Insikter om Dataskydd
Expertartiklar om AI-säkerhet, GDPR-efterlevnad, skydd av hälsoinformation och bästa praxis för PII-anonymisering.
Alla Artiklar
Garante Italien: AI och PII-compliance
Italiens Garante bötfällde OpenAI med 15 miljoner euro i december 2024 och förbjöd tillfälligt ChatGPT 2023. 63 % av italienska företag saknar AI-datastyrningspolicyer.
LGPD Brasilien: CPF, CNPJ och dataskydd
LGPD täcker 215 miljoner brasilianare och ANPD inledde stor tillsyn 2024. CPF detekteras med bara 45 % noggrannhet av engelsktränade verktyg.
Holländska AP: €290M böter & GDPR-efterlevnad
Holländska AP utfärdade EU:s största böter för dataöverföring — €290M mot Uber. BSN (holländskt personnummer) kräver 11-proef-validering som 56 % av verktygen missar.
UODO Polen: PESEL, NIP & RODO-efterlevnad
UODO konstaterade att 89 % av de driftsatta verktygen misslyckas med att identifiera polskt PESEL korrekt. Polen hanterar 2,3 miljoner EU-kundposter per dag. PESEL-kontrollsummavalidering, NIP.
ANSPDCP Rumänien: CNP-detektion & GDPR-kontroller
ANSPDCP konstaterade att 78 % av verktygen missar rumänska CNP med korrekt validering. CNP kodar kön, födelsedatum och födelseläns — GDPR artikel 9-konsekvenser.
IMY Sverige: Personnummer & Luhn-kontroller
IMY konstaterade att 45 % av generiska verktyg missar svenska personnummer. Samordningsnummer (60-offset) missas av de flesta implementationer. Sveriges 79 % utnyttjande av GDPR-rättigheter.
Danmark CPR: Modulus-11-validering för GDPR
67 % av NLP-verktygen missar dansk CPR-nummers modulus-11-validering. Datatilsynets 14 sjukvårdsbeslut under 2024. Sekundär användning av hälsodata.
Tjeckiskt Rodné Číslo: Könskodning och GDPR
Tjeckiska rodné číslo kodar kön via 50-offset månadsvärdekodning — vilket gör det till GDPR artikel 9 data i särskild kategori. 67 % av tjeckiska företag använder tyska verktyg.
NAIH Ungern: TAJ-Szám och Adóazonosító Jel
Ungersk NER-noggrannhet är 67 % mot EU-genomsnitt 82 % — NAIH:s bedömning 2024. TAJ-szám viktad kontrollsumma och detektionsluckor för adóazonosító jel.
HDPA Grekland: AFM & AMKA-detektering
Generiska verktyg detekterar grekisk AFM med bara 52 % noggrannhet. HDPA utfärdade 89 beslut under 2024 — en ökning med 162 % sedan 2022. Turism- och sjöfartssektorerna står inför särskilda risker.
Japans My Number: Verhoeff & APPI
63 % av generiska verktyg misslyckas med att detektera My Number i japanska dokument. My Number använder Verhoeff-algoritmen — den mest komplexa nationella ID-kontrollsumman i Asien.
Epstein-filerna: Markering är inte redigering
DOJ:s release av Epstein-filerna i december 2025 exponerade ett kritiskt redigeringsfel: text som dolts med svart markering i PDF-filer går fortfarande att läsa via kopiera-klistra in.
Advokat-klientprivilegiet och AI 2026
En federal domstol i USA slog i februari 2026 fast att AI-kommunikation inte skyddas av advokat-klientprivilegiet.
Zero-Knowledge mot Zero-Trust-kryptering
LastPass krypterade sina användares data — och ändå stals 438 miljoner dollar. Här är skillnaden mellan serversideskryptering och sann zero-knowledge-arkitektur.
Luftgapad PII: offline-first för försvar och sjukvård
41% av företags säkerhetspolicyer förbjuder molnbearbetning av sekretessbelagda dokument.
Flerspråkig PII-detektering för GDPR-efterlevnad
Ett tyskt Steuer-ID, ett franskt NIR och ett svenskt personnummer kräver alla olika detekteringslogik.
Reversibel vs permanent redaktion: rätt val
GDPR skiljer på anonymisering och pseudonymisering. Domstolar kräver originaldokument. Forskning behöver återidentifiering. Lär dig när du ska använda vilken metod.
Flerspråkig NER: engelska modeller misslyckas med arabiska
Engelska NER-modeller når 85–92% noggrannhet. Arabiska och kinesiska? Ofta 50–70%. Lär dig om de tekniska utmaningarna och hur du bygger verkligt.
94% av SMF attackerade: prisvärt integritetsskydd
Små och medelstora företag möter samma hot som storföretag men har inte råd med verktyg till 800+ USD/månad. Så här får du integritetsskydd i företagsklass för €3/månad.
PHI-igenkänning: Snow Labs 96% mot GPT-4o
Inte alla de-identifieringsverktyg är likvärdiga. ECIR 2025 visar F1-poäng från 79% till 96%. Lär dig varför noggrannhet är avgörande och hur du utvärderar verktyg.
Domstolar sanktionerar advokater för redigering
Att markera text i Word är inte redigering. Domstolar sanktionerar advokater för tekniska fel som exponerar privilegierad information.
Använd Claude och ChatGPT utan att läcka PII
En utvecklarguide för att använda AI-assistenter säkert. Konfigurera MCP Server-integration för transparent PII-skydd i Claude Desktop, Cursor och VS Code.
900 000 användares AI-chattar stals
Två skadliga Chrome-tillägg stals ChatGPT-konversationer från 900 000+ användare. Ett hade Googles 'Featured'-märke.
7,42 M $: Sjukvårdens intrångskostnader leder
Sjukvården har haft den högsta intrångskostnaden i alla branscher 14 år i rad. Lär dig varför PHI är så värdefullt och hur du skyddar det.
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.