ข้อมูลเชิงลึกเกี่ยวกับความเป็นส่วนตัวของข้อมูล
บทความจากผู้เชี่ยวชาญเกี่ยวกับความปลอดภัยของ AI, การปฏิบัติตาม GDPR, การปกป้องข้อมูลด้านสุขภาพ, และแนวปฏิบัติที่ดีที่สุดในการทำให้ PII เป็นนิรนาม.
บทความทั้งหมด
Vibe Coding และการรั่วไหลของ PII: ความเสี่ยงด้านความปลอดภัยที่ไม่มีใครพูดถึง
โค้ดที่สร้างโดย AI แทบไม่มีการจัดการ PII 73% ของแอปที่ vibe-coded ประมวลผลข้อมูลสำคัญโดยไม่มีการปกปิด นี่คือสิ่งที่นักพัฒนาต้องรู้
COPPA เมษายน 2026: สิ่งที่แพลตฟอร์ม EdTech ต้องทำก่อนถึงกำหนด
กฎ COPPA ที่อัปเดตมีผลบังคับใช้วันที่ 22 เมษายน 2026 Reddit ถูกปรับ £14.47 ล้านเนื่องจากความล้มเหลวด้านข้อมูลของเด็ก แพลตฟอร์ม EdTech ต้องเผชิญความเสี่ยงเดียวกัน
LangChain CVE-2025-68664: PII รั่วไหลผ่าน RAG Pipeline ของคุณอย่างไร
CVSS 9.3 ฟังก์ชัน serialization ของ LangChain เปิดเผยตัวแปรสภาพแวดล้อมและความลับให้กับ LLM ที่ถูกควบคุมโดยผู้โจมตี วิธีตรวจจับและแก้ไขการรั่วไหลของ PII
ความปลอดภัย MCP Server ปี 2026: 8,000 เครื่องเปิดเผย 492 ไม่มีการยืนยันตัวตน
MCP server กว่า 8,000 เครื่องเปิดเผยต่อสาธารณะ 492 ไม่มีการยืนยันตัวตนเลย 36.7% เสี่ยงต่อ SSRF ปกป้อง PII ในเครื่องมือ MCP ของคุณ
EU AI Act สิงหาคม 2026: การ Anonymize ข้อมูล Training เพื่อให้เป็นไปตามมาตรา 10
EU AI Act เริ่มบังคับใช้เต็มรูปแบบวันที่ 2 สิงหาคม 2026 โทษปรับสูงถึง €35 ล้านหรือ 7% ของยอดขายทั่วโลก มาตรา 10 กำหนดให้ต้อง anonymize ข้อมูล training
การทำให้ไม่ระบุตัวตนถาวร: ความเสี่ยงการทำลายหลักฐาน
34.8% ของข้อมูลที่ส่งให้ ChatGPT มีข้อมูลละเอียดอ่อน (Cyberhaven) วิธีแก้ไข ซึ่งก็คือการทำให้ไม่ระบุตัวตนถาวร สร้างความเสี่ยงทางกฎหมายของตัวเอง: การทำลายหลักฐาน GDPR มาตรา 4(5) และ Rule 37(e) กำหนดให้ต้องสามารถย้อนกลับได้
ค่าใช้จ่ายปิดทับ 80,000 ดอลลาร์: แก้ด้วย Word Add-In
ที่ 200–400 ดอลลาร์/ชั่วโมง การผลิตเอกสาร 10,000 ฉบับใช้เวลาทนายความ 26,000–80,000 ดอลลาร์ (RAND) Bloomberg Law 2024 พบว่าระบบอัตโนมัติลดเวลานั้นลงอย่างมีนัยสำคัญ
Browser DLP: การบล็อกเทียบกับแนวทางการทำนิรนาม 2026
สองแนวทางสำหรับ Browser DLP: การบล็อกป้องกันการส่ง PII ไปยังเครื่องมือ AI ส่วนการทำนิรนามเปลี่ยนแปลงข้อมูลก่อนส่ง การเปรียบเทียบอย่างเป็นกลาง
Samsung สูญเสียซอร์สโค้ดให้ ChatGPT ถึง 3 ครั้ง
ทีมวิศวกรสามทีมที่แตกต่างกันของ Samsung วางโค้ดที่เป็นกรรมสิทธิ์และข้อมูลลับลงใน ChatGPT ในเดือนเมษายน 2023 เหตุการณ์แต่ละครั้งเผยให้เห็นช่องโหว่ที่แตกต่างกัน
บทลงโทษ E-Discovery: การปิดทับด้วย AI ยังไม่เพียงพอ
ในคดี Athletics Investment Group v. Schnitzer Steel (2024) การปิดทับที่ไม่เหมาะสมนำไปสู่บทลงโทษด้านการค้นพยาน เมื่อเครื่องมือ AI ทำได้เพียง 22.7% ความแม่นยำ ทีมกฎหมายเผชิญความรับผิดที่แท้จริง
การละเมิด SaaS พุ่งสูง 300%: ต้องการสถาปัตยกรรม Zero-Knowledge
Conduent เปิดเผยข้อมูล 25.9 ล้านรายการ NHS Digital: ผู้ป่วย 9 ล้านคน ผู้โจมตีเจาะระบบ SaaS ของผู้ให้บริการภายใน 9 นาที เมื่อผู้ให้บริการของคุณกลายเป็นช่องทางการโจมตี
HIPAA ในระบบคลาวด์: Zero-Knowledge สำหรับ PHI
