Insikter om Dataskydd
Expertartiklar om AI-säkerhet, GDPR-efterlevnad, skydd av hälsoinformation och bästa praxis för PII-anonymisering.
Alla Artiklar
Klistra och glömma: Automatisk PII-markering ger efterlevnad
62 % av anställda som använder AI-verktyg för kunddata glömmer "ibland" att ta bort personuppgifter innan de skickar till AI. Automatisk markering tar bort compliancebördan.
PDF-redigeringsfällan: Data exponeras
DOJ:s Epstein-akter, Manafort-fallet och NSA-läckor delar alla samma brist: kosmetisk redigering som lämnar underliggande text läsbar.
Dokumentformatfragmentering i PII-verktyg
Ett enda DSAR-svar kan spänna över Word-kontrakt, PDF-fakturor, Excel-kundlistor och CSV-exporter. Att använda olika verktyg för varje format skapar luckor.
Excel och PII: Anonymisera hundratals kolumner
Excel är bland de mest PII-täta dokumenttyperna i affärsverksamheten. Här är varför standard textanalys misslyckas med kalkylblad och vad kolumnkontextanalys gör istället.
GDPR-logghantering: Behåll felsökningsförmågan
Applikationsloggar samlar tyst på sig användarens e-postadresser, IP-adresser och kontonummer. Här är hur du delar loggar med tredje parter, konsulter och observabilitetsplattformar.
CSV-fritext och PII: Bortom kolumnradering
Enkät-CSV-filer innehåller PII inte bara i strukturerade kolumner utan i fritextsvar. Standard kolumnradering missar den PII som bryter mot GDPR:s anonymiseringskrav.
E-Discovery med blandade format: Stäng efterlevnadsluckan
E-discovery-produktioner och GDPR DSAR-förfrågningar spänner över PDF-filer, Word-dokument, Excel-filer och JSON-exporter. Att använda olika verktyg för varje format skapar konsekvensluckor.
GDPR i apploggar: JSON PII-efterlevnad
Applikationsloggar innehåller kunders e-postadresser, IP-adresser och kontonummer som GDPR Artikel 5(1)(e) kräver att hanteras.
GDPR och äldre skannade dokument: OCR + PII
GDPR:s rätt till radering gäller personuppgifter 'oavsett format.' Bildbaserade PDF:er från pappersarkiv är inte undantagna.
Skärmdump-PII: Läckor i interna verktyg
Slack, Teams, Jira och e-post tar regelbundet emot skärmdumpar med kundernas personuppgifter. Denna åtkomstkontrollöverträdelse kringgår alla DLP-verktyg.
Handskrivna formulär: OCR och PII-identifiering
Ett medelstort sjukhus behandlar 50 000 handskrivna intagsformulär per år. Manuell PII-redigering i denna volym kräver 0,5 heltidstjänst.
Forsknings-PII: Skärmdumpar och GDPR
Akademiska artiklar innehåller regelbundet pandas DataFrames och R-utdata som visar riktiga patientjournaler som metodikexempel. Här är varför detta är en GDPR-överträdelse.
Intern wiki-PII: Confluence och kunddata
Supportteam dokumenterar processer med skärmdumpar av kundkonton. Under 3 år är det tusentals GDPR-överträdelser mot dataminimering i din kunskapsbas.
AI-kodassistenter läcker produktions-PII
Enhetstestfixtures med riktiga kunduppgifter. Loggfiler med produktionsdata för felsökning. GitHub hittade 39 miljoner läckta hemligheter år 2024.
PII-fragmentering misslyckas vid efterlevnadsrevisioner
Fyra olika verktyg för fyra olika arbetsflöden innebär fyra olika entitetstäckningsuppsättningar och fyra olika revisionsprotokoll.
PII mellan appar: Word, Chrome och AI
Kunddata rör sig från webbläsarforskning till Word-utkast till Claude-prompter. Varje appbyte är en potentiell läckagepunkt.
GDPR, CCPA och PDPA i ett verktyg
EU-anställda under GDPR, amerikanska anställda som hanterar CCPA-data, APAC-anställda under PDPA. Tre jurisdiktioner, ett distribuerat team.
GDPR-revision misslyckad: Fragmenterade PII-verktyg
Din revisor frågar om PII-identifieringskontroller. 'Vi använder fem olika verktyg' är inte svaret de vill ha. Här är varför plattformsöverskridande konsekvens är avgörande.
Distansarbete och GDPR: Plattformsinkonsekvens
Kontorsteam använder fullfjädrad skrivbordsprogramvara. Distansarbetare använder webbappar med potentiellt olika inställningar. EU-domstolen säger att policyer inte räcker.
Plattformsöverskridande PII: Mac, Linux och Windows
Integritetschefer på Mac, juridik på Windows, datatekniker på Linux — alla behandlar samma data med olika verktyg. Här är varför OS-oberoende identifiering är avgörande.
BfDI Tyskland: DPA-efterlevnadsguide
Tyskland lämnade in 27 829 GDPR-brottanmälningar 2024 — fler än något annat EU-medlemsland. Här är vad BfDIs tillsynsfokus innebär för teknisk PII-hantering.
CNIL Frankrike: GDPR teknisk efterlevnad
CNIL behandlade 16 433 klagomål 2023 och utfärdade böter på 150 miljoner euro+ sedan 2019. Dess AI-vägledning kräver dokumenterad anonymisering av träningsdata.
ICO UK: GDPR-skillnader efter Brexit
ICO bötesfällde LastPass £1,2 miljoner för otillräcklig kryptering i december 2025. Beslutet fastslår att klientsideskryptering är ett rättsligt krav.
Garante Italien: AI och PII-efterlevnad
Italiens Garante bötesfällde OpenAI €15 miljoner i december 2024 och förbjöd tillfälligt ChatGPT 2023. Här är vad Italiens mest aktiva AI-tillsynsmyndighet kräver.
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.