri veštačke inteligencije: Pravni LLP podaci koje vas alat za anonimizaciju mora otkriti

Standardni alati za zaštitu LLP podataka prepoznaju imena, e-mail adrese i JMBG. Propuštaju referentne ID-jeve predmeta, brojeve advokatskih dozvola i oznake klijenata. Ovi podaci nose ozbiljne rizike po privilegiju. Generički alati ostavljaju tu rupu otvorenom.

Advokatske kancelarije svakodnevno šalju fajlove AI alatima. Ti fajlovi sadrže markere osetljive po privilegiju koje standardni alati ne prepoznaju.

Kada advokatska kancelarija prosledi fajlove kroz AI asistenta, ti fajlovi pored standardnih LLP podataka sadrže i pravne ID-jeve:

  • Oznake predmeta klijenta: Povezuju se sa celokupnim dosijeom predmeta i imenuju klijenta
  • Referentni ID-jevi predmeta: Šifre koje dodeljuje sud i koje se vezuju za javne registre sa privatnim detaljima
  • Brojevi advokatskih dozvola: ID-jevi advokata koji se mogu pretraživati u javnim registrima saveznih drzava
  • Šifre sudskih dosjea: Povezuju se sa javnim sistemima za podnošenje podnesaka sa celokupnom istorijom predmeta
  • Šifre dodeljenih sudija: Identifikuju predsedavajuceg sudiju u osetljivim situacijama

Bilo koji od ovih podataka, poslan eksternom AI dobavljacu, stvara potencijalni problem u pogledu privilegije.

Zasto ovi ID-jevi zahtevaju prilagodeno otkrivanje

Formati sudskih dosjea prate obrasce na nivou okruga. Nijedan jedinstven obrazac ne pokriva sve federalne i drzavne sudove.

Federalni gradjanski predmeti koriste dvocifrenu godinu, zatim "cv", pa broj predmeta. Krivicni predmeti koriste "cr" na istom mestu. Drzavni sudovi variraju po regionima bez zajednickog standarda.

Brojevi advokatskih dozvola su specificni za svaku drzavu. Kalifornija koristi numericke formate. Njujork koristi format registra. Teksas ima sopstveni format bar ID-a. Ne postoji nacionalni format.

Oznake predmeta klijenta su specificne za svaku firmu. Svaka firma gradi sopstveni format. Godina-klijent-predmet. Šifre prakticnih grupa. Sekvencijalni ID-jevi.

Standardni alati za zaštitu LLP podataka ne mogu znati nijedno od ovoga bez prilagodenog podesavanja.

Jaz je stvaran. Alatka za dokumente prima pun kontekst predmeta. Šifre dosjea se vezuju za javne registre. Oznake klijenata su prisutne. Alatka izveštava da su LLP podaci uklonjeni. Uklonjena su imena i e-mail adrese. Privilegovani ID-jevi nisu.

Slucaj pravnog AI startapa

Pravni AI startap pravi alatku za pregled dokumenata za advokatske kancelarije. Proizvod skenira spise otkrivanja dokaza, prepoznaje relevantne klauzule i oznacava potencijalno privilegovani sadrzaj. Poslovni klijenti zahtevaju brisanje oznaka predmeta klijenta uz standardne LLP podatke pre obrade.

Problem uskladenosti: AI alatka obradjuje podatke fajlova koji sadrze oznake predmeta klijenta. U kombinaciji sa javnim sudskim podnescima, te oznake bi mogle omoguciti identifikaciju predmeta. Pravni operativni timovi u preduzecima to ocenjuju kao neprihvatljivo.

Pre prilagodenog otkrivanja entiteta:

  • Pregled posla otkriva jaz u uskladenosti
  • Red cekanja od 3+ meseci za prilagodjeni NLP model
  • Poslovni ugovor na cekanju

Sa prilagodenim API-jem za entitete:

  • Sluzbenik za uskladenost definise format oznake predmeta pri uvodjenju u sistem
  • Obrazac testiran na uzorcima fajlova: 2 dana
  • Prilagodjeni entitet dodat u pipeline: jos 1 dan
  • Poslovni ugovor nastavlja

Jaz je 3 dana naspram 3+ meseca. Posao je podesavanje obrazaca i integracija API-ja. Nije potrebna obuka NLP modela.

Uobicajeni formati po kategorijama

Federalni sudski dosjei:

Federalni gradjanski predmeti koriste: dvocifrenu godinu + "cv" + case number od 4-6 cifara. Primer: 24-cv-12345. Krivicni predmeti koriste "cr" na istom mestu. Stecajni predmeti koriste "bk". Zalbe koriste dvocifrenu godinu i 4-5-cifreni broj koji varira po okrugu.

