By · Last updated 2026-04-13

Tillbaka till BloggenTeknisk

Luftgappad integritet: Anonymisera offline

FedRAMP- och ITAR-miljöer har en sak gemensamt — molnet är inget alternativ. Reversibel pseudonymisering under GDPR art.

April 13, 20269 min läsning
air-gapped anonymizationSCIF document processingITAR complianceFedRAMP offline toolsoffline PII detection

Luftgappningskravet

Försvarsentreprenörer, statliga underrättelsemyndigheter och operatörer av kritisk infrastruktur hanterar nätverk där extern internetanslutning är fysiskt omöjlig, inte bara förbjuden av policy. En SCIF (Sensitive Compartmented Information Facility) är ett rum eller en anläggning designad för att förhindra elektronisk avlyssning och signalunderrättelseinhämtning — den är Faraday-skärmad, utan trådlösa signaler som kan komma in eller gå ut. Ett klassificerat statligt nätverk under ITAR-kontroll (International Traffic in Arms Regulations) kan inte sända täckt teknisk data till icke-godkända parter — en kategori som inkluderar molntjänsteleverantörer som inte är clearade under ITAR.

För organisationer i dessa miljöer är "moln-SaaS" inte en risk att hantera — det är en teknisk omöjlighet. Alla anonymiseringsverktyg som kräver en aktiv nätverksanslutning kan inte driftsättas. Alla verktyg som ringer hem för licensverifiering är uteslutna. Alla verktyg vars detektionsmodeller kräver moln-API-anrop för inferens kan inte fungera.

Ollama-gemenskapen nämner specifikt luftgappad driftsättning som den primära motivationen för lokala AI-verktyg: "All data stannar på din enhet med Ollama, utan information som skickas till externa servrar — särskilt viktigt för känsligt arbete som läkare som hanterar patientjournaler eller jurister som granskar ärendefiler." Samma logik gäller på organisationsnivå för klassificerade och ITAR-kontrollerade miljöer.

ITAR-användningsfallet

En datavetare hos en försvarsentreprenör som bearbetar personalregister under ITAR-krav behöver avidentifiera filer innan de delas med en journalist som begär utlämnande. Entreprenörens nätverk är luftgappat. Bearbetningen måste ske på den luftgappade maskinen och måste producera utdata lämpliga för offentliggörande.

Detta användningsfall har ingen molnlösning. Den enda vägen är ett verktyg som körs helt på den lokala maskinen, tillämpar lokalt lagrade detektionsmodeller och producerar anonymiserade utdata utan någon extern kommunikation. Det Tauri 2.0-baserade Desktop-programmet körs i exakt denna konfiguration: efter nedladdning och installation görs inga nätverksanrop under dokumentbearbetning. SpaCy NER-modellerna, regexmönstren och transformerinferensen körs lokalt. Bearbetningsresultatet lämnar aldrig maskinen om det inte uttryckligen exporteras av användaren.

Reversibel pseudonymisering för klassificerade operationer

Ett relaterat krav i klassificerade och statliga sammanhang: reversibel pseudonymisering som upprätthåller analytisk nytta samtidigt som verkliga identiteter skyddas. GDPR artikel 4(5) erkänner formellt pseudonymisering som en dataskyddsåtgärd som minskar efterlevnadsrisken — pseudonymiserade data är föremål för reducerade skyldigheter jämfört med fullt identifierbara data, under förutsättning att pseudonymiseringsnycklar hålls separat från det pseudonymiserade datasetet.

IAPP-forskning (2024) fann att endast 23 % av anonymiseringsverktygen erbjuder sann reversibilitet — förmågan att dekryptera pseudonymiserade data tillbaka till originalvärden med hjälp av en nyckel som hålls separat från utdata. De flesta verktyg implementerar permanent ersättning (originaldata skrivs över och kan inte återställas) eller maskering (partiell visning av originalvärdet).

För statliga operationer där pseudonymiserade dataset måste kunna delas mellan avdelningar — ett team tar emot det pseudonymiserade datasetet för analytiskt arbete, ett annat team håller dekrypteringsnyckeln för återidentifiering när det krävs juridiskt — är reversibel kryptering med nyckelseparation den enda kompatibla arkitekturen.

Zero-knowledge-metoden utökar detta ytterligare: krypteringsnyckeln genereras på klientsidan och överförs aldrig. Även om anonymiseringsverktygets leverantör kallades till vittnesförhör kan de inte producera dekrypteringsnyckeln eftersom de aldrig fick den. För klassificerade miljöer där krypteringsnycklarnas spårbarhet i sig är ett säkerhetskrav ger denna arkitektur den nödvändiga försäkran.

EDPB-riktlinjeefterlevnad

EDPB Guidelines 05/2022 om pseudonymisering kräver nyckelseparation: pseudonymiseringsnyckeln måste hållas av en annan part än den part som tar emot det pseudonymiserade datasetet, eller lagras med tekniska kontroller som förhindrar den mottagande parten från att komma åt både datan och nyckeln samtidigt.

Kombinationen av klientsidsgenerering av nyckel (nyckeln lämnar aldrig användarens enhet), lokal bearbetning (data lämnar aldrig den luftgappade miljön), och separat export av pseudonymiserade utdata och dekrypteringsnycklar uppfyller EDPB:s nyckelseparationskrav samtidigt som det möter det luftgappade operativa kravet.

Källor:

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper på 48 språk.

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.