Teknik
PII tespiti, NER ve anonimleştirme teknolojisi üzerine derinlemesine incelemeler
33 makaleler
Presidio: 3 Haftalık Kurulum ve Yönetilen KVVi Alternatifi
Microsoft Presidio'nun binlerce GitHub yıldızı ve yüzlerce açık sorunu var. Kurulum karmaşıklığı, PySpark entegrasyon ek yükü ve Python bağımlılıkları ekipleri yönetilen alternatiflere yönlendiriyor.
6 Haftadan 3 Güne: Yönetilen KVVi Kurulumu
Sağlık SaaS ekipleri, yönetilen API'ye geçmeden önce kendi barındırmalı Presidio üretim dağıtımında 6 hafta harcıyor. Yönetilen API bu dağıtımı tamamen ortadan kaldırıyor.
"Ücretsiz" KVVi Tespiti Yılda 13.000 €'ya Mal Oluyor
Presidio'yu kendi sunucunuzda barındırmak 40–80 saatlik ilk kurulum ve ayda 5–10 saatlik süregelen bakım gerektiriyor. Saatlik 100 € mühendislik ücretiyle bu 13.200 €'nun üzerinde.
Presidio'nun %22,7 Hassasiyet Sorunu
2024 karşılaştırmalı testinde Presidio'nun kişi adı tanımlayıcısının iş belgelerinde %22,7 hassasiyet sağladığı bulundu; bu da algılamaların %77,3'ünün yanlış pozitif olduğu anlamına geliyor.
Yeniden Üretilebilir Gizlilik: ML Ön Ayarları
ML eğitim verisi anonimleştirmesi tutarlı ve yeniden üretilebilir olmalıdır. A ve B veri bilimcileri farklı varlık türleri uygularsa eğitim veri kümeleri tutarsız hale gelir.
GDPR Uyumlu Boru Hattı: Depolamadan Önce Anonimleştirin
dbt sütun etiketleri GDPR uyumu değildir. Ham müşteri verileri, etiket tabanlı politikalar devreye girmeden önce Snowflake ambarınıza maskelenmemiş olarak ulaşır.
FOIA: Haftalardan Saatlere Redaksiyon
Federal hükümet 2024'te FOIA işlemleri için tahminen 500 milyon dolar harcadı; maliyetin büyük bölümü manuel redaksiyondan kaynaklandı. ARPA-H yapay zekâ destekli redaksiyon yazılımı temin etmek için açıkça harekete geçti.
GDPR Uyumlu ML Eğitim Verisi Anonimleştirme
GDPR, kişisel verilerin toplanma amacı dışında ML model eğitiminde kullanılmasını kısıtlar. Geçici Python betiklerine dayanan veri bilimi ekipleri ciddi uyum riskleriyle karşı karşıyadır.
FOIA: Toplu Gizlemeyle %80 Daha Hızlı İşleme
ABD federal kurumları FY2024'te 1,5 milyon FOIA talebi aldı; talep başına ortalama maliyet 482 dolar. Toplu kişisel veri gizlemesi, işleme süresini aylardan haftalara indiriyor.
Presidio ile anonym.legal Karşılaştırması: Kur veya Satın Al
Microsoft Presidio teknik olarak ücretsiz ancak düzgün kurulum için 40-80 mühendislik saati gerektiriyor. anonym.legal, yönetilen bir SaaS olarak aynı makine öğrenmesi doğruluğunu sunuyor.
Hava Boşluklu Gizlilik: Çevrimdışı Anonimleştirme
FedRAMP ve ITAR ortamlarının ortak bir noktası var — bulut bir seçenek değil. GDPR Madde 4(5) kapsamında tersine çevrilebilir takma adlaştırma.
KBV Araçlarındaki Yanlış Pozitif Maliyeti
Presidio GitHub sorunu #1071 sistematik yanlış pozitifleri belgeliyor. 2024 araştırması karma dilli kurumsal veri setlerinde %22,7 hassasiyet saptadı.
Arapça ve İbranice KBV: Batı Araçları Yetersiz Kalıyor
GDPR Boğaz'da bitmez. AB iş akışlarındaki Arapça ve İbranice kişisel veriler sistematik olarak korumasız kalıyor. XLM-RoBERTa çapraz dilsel tespiti ve.
Karışık Dilli PII: Tek Dilli Araçlar Yetersiz Kalıyor
AB işletmelerinin %72'si aynı anda 3'ten fazla dildeki belgeleri işliyor. Karışık dilli belgeler, tek dilli NER araçlarında %45 daha yüksek PII kaçırma oranına neden oluyor.
APAC KKB Tespiti: Tayca, Endonezce, Vietnamca
12 APAC dilinde aylık 500.000 destek sohbeti işleyen bir Singapur fintech şirketi, yalnızca İngilizce aracının İngilizce olmayan sohbetlerin yüzde 60'ında KKB'yi gözden kaçırdığını keşfetti.
Yanlış Pozitifler: ML Redaksiyonu Neden Başarısız Olur
2024 kıyaslaması, Presidio'nun 4.434 örnekte 13.536 yanlış pozitif isim tespiti ürettiğini ortaya koydu; zamirleri, gemi adlarını ve ülkeleri kişi adı olarak işaretledi.
