By · Last updated 2026-06-05

Bloga DönGDPR & Uyumluluk

ANSPDCP Romanya: CNP Tespiti ve Kontrolleri

ANSPDCP, araçların %78'inin Romanya CNP'sini uygun doğrulamayla tespit edemediğini buldu. CNP, cinsiyet, doğum tarihi ve doğum ilini kodlar — GDPR özel kategori etkileri.

June 5, 20267 dk okuma
Romania ANSPDCPCNP checksum validationRomanian GDPRBPO complianceRomanian identifiers

ANSPDCP Romanya: CNP Tespiti ve GDPR Kontrolleri

2026 için güncellenmiştir

Romanya'nın veri kurumu ANSPDCP'dir. 2024 değerlendirmesi, KBV araçlarının %78'inin Cod Numeric Personal'ı (CNP) tespit edemediğini ortaya koydu. Çoğu sağlama toplamı adımını atlıyor. Bu boşluk gerçek bir uyumluluk riski yaratıyor. Romanya, pek çok Batılı müşteri için AB verisi işliyor. Maruziyet geniş.

Romanya'nın En Veri Yoğun Ulusal Kimliği

CNP, 13 haneli ulusal tanımlayıcıdır. Her rakam grubu kişisel veri barındırır:

  • Rakam 1: Cinsiyet ve yüzyıl kodu. 1900–1999 arası doğan erkek = 1. 1900–1999 arası doğan kadın = 2. 2000+ doğan erkek = 5. 2000+ doğan kadın = 6. Erkek yabancı yerleşik = 7. Kadın yabancı yerleşik = 8. Diğer yerleşik = 9.
  • Rakam 2–3: Doğum yılının son iki hanesi.
  • Rakam 4–5: Doğum ayı (01–12).
  • Rakam 6–7: Doğum günü (01–31).
  • Rakam 8–9: İl kodu. 41 ili ve Bükreş'in altı sektörünü kapsar (kodlar 01–52).
  • Rakam 10–12: O gün ve ildeki doğum sırası.
  • Rakam 13: Kontrol rakamı.

Yalnızca 1. rakam biyolojik cinsiyeti ortaya koyuyor. Bu, GDPR Madde 9 kapsamında bu numarayı özel kategori veri öğesi yapar. Sıradan kişisel verilerden daha güçlü koruma gerektirir.

Kontrol rakamı nasıl çalışır: İlk 12 rakamı alın. Her birini ağırlığıyla çarpın (2, 7, 9, 1, 4, 6, 3, 5, 8, 2, 7, 9). Sonuçları toplayın. 11'e bölün ve kalanı alın. 10 kalıyorsa kontrol rakamı 1'dir. 11 kalıyorsa kod geçersizdir. Başka herhangi bir kalan, kontrol rakamıdır.

Bu testi atlayan araçların iki başarısızlık modu vardır. Birincisi, herhangi bir 13 haneli dize eşleşme olarak işaretleniyor (yanlış pozitifler). İkincisi, bozuk bir numara desen kontrolünü geçiyor ama hatalı veri barındırıyor. Bu veri gözden geçirilmeli ve kaçırılıyor (yanlış negatifler).

Romanyaca Dilli Belgelerde NER Sorunları

Tanımlayıcıları bulmak işin yalnızca bir parçası. Romanyaca metin, daha fazla tespit engeli ekliyor.

Diakritikler: Romanyaca ș, ț, ă, â ve î kullanır. Diğer diller için eğitilmiş araçlar çoğu zaman bu harfleri içeren isimleri kaçırıyor. Latin-2 kodlamasındaki eski belgeler daha fazla başarısızlığa yol açıyor.

Adres biçimleri: Sokak türleri kısa biçimler kullanır — Str., Bd., Al., Cal. Şehir ve köy adları yerel kurallara uyar. Fransız veya Alman adresleri için oluşturulan çözümleyiciler burada düşük performans gösterir.

İsim çekimi: İsimler Romancada dilbilgisel duruma göre biçim değiştirir. Aynı kişinin adı cümlenin farklı bölümlerinde farklı görünür. NER modellerinin isimleri belge genelinde bağlayabilmesi için bunu işleyebilmesi gerekir.

Dil boşluklarının Batı dışı alfabelerde tespiti nasıl etkilediği için APAC KBV tespit rehberimize bakın.

ANSPDCP Davalarının Gelişim Şekli

ANSPDCP davaları üç örüntü gösteriyor.

BPO ihlal davaları: Paylaşılan dosyalar, şifreleme olmaksızın çalışan kimlik numaraları ve AB müşteri verisi barındırıyor. Zayıf günlükler, firmanın hangi kayıtlara erişildiğini söyleyememesine neden oluyor. Bu durum soruşturmayı uzatıyor ve cezayı artırıyor.

Sağlık maruziyeti: Hasta dosyaları — ulusal kimlik, sağlık kartı kimliği ve teşhis — yanlış kişiye ulaşıyor. KBV aracının bu biçim için desteği yoktu. Veri maskeleme yapılmadan gönderildi.

Sınır ötesi transfer başarısızlıkları: Bir dış kaynak firması, tanımlayıcıyla bağlantılı kayıtları AEA dışı bir tarafa gönderiyor. Transfer Etki Değerlendirmesi yok. Standart Sözleşme Maddeleri yok. Verinin Madde 9 statüsü, olağan bir boşluğu daha ciddi bir ihlale dönüştürüyor.

ANSPDCP Uyumluluğu İçin Üç Kontrol

Bu üçü minimum teknik tabanı oluşturuyor:

  1. Modulo-11 doğrulamalı CNP tespiti — salt desen eşleştirme yeterli değil.
  2. Diakritik farkındalıklı NER — hem UTF-8 hem Latin-2 kaynaklarda ș, ț, ă, â ve î'yi kapsar.
  3. Kimlik kartı tespiti — ulusal kart birçok belge türünde CNP ile birlikte görünüyor.

Ulusal kimlik numaralarının nasıl GDPR riski yarattığına ilişkin daha geniş bir bakış için AB ulusal vergi kimliği tespit rehberimize bakın.

Kaynaklar

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

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.