Business Associate Agreements ไม่ป้องกันการละเมิด HIPAA เมื่อ AI vendor ระบบคลาวด์ของคุณประมวลผล PHI ในรูปแบบ plaintext นี่คือสิ่งที่สถาปัตยกรรม zero-knowledge ทำแทน
ส่วนขยาย LibreOffice สำหรับการปกปิดข้อมูลส่วนบุคคล (PII)
คู่มือทีละขั้นตอนสำหรับการปกปิดข้อมูลส่วนบุคคลในเอกสาร LibreOffice โดยใช้ส่วนขยาย anonym.legal
LibreOffice กับ Office: เปรียบเทียบการปกปิดข้อมูล PII
เปรียบเทียบโดยละเอียดเกี่ยวกับความสามารถด้านการปกปิดข้อมูลส่วนบุคคลใน LibreOffice (ส่วนขยาย anonym.legal) กับ Microsoft Office (Office Add-in)
การปกปิดตัวตนในเอกสารโอเพนซอร์สด้วย LibreOffice
วิธีที่องค์กรภาครัฐใช้ LibreOffice ร่วมกับส่วนขยาย anonym.legal สำหรับการปกปิดข้อมูลเอกสารที่สอดคล้องกับ GDPR
PII ข้ามแพลตฟอร์ม: Office และ LibreOffice
วิธีที่องค์กรที่ใช้ทั้ง Microsoft Office และ LibreOffice รักษาความสม่ำเสมอในการปกปิดข้อมูลส่วนบุคคล (PII) ด้วย anonym.legal
การแบน AI ในองค์กร: ผลผลิตกับความเสี่ยง
27.4% ของเนื้อหา AI chatbot ในองค์กรมีข้อมูลที่ละเอียดอ่อน — เพิ่มขึ้น 156% เทียบปีต่อปี แต่ 71.6% ของการเข้าถึง AI เกิดขึ้นผ่านบัญชีส่วนตัว
ส่วนขยาย Chrome ด้านความเป็นส่วนตัวที่ปลอดภัยในปี 2026
ในเดือนมกราคม 2026 พบส่วนขยาย Chrome ที่เป็นอันตราย 2 ตัวซึ่งมีผู้ใช้รวมกว่า 900,000 คน ถูกจับได้ว่าแอบส่งข้อมูลการสนทนา ChatGPT และ DeepSeek ออกไปทุก 30 นาที
Browser DLP สำหรับ ChatGPT, Claude และ Gemini
DLP ขององค์กรแบบดั้งเดิมถูกสร้างขึ้นสำหรับการถ่ายโอนไฟล์และอีเมล ไม่ใช่ AI chatbot คู่มือนี้ครอบคลุม data loss prevention แบบ browser-native สำหรับ ChatGPT
เมื่อ CISO ด้านสุขภาพปฏิเสธการประมวลผล PHI บนคลาวด์
การละเมิดข้อมูลด้านสุขภาพ 725 ครั้งในปี 2024 ส่งผลกระทบต่อบันทึก 275 ล้านรายการ ด้วยต้นทุนการละเมิดเฉลี่ย $10.22M สูงสุดในทุกอุตสาหกรรม CISO ด้านสุขภาพกำลังตั้งคำถามเกี่ยวกับเครื่องมือคลาวด์
ค่าปรับ TikTok €530M: อธิปไตยข้อมูล GDPR
ค่าปรับ GDPR ของ TikTok €530M สำหรับการถ่ายโอนข้อมูล EU-จีน เป็นสัญญาณของยุคใหม่แห่งการบังคับใช้อธิปไตยข้อมูล ด้วยค่าปรับ GDPR รวม €5.65 พันล้าน
HHS 2025: บันทึกทางคลินิก AI ต้องการการตรวจจับ PHI
ระบบถอดความ AI อาจนำ PHI ของผู้ป่วย A เข้าไปในบันทึกของผู้ป่วย B โดยไม่ตั้งใจ นี่คือเหตุผลที่การตรวจจับ PHI แบบเรียลไทม์ก่อนบันทึกลง EHR คือการควบคุมที่ถูกต้อง
ทำไมการตรวจจับข้อมูลส่วนบุคคลแบบ Binary จึงล้มเหลวด้านการปฏิบัติตามกฎหมาย
การแจ้งผลแบบ ตรวจพบ/ไม่ตรวจพบ ไม่เพียงพอสำหรับบริบทการปฏิบัติตามกฎหมายที่ต้องอาศัยดุลพินิจของมนุษย์ การให้คะแนนความเชื่อมั่นเปลี่ยนการทำให้ข้อมูลส่วนบุคคลไม่ระบุตัวตนจากการเดาแบบ binary ให้กลายเป็นการควบคุมการปฏิบัติตามกฎหมายที่ตรวจสอบได้
การลดข้อมูลตาม GDPR: API แบบเรียลไทม์
GDPR มาตรา 5(1)(c) กำหนดให้เก็บรวบรวมเฉพาะข้อมูลที่จำเป็นเท่านั้น การผสานรวม API แบบเรียลไทม์ป้องกันการเก็บข้อมูลเกินความจำเป็นตั้งแต่ขั้นตอนการส่งฟอร์ม ก่อนที่ข้อมูลจะเข้าสู่ระบบ
เริ่มปกป้องข้อมูลของคุณวันนี้
ประเภทเอนทิตีมากกว่า 267 ประเภท, 48 ภาษา, ความปลอดภัยระดับองค์กรในราคาสำหรับผู้เริ่มต้น.
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.