Formati drzavnih sudova (primeri):

California Superior Court koristi sistem sa sestocifrenim prefiksom. Njujork koristi indeksni format sa godinom i rednim brojem. Teksas koristi format uzroka sa godinom, rednim brojem i šifrom suda.

Oznake predmeta klijenta (tipicni formati firme):

Tri uobicajena obrasca pojavljuju se u vecini firmi:

  • Dvocifrena godina, ID klijenta, redni broj predmeta (npr. 24-ACME-001)
  • Inicijali prakticne grupe, godina, pa cetvorocifreni redni broj (npr. LIT240042)
  • Prefiks klijenta sa sestocifrenim ID-jem (npr. SMITHCO-000123)

ID-jevi advokatskih dozvola u SAD-u:

Vecina drzava koristi 4-8-cifrene brojeve, ponekad sa prefiksom na nivou drzave. USDC ID-jevi dozvola variraju po okrugu i ne prate zajednicki format.

Pipeline obrade svestan privilegije

Za AI za pregled dokumenata, slojeviti pipeline pokriva ceo opseg.

Sloj 1 - Standardno otkrivanje LLP podataka

Imena, e-mail adrese, brojevi telefona, adrese, JMBG. Visoka tacnost. Dobro uspostavljena alatka dobro radi ovaj sloj.

Sloj 2 - Otkrivanje prilagodjenih šifara

Šifre predmeta, ID-jevi dosjea, ID-jevi advokata. Obrasci specificni za firmu postavljeni pri uvodjenju u sistem. Ovaj sloj popunjava jaz koji standardni alati propuštaju.

Sloj 3 - Pregled privilegije (ljudski)

Nakon automatskog otkrivanja, advokat pregledava oznacene markere. Zaglavlja ADVOKAT-KLIJENT. Oznake RADNOG PROIZVODA. Oznake POVERLJIVO. Ljudski pregled na ovom sloju nije opcioni.

Sloj 4 - Pregled izuzetaka konteksta

Dosjei javnih registara koji ne predstavljaju rizik po privilegiju naspram oznaka predmeta klijenta koje predstavljaju rizik. To zahteva advokatsku procenu. Ne moze biti automatizovano.

Slojevi 1 i 2 rukovode radom velikog obima. Slojevi 3 i 4 zadrzavaju advokatsku procenu tamo gde odluke o privilegiji pripadaju. Za ono što se desava kada privilegija vec bude odricena korišcenjem AI alatki, pogledajte privilegija advokat-klijent i VI.

Podesavanje za programere

Konfiguracija uvodjenja u sistem

Prikupite formate oznaka predmeta klijenta tokom uvodjenja poslovnih korisnika u sistem. Svaka firma koristi drugaciji format. Cuvajte ih kao prilagodjene entitete specificne za firmu. Primenite na svu obradu za taj nalog.

Podrazumevani predefinirani profili

Unapred napravljeni profili pokrivaju uobicajene kontekste bez prilagodjenog rada:

  • "Federalni sudski dokumenti" - federalni obrasci dosjea za gradjanske, krivicne i stecajne predmete
  • "Drzavni sudski dokumenti (CA/NY/TX)" - formati specificni za drzavu za tri glavne jurisdikcije
  • "Interne operacije" - oznaka predmeta plus standardni LLP podaci
  • "Portal za spoljne savetodavce" - referenca racuna, oznaka predmeta i standardni LLP podaci

Dokumentacija revizije

Zapisi o obradi treba da pokažu da su prilagodjene šifre bile ukljucene u svaki prolaz otkrivanja. Ovo podrzava zaštitu radnog proizvoda za metod analize.

Za siri pogled na to kako troškovi redakcije rastu u parnicnom postupku, pogledajte automatizacija LLP podataka za elektronsko otkrivanje dokaza i smanjenje troškova pravnog pregleda.

Zakljucak

ID-jevi osetljivi po privilegiju su jednako rizicni kao standardni LLP podaci - cesto i više. Alati koji propuštaju šifre dosjea i oznake predmeta ostavljaju pravi jaz u radnim tokovima dokumenata.

Rešenje nije NLP model. Rešenje je podesavanje obrazaca. Za programere koji prave alatke za advokatske kancelarije, to je razlika izmedju popravke za 3 dana i projekta od 3 meseca. Za advokatske kancelarije, to je razlika izmedju odbranljive AI-pomognute revizije i rizika od odricanja privilegije.

Izvori

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.