By · Last updated 2026-05-08

Bloga DönGDPR & Uyumluluk

Anonimleştirme mi Takma Adlandırma mı: 20 Milyon Euro'luk Risk

GDPR, anonimleştirilmiş ve takma adlandırılmış verilere temelden farklı davranır. Gerçek anonimleştirme GDPR kapsamını tamamen kaldırır; takma adlandırma ise kapsamı korur.

May 8, 20268 dk okuma
GDPR anonymization pseudonymizationArticle 4 recital 26personal data scope20 million EUR fineanonymization compliance determination

Anonimleştirme mi Takma Adlandırma mı: 20 Milyon Euro'luk Risk

Madde 83, azami cezaları 20 milyon euro veya küresel yıllık gelirin %4'ü olarak belirliyor. Bu riski belirleyen tek hukuki soru şu: kanun, veri kümenize uygulanıyor mu?

Anonimleştirme kapsamı kaldırır. Takma adlandırma kaldırmaz. Bu fark son derece büyük.

İki Tanım, Sade Bir Dille

Recital 26, anonimleştirme için çıtayı koyuyor. Bir kişi "tanımlanmış veya artık tanımlanabilir" olmamalıdır. Test geniş kapsamlıdır. "Makul olasılıkla kullanılabilecek" her yöntemi kapsar. Buna veri sorumlusu da dahildir. Aynı zamanda her işlemci ve her üçüncü tarafı da kapsar.

Madde 4(5) takma adlandırmayı tanımlıyor. Kayıtlar, bir anahtarın onları geri alabildiği durumlarda takma adlandırılmış sayılır. Anahtarı kaldırın, veri hâlâ orada. O ek verinin ayrı tutulması gerekir. Bu anonimleştirme değildir.

Takma adlandırılmış kayıtlar kişisel kayıt olmaya devam eder. Kanun tam anlamıyla geçerlidir. Kapsam muafiyeti yoktur. Nokta.

Yanlış Etiketin Bedeli

Takma adlandırılmış bir veri kümesini anonim olarak ele almak aynı anda beş sorun yaratır:

  • Madde 30 kapsamında hatalı ROPA kayıtları
  • Erişim, silme veya taşınabilirlik için veri sahibi hakları süreci yok
  • Saklama takvimi yok — silme tetikleyicisi bulunmuyor
  • Sınır ötesi çalışmalar için transfer güvenceleri yok
  • Silinme hakkı talepleri için silme yolu yok

Her boşluk ayrı bir ihlaldir. Beşi de aynı süreçte bir arada bulunabilir.

2025 Uygulama Sinyali

2025 yılında EDPB ortak bir uygulama egzersizi yürüttü. Rapor, tekrarlayan bir başarısızlığa dikkat çekti: "silme işlemine alternatif olarak kullanılan verimsiz anonimleştirme teknikleri." VKY'ler artık anonimleştirmenin kalitesini denetliyor. Yalnızca bir adım atılıp atılmadığını değil, o adımın işe yarayıp yaramadığını inceliyorlar.

Arama tablosuna sahip tokenize edilmiş bir veri kümesi takma adlandırılmıştır. Anonim değildir. Bir anahtarı vardır. Anahtar onu geri alabilir. Bunu anonim olarak nitelendirmek, 2025 raporunun hedef aldığı tam da bu hatadır.

Doğru Yöntemi Seçmek

Gerçek anonimleştirme — kapsam dışı. Sansür kullanın. Kişisel veri geri bağlantı olmaksızın yok edilir. Ayrıca önceki görüntü yolu olmayan yüksek entropili değerleri Hashleyebilirsiniz. Dayanağı belgeleyin. Çıktıya yasal yükümlülük bağlanmaz.

Takma adlandırma — kapsam içinde. Değiştir, Maskele veya Şifrele kullanın. Kanun tam anlamıyla geçerlidir. Takma adlandırma ihlal halindeki zararı azaltır; yasal yükümlülükleri azaltmaz.

Kontrollü geri alınabilirlik — araştırma veya denetim. Müşteri tarafında tutulan anahtarlarla Şifreleme kullanın. Anahtar gözetimi EDPB 05/2022 anahtar ayrışma kurallarını karşılamalıdır. Alanı DPIA'ya not edin.

Gerçek Bir Kullanım Örneği

Bir şirket, araştırmacılara "anonimleştirilmiş" müşteri kayıtları satıyor. Sansür yöntemini uyguluyorlar. Kişisel veri yok edildi. Token tablosu yok. Hash önceki görüntüsü yok. Yeniden tanımlamanın yolu bulunmuyor.

VKY bunu DPIA'ya yazıyor. Kullanılan yöntem. Tanımlayıcı türleri. Neden geri alınamayacağı. Artık risk düzeyi. Çıktı kapsam dışına düşüyor. Araştırma kopyalarına veri sahibi hakları ve transfer kuralları uygulanmıyor.

Yöntem, iddiayı karşılıyor. Bu doğru süreçtir. Denetimde ayakta durur.

Kaydın Önemi

Bir şirket anonimleştirmeyi yalnızca iddia edemez. İddiasının bir kaydı olmalıdır. DPIA dört şeyi göstermelidir. Hangi tanımlayıcıların kapsandığı. Hangi yöntemin kullanıldığı. Yeniden tanımlamanın neden mümkün olmadığı. Artık risk düzeyinin ne olduğu.

Bu kayıt olmadan bir denetim, veri kümesini kapsam dahilinde değerlendirir. Tüm yükümlülükler geçerli sayılır. ROPA kaydı olmalıdır. Transfer güvenceleri olmalıdır. Silme yolu olmalıdır. Kanıt olmadan hiçbir yükümlülük ortadan kalkmaz.

Silme haklarının anonimleştirilmiş kayıtlarla nasıl etkileşime girdiği için GDPR silinme hakkı ve EDPB 2025 kılavuzuna bakın. Sınır ötesi kayıt paylaşımındaki transfer kuralları için veri transferi uyumu ve TikTok cezasına 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.