anonym.legal

Paano Gumagana ang anonym.legal

Deterministic, regex-based PII detection na nagbibigay ng 100% na maulit na mga resulta. Parehong input, parehong output—tuwing oras. Walang AI, walang hula, tanging malinaw na pattern matching.

Subukan Ito ng LibreDokumentasyong Teknikal

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.

Bakit Regex, Hindi AI?

Aming Pamamaraan

  • 100% na maulit na mga resulta
  • Ganap na ma-audit para sa pagsunod
  • Walang kinakailangang training data
  • Malinaw na paggawa ng desisyon
  • Mabilis, predictable na pagganap
  • Walang model drift sa paglipas ng panahon

AI/ML na Pamamaraan

  • Nag-iiba-iba ang mga resulta sa bawat takbo
  • Black box na paggawa ng desisyon
  • Kailangan ng training data
  • Mahirap i-audit
  • Mas mataas na gastos sa compute
  • Model drift sa paglipas ng panahon
Alamin pa ang tungkol sa aming teknolohiya

Ang 10-Hakbang na Proseso

Mula sa input hanggang output, narito ang eksaktong nangyayari sa iyong dokumento

1

Input na Teksto

I-submit ang iyong dokumento sa pamamagitan ng web interface, API, o Office Add-in

2

Pagtukoy ng Wika

Tinutukoy ng sistema ang wika ng dokumento para sa pinakamainam na pagproseso

3

Tokenization

Ang teksto ay hinahati sa mga token para sa pattern matching

4

Pattern Matching

Ang mga regex pattern ay nag-scan para sa higit sa 50 uri ng entity

5

Pagsusuri ng Konteksto

Ang nakapaligid na teksto ay nagpapabuti sa katumpakan ng pagtukoy

6

Pagsusuri ng Kumpiyansa

Bawat pagtukoy ay tumatanggap ng kumpiyansa na marka

7

Pag-uuri ng Entity

Ang mga natukoy na item ay ikinategorya ayon sa uri

8

Suriin ang mga Resulta

Tingnan ang lahat ng pagtukoy kasama ang mga posisyon at marka

9

Mag-apply ng Anonymization

Pumili ng iyong pamamaraan: Palitan, Redact, Hash, Encrypt, o Mask

10

Output na Dokumento

I-download ang iyong anonymized na dokumento

Available lamang sa Pro at Business plans

MCP Server: Privacy-First AI Integration

Paano dumadaloy ang iyong data sa MCP Server upang mapanatiling ligtas ang mga AI tool

1

Kahilingan ng AI Tool

Ang iyong AI tool (Cursor, Claude) ay nagpapadala ng kahilingan na naglalaman ng PII

2

MCP Server ang Humahadlang

Sinusuri ng server at tinutukoy ang lahat ng PII entities

3

Anonymization

Ang PII ay pinapalitan ng mga token o redacted

Safe data only
4

AI Processing

Tumatanggap ang AI at nagpoproseso lamang ng anonymized na data

5

Pagbabalik ng Tugon

Ang tugon ng AI ay bumabalik sa pamamagitan ng MCP Server

6
Optional

De-tokenization

Opsyonal: Ang mga orihinal na halaga ay ibinabalik para sa gumagamit

Tunay na Halimbawa

Bago (may PII)
Iproseso ang pagbabayad para kay John Doe, email john@example.com, card 4532-1111-2222-3333

Ano ang nakikita ng AI

Pagkatapos (anonymized)
Iproseso ang pagbabayad para sa PII_PERSON_001, email PII_EMAIL_001, card PII_CREDIT_CARD_001

Ano ang makukuha mong pabalik

Hindi kailanman nakikita ng AI ang iyong tunay na PII
Maaaring ibalik sa tokenization mode
Parehong gastos ng token tulad ng web app
Gumagana sa maraming AI tool
Enterprise-grade na seguridad
Alamin pa ang tungkol sa MCP Server →

Mag-explore Pa

Teknolohiya

Malalim na pagtingin sa regex-based detection at kung bakit ito mas mabuti para sa pagsunod

Arkitektura

Arkitektura ng sistema at kung paano nagtutulungan ang mga bahagi

Seguridad

Limang layer ng seguridad na nagpoprotekta sa iyong data sa bawat hakbang

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.

Tingnan Ito sa Aksyon

Subukan ang aming PII detection at anonymization ng libre na may 200 tokens bawat cycle.

Gumawa ng Libreng AccountMabilis na Gabay