anonym.legal

By · Last updated 2026-05-06

กลับไปที่บล็อกGDPR & การปฏิบัติตาม

ความขัดแย้ง GDPR: เครื่องมือไม่เปิดเผยตัวตนของคุณถูกกฎหมายหรือไม่?

ค่าปรับ Uber 290 ล้านยูโร (Dutch DPA 2024) เกิดจากการส่งข้อมูลคนขับชาวยุโรปไปยังเซิร์ฟเวอร์สหรัฐฯ เครื่องมือไม่เปิดเผยตัวตนส่วนใหญ่ที่ใช้ฐานในสหรัฐฯ ประมวลผลข้อมูลในลักษณะเดียวกัน

May 6, 20268 อ่านประมาณ
GDPR anonymization paradoxUber Dutch AP fineUS server EU data transferzero-knowledge GDPR compliancedata residency

title: "ความขัดแย้ง GDPR: เครื่องมือไม่เปิดเผยตัวตนของคุณถูกกฎหมายหรือไม่?" description: "ค่าปรับ Uber 290 ล้านยูโร (Dutch DPA 2024) เกิดจากการส่งข้อมูลคนขับชาวยุโรปไปยังเซิร์ฟเวอร์สหรัฐฯ เครื่องมือไม่เปิดเผยตัวตนส่วนใหญ่ที่ใช้ฐานในสหรัฐฯ ประมวลผลข้อมูลในลักษณะเดียวกัน" category: gdpr-compliance publishedAt: 2026-04-22 tags:

  • ความขัดแย้ง GDPR
  • เครื่องมือไม่เปิดเผยตัวตน
  • การถ่ายโอนข้อมูล EU-US
  • ค่าปรับ Dutch DPA
  • การออกแบบ zero-knowledge readingTime: 7

ความขัดแย้งในการปฏิบัติตามกฎระเบียบ

อัปเดตสำหรับปี 2026

บริษัทต่างๆ ใช้เครื่องมือไม่เปิดเผยตัวตนเพื่อปฏิบัติตามกฎ GDPR เครื่องมือนี้ถูกมองว่าเป็นทางออก มันปกป้องข้อมูลส่วนตัวภายใต้มาตรา 32 แต่หากเครื่องมือส่งไฟล์ส่วนตัวของ EU ไปยังเซิร์ฟเวอร์ในสหรัฐฯ มันกลับสร้างการละเมิดที่ซื้อมาเพื่อป้องกันนั้นเอง

ในเดือนสิงหาคม 2024 หน่วยงานคุ้มครองข้อมูลของเนเธอร์แลนด์ปรับ Uber 290 ล้านยูโร นี่คือค่าปรับการถ่ายโอน EU สูงสุดในประวัติศาสตร์ ณ ขณะนั้น สาเหตุ: Uber ส่งเอกสารของคนขับชาวยุโรปไปยังเซิร์ฟเวอร์ในสหรัฐฯ ชื่อ ไฟล์ตำแหน่ง รายละเอียดการชำระเงิน และเอกสารประจำตัวล้วนถูกส่งผ่าน โดยไม่มีการคุ้มครองตามมาตรา 46 ที่เหมาะสม Dutch DPA ตัดสินว่าการใช้เซิร์ฟเวอร์สหรัฐฯ ของ Uber เป็นการละเมิด GDPR อย่างต่อเนื่อง

ตรรกะเดียวกันนี้ใช้กับเครื่องมือไม่เปิดเผยตัวตน เครื่องมือ SaaS ของสหรัฐฯ ที่นำข้อมูลส่วนตัวของ EU ไปยังเซิร์ฟเวอร์สหรัฐฯ กำลังทำสิ่งเดียวกับที่ Dutch DPA ลงโทษ วัตถุประสงค์ — การไม่เปิดเผยตัวตน เทียบกับ การจัดการการเดินทาง — ไม่เปลี่ยนแปลงการวิเคราะห์ทางกฎหมาย ดูภาพรวมการปฏิบัติตามกฎระเบียบของเราสำหรับสรุปที่เข้าใจง่าย

