anonym.legal

By · Last updated 2026-06-05

กลับไปที่บล็อกGDPR & การปฏิบัติตาม

Dutch AP: ค่าปรับ €290 ล้าน และการบังคับใช้ GDPR

Dutch AP ออกค่าปรับการโอนข้อมูลครั้งใหญ่ที่สุดในสหภาพยุโรป — €290 ล้านต่อ Uber BSN (หมายเลขประจำตัวประชาชนดัตช์) ต้องผ่านการตรวจสอบ 11-proef ซึ่งเครื่องมือ 56% พลาด

June 5, 20269 อ่านประมาณ
Dutch APBSN detectionUber GDPR fineNetherlands compliancedata transfer GDPR

Autoriteit Persoonsgegevens (AP) ปรับ Uber เป็นเงิน €290 ล้านในเดือนสิงหาคม 2024 ค่าปรับนี้เกิดจากการส่งข้อมูลคนขับไปยังเซิร์ฟเวอร์ในสหรัฐฯ โดยไม่มีข้อตกลงการโอนที่ถูกต้อง ไม่มีคดี GDPR ใดที่ให้ค่าปรับสูงกว่านี้สำหรับการโอนข้อมูลข้ามพรมแดน AP ยังรับเรื่องร้องเรียนมากกว่า 21,400 ราย ในปี 2023 ทำให้เป็นหน่วยงานกำกับดูแลข้อมูลที่มีงานยุ่งที่สุดแห่งหนึ่งในยุโรป

สิ่งที่ AP พบในคดี Uber

Uber รวบรวมข้อมูลจากคนขับในเนเธอร์แลนด์และฝรั่งเศส ข้อมูลครอบคลุมประวัติตำแหน่งที่ตั้ง เอกสารแสดงตัวตน บันทึกรายได้ บันทึกการขับรถ และไฟล์ภาษี ข้อมูลทั้งหมดถูกส่งไปยังเซิร์ฟเวอร์ในสหรัฐฯ AP ตัดสินว่าวิธีการโอนข้อมูลไม่ถูกต้อง

การตัดสินใจดังกล่าวมาจากสามประเด็นหลัก:

  • วิธีการโอนที่อ่อนแอ: Uber ใช้ Binding Corporate Rules (BCRs) AP พบว่าสิ่งเหล่านี้ไม่ครอบคลุมขอบเขตหรือความละเอียดอ่อนของข้อมูลคนขับที่เกี่ยวข้อง
  • ไม่มี Transfer Impact Assessment (TIA): Uber ไม่ได้แสดงให้เห็นว่ากฎหมายสหรัฐฯ คงมาตรการคุ้มครองการโอนที่ตกลงไว้ไว้
  • ข้อมูลที่ละเอียดอ่อนจากการรวมกัน: ข้อมูลตำแหน่ง รายได้ และคะแนนประสิทธิภาพรวมกันให้ภาพที่ละเอียดของคนขับแต่ละคน AP ถือว่าการรวมกันนี้เทียบเท่ากับข้อมูลส่วนบุคคลที่ละเอียดอ่อน

คดี Uber กำหนดกฎที่ชัดเจน ข้อมูลพนักงานและผู้รับเหมาที่ส่งไปยังสหรัฐฯ ต้องผ่าน TIA และมาตรการเพิ่มเติมเช่นเดียวกับข้อมูลผู้บริโภค

พื้นที่ที่ AP มุ่งเน้นบังคับใช้ในปี 2025

อัปเดตสำหรับปี 2026

AP ระบุสามพื้นที่ที่กำลังจับตามองอย่างใกล้ชิดในปี 2025

การตรวจสอบพนักงาน: เครื่องมือติดตามการทำงานจากระยะไกลเป็นเป้าหมายอันดับต้น ซึ่งรวมถึงบันทึกประสิทธิภาพ การจับภาพหน้าจอ การติดตามการกดแป้นพิมพ์ และเครื่องมือระบุตำแหน่งจากระยะไกล ก่อนที่จะนำเครื่องมือดังกล่าวมาใช้งาน บริษัทต้องบันทึกเหตุผลที่ปฏิเสธตัวเลือกที่ล่วงล้ำน้อยกว่า

การโอนข้อมูลข้ามพรมแดน: หลังคำตัดสินของ Uber AP กำลังตรวจสอบวิธีการโอนข้อมูล บริษัทที่พึ่งพาบริการจากสหรัฐฯ เอเชีย หรือประเทศอื่นที่ไม่เพียงพออยู่ในขอบเขต บริษัทใดก็ตามที่ใช้ซอฟต์แวร์จากสหรัฐฯ สำหรับงาน HR โครงการ หรือข้อมูลลูกค้า ต้องมี TIA ที่เป็นปัจจุบัน

การตัดสินใจอัตโนมัติ: การให้คะแนนสินเชื่อด้วย AI ตัวกรองการจ้างงาน และระบบประสิทธิภาพกระตุ้นหน้าที่ตาม Article 22 AP มุ่งเป้าองค์กรที่ตัดสินใจโดยอัตโนมัติโดยไม่มีขั้นตอนการตรวจสอบโดยมนุษย์จริงๆ ทั้งพนักงานและผู้บริโภคต้องได้รับความคุ้มครอง

