By · Last updated 2026-06-05

Rudi kwa BlogGDPR & Ufuatiliaji

Rodne Cislo ya Kicheki: Usimbuaji wa Jinsia na GDPR

Rodné číslo ya Kicheki inasimba jinsia kupitia usimbuaji wa mwezi wa offset ya 50 — ikifanya iwe data ya aina maalum ya Kifungu cha 9 cha GDPR. 67% ya makampuni ya Kicheki yanatumia zana za Kijerumani.

June 5, 20267 dakika kusoma
Czech ÚOOÚrodné číslo detectionCzech GDPR compliancemanufacturing data protectionCentral Europe

ÚOOÚ na Rodné Číslo: Usimbuaji wa Jinsia Chini ya GDPR

Imesasishwa kwa 2026

Taasisi ya data ya Kicheki ni ÚOOÚ. Kwa kamili: Úřad pro ochranu osobních údajů. Ilitoa maamuzi 58 mnamo 2024. Matokeo moja yanaonekana katika kesi nyingi. Rodné číslo (nambari ya kuzaliwa) ilishughulikiwa bila utambuzi. Zana ya PII iliyotumiwa ilikuwa imejengwa kwa Kijerumani au Kiingereza. Haikuwa na mantiki kwa aina hii ya kitambulisho. ÚOOÚ ni wazi: zana lazima zitambue rodné číslo na uthibitishaji wa jedwali la ukaguzi na ushughulikiaji sahihi wa offset ya jinsia.

Rodné Číslo: Data ya Aina Maalum kwa Muundo

Rodné číslo, au RČ, inatumia muundo RRMMDD/XXXX.

  • RR — tarakimu mbili za mwisho za mwaka wa kuzaliwa.
  • MM — mwezi wa kuzaliwa. Kwa wanawake, 50 inaongezwa. Mwezi 01 unakuwa 51. Mwezi 12 unakuwa 62.
  • DD — siku ya kuzaliwa.
  • XXXX — mfululizo mfupi wa tarakimu 3–4 pamoja na thamani ya ukaguzi (modulo 11).

Offset ya mwezi ya wanawake inafanya nambari hii kuwa kiashiria cha jinsia ya kibiolojia. Offset hiyo si ya bahati mbaya. Mfumo wa usajili wa kiraia unatumia kwa utafutaji wa utawala. Kifungu cha 9 cha GDPR kinafunika data inayofunua sifa za kibinafsi. Jinsia ni moja wapo. Mtazamo wa ÚOOÚ: nyaraka yoyote yenye rodné číslo ina data inayokaribia aina maalum. Ulinzi mkubwa zaidi unatumika.

Jinsi thamani ya ukaguzi inavyofanya kazi: Kwa nambari za herufi 10 (zilitolewa baada ya 1954), msingi kamili wa herufi 9 lazima ugawanywe sawasawa na 11. Kwa nambari za herufi 9 (zilitolewa kabla ya 1954), hakuna thamani ya ukaguzi. Zana lazima zishughulikie zote mbili.

Kinachoitwa na ÚOOÚ Utambuzi wa Kutosha

Mwongozo wa kiufundi wa ÚOOÚ wa 2024 kwa zana za PII unaweka mahitaji matatu.

Ushughulikiaji wa offset ya jinsia: Nambari zenye thamani za mwezi 51–62 ni vitambulisho halali kwa wanawake. Zana inayotibu hizo kama tarehe si sahihi inakosa karibu nusu ya kitambulisho kikuu cha idadi ya watu wazima wa kike.

Matoleo ya muundo: Vizazi vya kabla ya 1954 hutoa nambari za herufi 9 bila thamani ya ukaguzi. Vizazi vya baada ya 1954 hutoa nambari za herufi 10 na moja. Zote mbili lazima zisaidiwe.

Ishara za muktadha: Katika nyaraka za lugha ya asili, kitambulisho kinaonekana karibu na lebo kama "Rodné číslo:", "RČ:", au "r.č.:". NER inayojua lugha husaidia kupata ishara hizi hata katika maandishi ya huru.

Tatizo la Kampuni Mama ya Kijerumani

67% ya makampuni nchini yanatumia zana za PII zilizosanidiwa kwa Kijerumani au Kiingereza. ÚOOÚ iligundua hili katika uchunguzi. Mnyororo wa kushindwa katika utengenezaji unaweza kutabirika.

Mzazi wa Kijerumani anapeleka zana ya kuchanganua. Imesanidiwa kwa vitambulisho vya Kijerumani. Data ya HR — mikataba, rekodi za afya, mishahara — ina nambari za kuzaliwa. Zana haina mantiki kwa aina hii ya kitambulisho. Kila nambari ya kuzaliwa inakosekana. Data ya afya na malipo ya wafanyakazi inahamia bila udhibiti unaohitajika na ÚOOÚ. Katika ukaguzi au uvunjaji, kampuni ya ndani haiwezi kuonyesha "hatua za kiufundi zinazofaa" chini ya Kifungu cha 32 cha GDPR.

ÚOOÚ inashikilia mdhibiti wa ndani anawajibika. "Kampuni yetu mama ilichagua zana" si ulinzi halali. Kanuni ya uwajibikaji wa GDPR hairuhusu.

Orodha ya Uzingativu kwa Makampuni ya Utengenezaji

Udhibiti huu unatumika kwa makampuni ya viwanda yenye zana za kampuni mama ya Kijerumani.

  • Utambuzi wa nambari ya kuzaliwa: Muundo wa herufi 9 na 10 wote wawili. Ushughulikiaji wa mwezi wa offset ya jinsia (50+). Ukaguzi wa modulo-11 wa thamani ya ukaguzi kwa matoleo ya herufi 10.
  • NER ya lugha ya asili: spaCy cs_core_news au mfano sawa. Zana za kawaida zinaonyesha usahihi wa NER wa chini ya 23% kwa lugha hii. Mifano ya ndani inafunga pengo.
  • Utambuzi wa Číslo OP: Občanský průkaz (kadi ya kitambulisho cha taifa) ni nambari ya herufi 9. Inaonekana pamoja na nambari ya kuzaliwa katika aina nyingi za nyaraka.
  • IČO na DIČ: Kitambulisho cha biashara na nambari za kodi zinaonekana katika mikataba. Zote mbili zinahitaji ufunikaji.
  • Mfumo wa lugha nyingi: Mazingira mchanganyiko yana nyaraka katika lugha ya ndani, Kijerumani, na Kiingereza. Mfumo wa lugha moja unakosa matukio ya pamoja ya lugha nyingi.

Utekelezaji wa ÚOOÚ ni thabiti. Makampuni yanayoonyesha ushahidi wa kiufundi katika ukaguzi hupata faini ndogo zaidi. Makampuni yasiyoweza kuuonyesha yanakabiliwa na mfiduo mkubwa zaidi.

Kwa mtazamo mpana wa jinsi vitambulisho vya taifa vinavyosababisha mfiduo wa GDPR, angalia mwongozo wetu wa utambuzi wa kitambulisho cha kodi cha taifa cha EU.

Kwa kitambulisho sawa cha Nordic, angalia mwongozo wetu wa kiufundi wa Datatilsynet CPR.

Vyanzo

Tayari kulinda data yako?

Anza kuanonymisha PII na aina 285+ za vitu katika lugha 48.

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.