DPO สังเกตเห็นแล้ว

DPO ได้หยิบยกประเด็นนี้ตั้งแต่ Schrems II ในปี 2020 คำตัดสินนั้นยกเลิก EU-US Privacy Shield และกำหนดกฎว่าเซิร์ฟเวอร์สหรัฐฯ ไม่ปลอดภัยสำหรับไฟล์ส่วนตัวของ EU หากไม่มีการคุ้มครองพิเศษ

เครื่องมือสหรัฐฯ ทุกตัวที่รับไฟล์ส่วนตัวของ EU ต้องมีพื้นฐานทางกฎหมายสำหรับการถ่ายโอนในเอกสาร ค่าปรับ GDPR รวมถึง 5.65 พันล้านยูโร จนถึงปี 2025 การละเมิดการถ่ายโอนมีค่าเฉลี่ย 18 ล้านยูโร ต่อการดำเนินคดี ความเสี่ยงนี้เป็นเรื่องจริง มันได้สร้างค่าปรับจำนวนมากแล้ว และจะสร้างต่อไปอีก

สองทางออกสำหรับความขัดแย้ง

มีวิธีแก้ปัญหาจริงสองอย่าง อย่างแรก ประมวลผลเอกสารบนเซิร์ฟเวอร์ EU เท่านั้น ไฟล์จะไม่ออกจาก EU เลย อย่างที่สอง ใช้การออกแบบ zero-knowledge โดยไม่มีเนื้อหาส่วนตัวใดถึงเซิร์ฟเวอร์เลย

การโฮสต์ใน EU เพียงอย่างเดียวอาจไม่เพียงพอ บริษัทสหรัฐฯ บนเซิร์ฟเวอร์ EU ยังสามารถถูกสั่งให้ส่งมอบไฟล์ได้ FISA Section 702 และ Executive Order 12333 ครอบคลุมบริษัทสหรัฐฯ และหน่วยงาน EU ของพวกเขา บริษัทแม่สหรัฐฯ อาจถูกบังคับให้ให้การเข้าถึง — แม้แต่ไฟล์บนเซิร์ฟเวอร์ EU

การออกแบบ zero-knowledge แก้ปัญหานี้ได้ หากไม่มีเนื้อหาส่วนตัวถึงเซิร์ฟเวอร์ ตำแหน่งของเซิร์ฟเวอร์ไม่สำคัญ สิ่งที่ถึงเซิร์ฟเวอร์ — โทเค็นที่เข้ารหัส ค่าที่ปิดบัง ผลลัพธ์ที่แปลงแล้ว — ไม่ใช่ข้อมูลส่วนตัวภายใต้ GDPR มันอยู่นอกกฎการถ่ายโอน อ่านเกี่ยวกับแนวทาง zero-knowledgeของเราและดูแผนราคารวมถึง Desktop App ในเครื่อง

anonym.legal ใช้การออกแบบ zero-knowledge เซิร์ฟเวอร์ไม่เคยเห็นเนื้อหาข้อความธรรมดา การละเมิดเซิร์ฟเวอร์อย่างสมบูรณ์จะให้เพียง ciphertext AES-256-GCM Desktop App ทำงานบนอุปกรณ์ของคุณเท่านั้น — ไม่มีการเชื่อมต่อภายนอก

แหล่งข้อมูล

บทความที่เกี่ยวข้อง

GDPR & การปฏิบัติตาม

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR & การปฏิบัติตาม

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR & การปฏิบัติตาม

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

พร้อมที่จะปกป้องข้อมูลของคุณหรือยัง?

เริ่มทำให้ PII เป็นนิรนามด้วยประเภทเอนทิตีมากกว่า 285 ประเภทใน 48 ภาษา.

เริ่มทดลองใช้ฟรีดูฟีเจอร์

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.