ISO 27001 + ZK Satıcı Değerlendirme Süresini Kısaltır
2025 araştırması, 'tanınmış güvenlik sertifikasyonu eksikliğinin' CISO'ların SaaS satıcılarını eleydiği 2. neden olduğunu ortaya koydu. ISO 27001 kombinasyonunun sağladıkları.
ZK Mimarisi Satış Döngülerini Kısaltır
Kurumsal satıcı güvenlik anketleri ortalama 100'den fazla soru içerir. Sıfır bilgi mimarisi en zor soruları kesin olarak yanıtlar — ve satışı kapatır.
LastPass İhlali: Tedarikçi Güvenliği Dersleri
LastPass kullanıcılarının verilerini şifreledi. Kasalar yine de ele geçirildi. 600.000'den fazla Okta kaydı bunu izledi. SaaS güvenlik olayları 2022'den bu yana %300 arttı.
LastPass Sonrası ZK İddialarını Değerlendirme
'Şifreli' kasaları ele geçirilen LastPass kullanıcılarından 438 milyon dolar çalındı. 1,2 milyon sterlinlik ICO cezası takip etti. Bir tedarikçinin sıfır bilgi iddiasının geçerli olup olmadığını değerlendirmek için kontrol listesi.
LangChain CVE-2025-68664: KKB RAG Hattınızdan Nasıl Sızıyor
CVSS 9,3. LangChain'in serileştirme işlevleri ortam değişkenlerini ve sırları saldırgan kontrolündeki LLM'lere açığa çıkarıyor. KKB sızıntıları nasıl tespit edilip düzeltilir.
LibreOffice KKB Anonimleştirme Uzantısı
anonym.legal uzantısını kullanarak LibreOffice belgelerindeki KKB'yi anonimleştirmeye yönelik adım adım rehber.
LibreOffice - Office Karşılaştırması: KKB Redaksiyonu
LibreOffice'te (anonym.legal uzantısı) ve Microsoft Office'te (Office Eklentisi) KKB anonimleştirme yeteneklerinin ayrıntılı karşılaştırması.
İkili KKB Tespiti Neden Uyumu Karşılamaz
Tespit edildi/edilmedi, insan yargısı gerektiren uyum bağlamlarında yetersiz kalır. Güven skoru, KKB anonimleştirmesini ikili bir tahminden doğrulanabilir bir uyum kontrolüne dönüştürür.
KKB Araçlarında Belge Formatı Parçalanması
Tek bir KVKK veri erişim talebi yanıtı Word sözleşmelerini, PDF faturalarını, Excel müşteri listelerini ve CSV dışa aktarmalarını kapsayabilir. Her format için farklı araç kullanmak ciddi uyumluluk açıkları yaratır.
GDPR Uyumlu Log Anonimleştirmesi: Hata Ayıklamayı Koruyun
Uygulama günlükleri sessiz sedasız kullanıcı e-postalarını, IP adreslerini ve hesap numaralarını biriktirir. Günlükleri üçüncü taraflarla, yüklenicilerle ve gözlemlenebilirlik platformlarıyla güvenli şekilde paylaşmanın yolu.
Uygulama Loglarında GDPR: JSON KKV Uyum Rehberi
Uygulama logları; GDPR Madde 5(1)(e) kapsamında yönetilmesi gereken müşteri e-posta adreslerini, IP'leri ve hesap numaralarını barındırır.
Uygulamalar Arası KKB: Word, Chrome ve Yapay Zeka
Müşteri verileri tarayıcı araştırmasından Word taslağına, oradan Claude istemlerine akar. Her bağlam geçişi potansiyel bir sızıntı noktasıdır.
Çapraz Platform KKB: Mac, Linux ve Windows
Mac'te gizlilik görevlileri, Windows'ta hukuk, Linux'ta veri mühendisleri; hepsi farklı araçlarla aynı verileri işliyor. İşte işletim sisteminden bağımsız algılamanın neden gerekli olduğu.
Hava Boşluklu KKB: Savunma İçin Çevrimdışı Öncelik
Kurumsal güvenlik politikalarının %41'i bulut üzerinde gizli belge işlemeyi yasaklıyor.
Geri Alınabilir mi Kalıcı mı: Redaksiyon Seçimi
GDPR anonimleştirme ile takma ad kullanımını birbirinden ayırır. Mahkemeler orijinal belgeye ihtiyaç duyar. Araştırmalar yeniden tanımlamayı gerektirir. Her yaklaşımı ne zaman kullanacağınızı öğrenin.
Çok Dilli NER: İngilizce Arapçada Yetersiz Kalıyor
İngilizce NER modelleri %85-92 doğruluk sağlıyor. Arapça ve Çincede? Çoğunlukla %50-70. Teknik zorlukları ve gerçek anlamda çok dilli sistem kurumunu öğrenin.
Claude ve ChatGPT'yi Kişisel Veri Sızdırmadan Kullanın
Yapay zeka araçlarını güvenli kullanmak için geliştirici rehberi. Claude Desktop, Cursor ve VS Code'da şeffaf KVK koruması için MCP Server entegrasyonu nasıl kurulur.
Verilerinizi Bugün Koruma Altına Alın
285+ varlık türü, 48 dil, girişim düzeyinde güvenlik başlangıç fiyatlarıyla.
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 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
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
- 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.