Insikter om Dataskydd
Expertartiklar om AI-säkerhet, GDPR-efterlevnad, skydd av hälsoinformation och bästa praxis för PII-anonymisering.
Alla Artiklar
Vibe-kodning och PII-läckage: Säkerhetsrisken ingen pratar om
AI-genererad kod inkluderar sällan PII-hantering. 73 % av vibe-kodade appar bearbetar känsliga data utan anonymisering. Här är vad utvecklare behöver veta.
COPPA april 2026: Vad EdTech-plattformar måste göra före deadline
COPPA:s uppdaterade regel träder i kraft den 22 april 2026. Reddit bötfälldes £14,47 miljoner för misslyckanden med barns data. EdTech-plattformar riskerar samma sak.
LangChain CVE-2025-68664: Hur PII läcker genom din RAG-pipeline
CVSS 9,3. LangChains serialiseringsfunktioner exponerar miljövariabler och hemligheter för angriparkontrollerade LLM:er. Hur du detekterar och åtgärdar PII-läckor.
MCP-serversäkerhet 2026: 8 000 exponerade, 492 utan autentisering
8 000+ Model Context Protocol-servrar är offentligt exponerade. 492 har noll autentisering. 36,7 % är sårbara för SSRF. Skydda PII i dina MCP-verktyg.
EU AI Act augusti 2026: Anonymisering av träningsdata för att uppfylla artikel 10
EU AI Acts fulla tillämpning börjar den 2 augusti 2026. Böter upp till €35 miljoner eller 7 % av global omsättning. Artikel 10 kräver anonymisering av träningsdata.
Permanent anonymisering: spolieringsrisk
34,8 % av ChatGPT-inmatningar innehåller känsliga uppgifter (Cyberhaven). Lösningen — permanent anonymisering — skapar sin egen juridiska risk: spoliering. GDPR art. 4(5) kräver reversibilitet.
80 000 dollar-redigeringsfakturan: Word-tilläggets lösning
Till 200–400 dollar/timme kostar en produktion med 10 000 dokument 26 000–80 000 dollar i advokatid (RAND). Bloomberg Law 2024 visade att automatisering minskar den tidslinjen dramatiskt.
Webb-DLP: Blockering vs. anonymisering 2026
Två metoder för webb-DLP: blockering hindrar inlämning av PII till AI-verktyg; anonymisering transformerar data innan den skickas. En objektiv jämförelse.
Samsung läckte källkod till ChatGPT 3 gånger
Tre separata Samsung-ingenjörsteam klistrade in proprietär kod och konfidentiell data i ChatGPT i april 2023. Varje incident avslöjade en annan sårbarhet.
E-discovery-sanktioner: AI-redigering misslyckas
I Athletics Investment Group mot Schnitzer Steel (2024) utlöste felaktig redigering discovery-sanktioner. Med AI-verktyg som uppnår endast 22,7 % precision riskerar juridiska team verklig ansvarsskyldighet.
SaaS-intrång ökade 300 %: ZK krävs
Conduent exponerade 25,9 miljoner poster. NHS Digital: 9 miljoner patienter. Angripare bryter sig in i SaaS-leverantörer på 9 minuter. När din leverantör är attacken.
HIPAA i molnet: Zero-knowledge för PHI
Business Associate Agreements förhindrar inte HIPAA-överträdelser när din molnbaserade AI-leverantör bearbetar PHI i klartext. Här är vad zero-knowledge-arkitektur faktiskt ändrar.
LibreOffice PII-anonymiseringstillägg
Steg-för-steg-guide för att anonymisera PII i LibreOffice-dokument med anonym.legal-tillägget.
LibreOffice vs Office: PII-redigering
Detaljerad jämförelse av PII-anonymiseringsmöjligheter i LibreOffice (anonym.legal-tillägg) vs. Microsoft Office (Office-tillägg).
Anonymisering med öppen källkod: LibreOffice
Hur offentliga sektorsorganisationer använder LibreOffice med anonym.legals tillägg för GDPR-kompatibel dokumentanonymisering.
PII över plattformar: Office & LibreOffice
Hur organisationer med blandade Microsoft Office- och LibreOffice-miljöer upprätthåller konsekvent PII-anonymisering med anonym.
Företags AI-förbud: Produktivitet kontra risk
27,4 % av innehållet i företags AI-chattbotar innehåller känslig data — en ökning med 156 % år för år. Ändå kringgår 71,6 % av AI-åtkomsten nu företagspolicyer via privata konton.
Säkra AI-integritetsförlängningar 2026
I januari 2026 fångades två skadliga Chrome-tillägg med 900 000+ användare när de exfiltrerade ChatGPT- och DeepSeek-konversationer var 30:e minut.
Webb-DLP för ChatGPT, Claude och Gemini
Traditionell enterprise-DLP byggdes för filöverföringar och e-post, inte AI-chattbotar. Den här guiden täcker webbläsarbaserad dataförlustförebyggning för ChatGPT.
När CISO:er säger nej till molnbearbetning av PHI
725 dataintrång inom sjukvården 2024 påverkade 275 miljoner journaler. Med genomsnittliga intrångskostnader på 10,22 miljoner dollar — högst i alla branscher — vägrar sjukvårdens CISO:er molnbearbetning av patientdata.
530 miljoner euro i böter för TikTok: GDPR och datasuveränitet
TikToks GDPR-böter på 530 miljoner euro för EU-Kina-dataöverföringar markerar en ny era av datasuveränitetsefterlevnad. Med 5,65 miljarder euro i samlade GDPR-böter är regelefterlevnad inte längre en bakgrundsrisk.
HHS 2025: AI-kliniska anteckningar kräver PHI-skydd
AI-transkriptionssystem kan oavsiktligt placera Patient A:s skyddad hälsoinformation i Patient B:s journal. Realtids-PHI-detektering före EHR-inlägg är den rätta kontrollen.
Varför binär PII-detektering misslyckas vid compliance
Detekterad/inte detekterad är otillräckligt för compliancekontexter som kräver mänskligt omdöme. Här är varför konfidenspoängsättning omvandlar PII-anonymisering från en automatiserad process till ett försvarbara beslutsstödsystem.
GDPR dataminimering: Realtids-API förhindrar övelinsamling
GDPR Artikel 5(1)(c) kräver att bara nödvändig data samlas in. Realtids-API-integration förhindrar övelinsamling vid formulärinlämning — innan datan sparas i databasen.
Börja Skydda Din Data Idag
267+ entitetstyper, 48 språk, företagsklassad säkerhet till startpriser.
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.