BSN: หมายเลขประจำตัวประชาชนที่ได้รับการคุ้มครอง

Burgerservicenummer (BSN) คือหมายเลข ID 9 หลักที่ใช้ในเนเธอร์แลนด์ มันถูกตรวจสอบด้วย Elfproef (การตรวจสอบเลขสิบเอ็ด) วิธีการตรวจสอบ: คูณแต่ละหลักด้วยตัวเลขน้ำหนักตั้งแต่ 9 ลงมาถึง −1 บวกผลลัพธ์ทั้งหมด และผลรวมต้องหารด้วย 11 ลงตัว

พระราชบัญญัติ BSN (Wet algemene bepalingen burgerservicenummer) จำกัดการใช้ BSN เฉพาะบริบททางกฎหมายที่กำหนด ซึ่งได้แก่ ภาษี การดูแลสุขภาพ รัฐบาล และบัญชีเงินเดือนนายจ้าง การใช้ BSN นอกบริบทเหล่านั้นจะกระตุ้นการบังคับใช้พระราชบัญญัติ BSN และความรับผิดตาม GDPR ก็จะตามมาด้วย

เหตุใดเครื่องมือทั่วไปจึงพลาด BSN: เครื่องมือ NLP จำนวนมากไม่รวมการตรวจสอบ Elfproef หากไม่มีมัน สตริง 9 หลักใดก็ตามจะถูกตั้งค่าสถานะว่าอาจเป็น BSN ซึ่งสร้างการแจ้งเตือนเท็จในเอกสารทางการเงินและการบริหาร BSN ที่พิมพ์ผิดก็ถูกพลาดเช่นกัน เพราะล้มเหลวในการตรวจสอบแต่ยังดูเหมือนรูปแบบที่ถูกต้อง ดูคู่มือของเราเกี่ยวกับ การตรวจจับ EU national tax ID และ PII สำหรับการเปรียบเทียบแบบเต็มในรูปแบบ ID ของยุโรป

NER สำหรับข้อความภาษาดัตช์

ภาษาดัตช์ (Nederlands) มีคุณสมบัติที่ทำให้โมเดลที่ฝึกด้วยภาษาอังกฤษสะดุด

คำประสม: ภาษาดัตช์รวมคำเข้าด้วยกัน Persoonsgegevens (ข้อมูลส่วนบุคคล) และ Burgerservicenummer (หมายเลขประจำตัวประชาชน) แต่ละคำเป็นคำเดียว โมเดลที่สร้างสำหรับภาษาอังกฤษมักแยกคำในจุดที่ผิด ซึ่งทำลายการตรวจจับเอนทิตี

นามสกุลท้าย: คำต่อท้าย -je และ -tje ปรากฏในชื่อแรก — Annetje, Hansje โมเดลชื่อต้องจัดการทั้งรูปพื้นฐานและรูปย่อ

รูปแบบที่อยู่: ประเภทถนนรวมถึง Straat, Laan, Weg, Plein, และ Gracht รหัสไปรษณีย์ใช้สี่หลักบวกตัวอักษรสองตัว (เช่น: 1234 AB) แต่ละรหัสแมปกับถนนเดียว ดังนั้นจึงเปิดเผยข้อมูลมากกว่ารหัสไปรษณีย์ยุโรปส่วนใหญ่

รูปแบบ IBAN: IBAN ของดัตช์มี 18 ตัวอักษร: NL + เลขตรวจสอบ 2 หลัก + รหัสธนาคาร 4 ตัวอักษร + หมายเลขบัญชี 10 หลัก ประเทศนี้มีการใช้งานการชำระเงินด้วยบัตรสูง เอกสารทางการเงินจึงมี IBAN จำนวนมาก สำหรับวิธีการให้คะแนนความเชื่อมั่นในประเภท ID ต่างๆ ดู การตรวจจับ PII แบบไบนารีและการให้คะแนนความเชื่อมั่น

รายการตรวจสอบทางเทคนิคสำหรับการปฏิบัติตาม AP

เพื่อให้ตรงตามมาตรฐานปัจจุบันของ AP ระบบข้อมูลต้องการ:

  1. การตรวจจับ BSN ด้วย Elfproef — การจับคู่รูปแบบเพียงอย่างเดียวไม่เพียงพอ
  2. NER ภาษาดัตช์ — โมเดลเช่น spaCy nl_core_news จัดการคำประสมและชื่อย่อ
  3. การตรวจจับ IBAN — รับรู้รูปแบบ ไม่ใช่ทั่วไป
  4. บันทึก Subprocessor สำหรับการโอนข้อมูลข้ามพรมแดนทั้งหมด
  5. TIA สำหรับผู้ขายสหรัฐฯ — ลำดับความสำคัญในการตรวจสอบสด AP หลังคำตัดสิน Uber

หลัง Uber TIA สำหรับผู้ขายสหรัฐฯ เป็นข้อกำหนดพื้นฐาน ไม่ใช่แนวปฏิบัติที่ดีที่สุด สำหรับการวิเคราะห์แบบเต็มของคำตัดสินและผลกระทบต่อการโอนข้อมูล ดู AP Uber fine และการบังคับใช้การโอนข้อมูลข้ามพรมแดน

แหล่งที่มา

พร้อมที่จะปกป้องข้อมูลของคุณหรือยัง?

เริ่มทำให้ PII เป็นนิรนามด้วยประเภทเอนทิตีมากกว่า 285 ประเภทใน 48 ภาษา.

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.