Hur anonym.legal Fungerar

Deterministisk, regex-baserad PII-upptäckte som ger 100% reproducerbara resultat. Samma indata, samma utdata—varje gång. Ingen AI, ingen gissning, bara transparent mönsterigenkänning.

How Does PII Detection Work?

PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:

  1. 1
    Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
  2. 2
    Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
  3. 3
    Context Scoring: Each detection is scored based on surrounding context to minimize false positives.

This hybrid approach detects 285+ entity types while maintaining deterministic, reproducible results — essential for compliance and legal discovery.

Varför Regex, Inte AI?

Vår Strategi

  • 100% reproducerbara resultat
  • Helt granskbara för efterlevnad
  • Ingen träningsdata krävs
  • Transparent beslutsfattande
  • Snabb, förutsägbar prestanda
  • Ingen modellavvikelse över tid

AI/ML Strategier

  • Resultat varierar mellan körningar
  • Svart låda beslutsfattande
  • Kräver träningsdata
  • Svårt att granska
  • Högre beräkningskostnader
  • Modellavvikelse över tid

10-Stegs Processen

Från indata till utdata, här är exakt vad som händer med ditt dokument

1

Indata Text

Skicka ditt dokument via webbgränssnitt, API eller Office-tillägg

2

Språkupptäckte

Systemet identifierar dokumentets språk för optimal bearbetning

3

Tokenisering

Texten bryts ner i tokens för mönsterigenkänning

4

Mönsterigenkänning

Regex-mönster skannar efter 285+ entitetstyper

5

Kontextanalys

Omgivande text förbättrar upptäcktsnoggrannheten

6

Konfidenspoäng

Varje upptäckte får en konfidenspoäng

7

Entitetsklassificering

Upptäckta objekt kategoriseras efter typ

8

Granska Resultat

Se alla upptäckter med positioner och poäng

9

Tillämpa Anonymisering

Välj din metod: Ersätt, Maskera, Hasha, Kryptera eller Maskera

10

Utdata Dokument

Ladda ner ditt anonymiserade dokument

Tillgänglig endast på Pro och Business-planer

MCP Server: Integrering av Integritetsfokuserad AI

Hur dina data flödar genom MCP Server för att hålla AI-verktyg säkra

1

AI Verktygsförfrågan

Ditt AI-verktyg (Cursor, Claude) skickar en förfrågan som innehåller PII

2

MCP Server Avlyssnar

Servern analyserar och upptäcker alla PII-entiteter

3

Anonymisering

PII ersätts med tokens eller maskeras

Safe data only
4

AI Bearbetning

AI tar emot och bearbetar endast anonymiserade data

5

Svar Återvänd

AI-svaret kommer tillbaka genom MCP Server

6
Optional

De-tokenisering

Valfritt: Ursprungliga värden återställs för användaren

Verkligt Exempel

Före (med PII)
Behandla betalning för John Doe, e-post john@example.com, kort 4532-1111-2222-3333

Vad AI ser

Efter (anonymiserad)
Behandla betalning för PII_PERSON_001, e-post PII_EMAIL_001, kort PII_CREDIT_CARD_001

Vad du får tillbaka

AI ser aldrig din verkliga PII
Reversibel med tokeniseringsläge
Samma tokenkostnader som webbapplikationen
Fungerar med flera AI-verktyg
Företagsklassad säkerhet

Frequently Asked Questions

Why use regex instead of AI for PII detection?

Regex-based detection is deterministic and reproducible. The same input always produces the same output. AI/ML models can be unpredictable and may miss or falsely flag data. For compliance, reproducibility matters.

How accurate is the detection?

Our hybrid approach combines regex patterns with Named Entity Recognition (NER) for high accuracy. All patterns include checksum validation where applicable (credit cards, IBANs, SSNs). False positives are minimized through context-aware scoring.

What happens to my data during processing?

Text is sent to our EU-hosted servers (Hetzner, Germany) over TLS 1.3 for analysis. We don't store your data after processing. With Zero-Knowledge auth, we can't even identify which user made the request.

Can I add custom entity types?

Yes! You can create custom recognizers with your own regex patterns and context words. Custom entities support the same operators (replace, mask, hash, encrypt, redact) as built-in types.

How does reversible encryption work?

The Encrypt operator uses AES-256-GCM encryption with your key. Only you can decrypt. This allows re-identification for audits or legal discovery while keeping data protected in transit and storage.

Se Det i Aktion

Prova vår PII-upptäckte och anonymisering gratis med 200 tokens per cykel.