By · Last updated 2026-06-05

Bloga DönGDPR & Uyumluluk

Datatilsynet: Danimarka Sağlık Verisi ve GDPR

Danimarka'nın Datatilsynet, 2024'te 31 GDPR kararı verdi; bunların 14'ü sağlık veri sistemleriyle ilgiliydi. CPR numarası, genel amaçlı NLP araçlarının yalnızca %33'ünün doğru uyguladığı modulus-11 doğrulaması gerektiriyor.

June 5, 20268 dk okuma
Denmark DatatilsynetCPR numberhealthcare GDPRNordic data protectionhealth data

Danimarka'nın Datatilsynet otoritesi, Avrupa'da sağlık verisi yaptırımında öncü konuma gelmiştir. 2024'te yetkili, 31 GDPR kararı verdi; bunların 14'ü (%45) doğrudan sağlık veri sistemleriyle ilgiliydi. 5,9 milyonluk nüfusu olan bu ülkede bu yaptırım yoğunluğu, Danimarka'nın gelişmiş dijital sağlık altyapısını ve yüksek teknik uyum standartlarını yansıtmaktadır.

Danimarka'nın Sağlık Verisi Altyapısı

Danimarka, dünyanın en kapsamlı ulusal sağlık veri sistemlerinden birine sahiptir. Her Danimarka vatandaşının, elektronik sağlık kayıtlarına, ulusal reçete siciline, ulusal hasta kaydına (1977'den bu yana tüm hastane temaslarını izliyor) ve Statens Serum Institut'taki biyobanka örneklerine bağlı bir CPR numarası bulunmaktadır.

Bu entegre altyapı, Danimarka sağlık verilerini araştırma için en değerli — ve gizlilik açısından en hassas — verilerden biri haline getiriyor. Datatilsynet'in sağlık alanındaki yaptırım odağı bu gerilimi yansıtmaktadır.

CPR Numarası: Teknik Zorluk

CPR numarası (Det Centrale Personregister-nummer), GGAAYY-XXXX formatında 10 basamaklı bir sivil kayıt numarasıdır. Son basamak, modulus-11 aritmetiğiyle doğrulanan bir kontrol basamağıdır.

CPR numarası, tüm Danimarka kamu yönetiminin temeli olmaya devam ediyor: sağlık, vergilendirme, sosyal yardımlar, oy kullanma ve bankacılık. Her sağlık belgesi bu numarayı içeriyor.

Datatilsynet, sağlık verilerinin ikincil kullanımında belgelenmiş anonimleştirme doğrulaması talep etmektedir. Teknik sorun: genel amaçlı NLP araçlarının %67'si CPR numarası için modulus-11 doğrulamasını uygulamıyor. Sağlama toplamı doğrulaması olmadan şu sonuçlar ortaya çıkıyor:

Yanlış pozitifler: Tarih benzeri dizeler, fatura numaraları ve referans kodları CPR numarası olarak işaretleniyor; bu da maliyetli manuel incelemeyi zorunlu kılıyor.

Yanlış negatifler: Sağlama toplamı doğrulamasında başarısız olan, yer değiştirilmiş basamaklı CPR numaraları gözden kaçıyor — bu da temiz görünen verilerde gerçek hasta tanımlayıcılarının kalmasına yol açıyor.

İkincil Sağlık Verisi Kullanım Gereksinimleri

Danimarka'nın sağlık sicil verileri, dünya standartlarında tıbbi araştırmaları destekliyor. Datatilsynet'in ikincil kullanıma ilişkin 2024 rehberi belirli teknik gereklilikler sunmaktadır:

Belgelenmiş anonimleştirme prosedürleri: Kuruluşlar, kimlik gizlemenin nasıl gerçekleştirildiğini tam olarak açıklayan yazılı teknik belgeler tutmalıdır — yalnızca sonucu değil, spesifik süreçleri, araçları ve doğrulama adımlarını da kapsayan.

Tamlığın doğrulanması: Belgeler, anonimleştirmenin doğrulandığına dair kanıt içermelidir. Bu, CPR numaraları ve diğer Danimarka sağlık tanımlayıcıları için algılama kapsamını gösteren test sonuçlarını kapsamaktadır.

Asgari zorunlu veri ilkesi: Araştırma sorusunun gerektirdiğinden fazla kişisel veri içeren araştırma veri kümeleri, sözde takma adlandırılmış olsalar dahi GDPR orantılılık ilkesini ihlal eder. Kuruluşlar, veri kapsamının belgelenmiş araştırma amacıyla örtüştüğünü kanıtlamalıdır.

Yapay zeka sistemleri için DPIA: Danimarka sağlık verilerini işleyen her yapay zeka sistemi, Datatilsynet'in model çerçevesini kullanan tamamlanmış bir DPIA gerektirir.

Kopenhag Sağlık Teknolojisi: Özel Uyum Gereksinimleri

Kopenhag'ın sağlık teknolojisi sektörü (Leo Pharma, Bavarian Nordic ve çok sayıda dijital sağlık girişimi) üç alanda yaptırım denetimiyle karşı karşıyadır:

Klinik yapay zeka araçları: Yapay zeka tanı araçları, GDPR Madde 22 uyumunu ve eğitim veri kümeleri için belgelenmiş anonimleştirmeyi kanıtlamak zorundadır. Datatilsynet, 2024'te birden fazla şirketin yeterli hukuki dayanak olmaksızın tanımlanabilir hasta CPR numaraları içeren eğitim veri kümesi kullandığını tespit etti.

Sınır ötesi transferler: Birkaç Danimarka sağlık teknolojisi şirketi, yapay zeka model eğitimi için ABD bulut sağlayıcılarıyla sözleşme yaptı. Datatilsynet, Transfer Etki Değerlendirmeleri talep ediyor ve yalnızca SCC'lerin ek teknik tedbirler (Avrupalı anahtar yönetimiyle şifreleme) olmaksızın sağlık verileri için yetersiz olduğunu tespit etti.

Denetim izi gereksinimleri: Sağlık verisi işleme için erişim günlükleri, hangi hasta kayıtlarına kimin eriştiğini ve belgelenmiş ne amaçla yapıldığını yeniden oluşturabilecek kapasitede olmalı — en az 5 yıl süreyle saklanmalıdır.

2024'teki Danimarka sağlık veri ihlallerinin %56'sı yetersiz kimlik gizlemeyi kapsıyordu. Danimarka dil desteğiyle CPR doğrulamalı algılama kullanan kuruluşlar, Danimarka sağlık GDPR yaptırımındaki en yaygın teknik başarısızlık biçimini ortadan kaldırmaktadır.

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.