By · Last updated 2026-06-05

Bloga DönGDPR & Uyumluluk

GDPR Denetiminde Başarısız Olmak: Parçalanmış KKB Araçları

Denetçiniz KKB algılama kontrolleri sorar. 'Beş farklı araç kullanıyoruz' istediği yanıt değildir. Çapraz platform tutarlılığının neden kritik olduğu açıklanıyor.

June 5, 20266 dk okuma
GDPR auditcompliance controlsPII tool consistencyDPA investigationtechnical measures

GDPR Denetiminde Başarısız Olmak: Parçalanmış KKB Araçları

2026 için güncellenmiştir.

Denetçiniz tek bir soru sorar: "Çalışanlar kişisel verileri işlerken hangi teknik kontroller verileri güvende tutar?" Yanlış yanıt: "Beş farklı araç kullanıyoruz." Beş araç kullanmanın GDPR denetimlerinde neden başarısız olduğu ve temiz bir yanıtın nasıl göründüğü aşağıda açıklanmaktadır.

Denetim Anı

Bir Veri Koruma Otoritesi soruşturmacısı bir uyumluluk görevlisiyle görüşür. VKO, bir veri sahibi şikayetini incelemektedir. Eski bir müşteri, verilerinin kötüye kullanıldığını söylemektedir.

Soru: "Çalışanlar kişisel verileri işlerken organizasyonunuz verileri güvende tutmak için hangi kontrolleri kullanıyor?"

Uyumluluk görevlisi: "Avukatlarımız Word eklentisini kullanıyor. Destek personeli Chrome Uzantısını kullanıyor. Veri ekibimizin bir Python betiği var. Tek seferlik talepler için herkes web uygulamasını kullanabilir."

Soruşturmacı: "Bunlar aynı araç mı? Aynı motor mu? Aynı kapsam mı?"

Uyumluluk görevlisi: "Hayır. Farklı çalışıyorlar."

Denetim işte o zaman zorlaşır.

Parçalanmış Araçlar Neden Madde 32'de Başarısız Olur

GDPR Madde 32, "uygun teknik ve organizasyonel önlemler" gerektirir. Standardın iki parçası vardır.

Riske uygun. Önlemler riskle eşleşmelidir. Birçok iş akışı genelinde işlenen kişisel veriler için tutarlı KKB algılama gereklidir. Araca göre değişen algılama bu çıtayı karşılamaz.

Kanıt. Önlemler kanıtlanabilir olmalıdır. Madde 5(2) — hesap verebilirlik ilkesi — denetleyicilerin "uyumluluğu gösterebildiğini" gerektirir. Bu, tutarlı kontrolün kanıtı anlamına gelir. En iyi çaba değil. Tutarlı.

Parçalanmış araçlar kanıt konusunda başarısız olur. A Aracı 285 varlık türünü algılar. B Aracı 50 algılar. C Aracı 200 algılar ancak farklı eşiklerle. Bu yığınla tutarlı koruma kanıtlayamazsınız. Yalnızca bazı araçların bazı bağlamlarda çalıştığını gösterebilirsiniz.

Parçalanmış araçlar hakkındaki bir VKO bulgusu şöyle okur: "KKB koruması için teknik kontroller iş akışları genelinde tutarsızdır. Bu durum kapsam boşlukları yaratır ve merkezi denetim izi incelemesini engeller."

Boşluk Keşfetme Sorunu

Kapsam boşluklarınızın nerede olduğunu çoğunlukla bir ihlal gerçekleşene kadar bilemezsiniz.

Diyelim ki B Aracı (veri ekibi tarafından kullanılan) AB ulusal kimlik numaralarını algılamıyor. A Aracı (avukatlar tarafından kullanılan) ise algılıyor. Bu boşluk normal çalışma sırasında görünmez. Dosyalar işlenir. Uyarılar tetiklenmez. Hiçbir şey yanlış görünmez.

Boşluk şu durumlarda ortaya çıkar:

  • Veri ekibinin işlediği bir dosyada AB ulusal kimliği görünür
  • Bu dosya kontroller olmadan paylaşılır
  • Veri sahibi ifşayı keşfeder ve GDPR şikayeti açar

Artık VKO bir boşluğu ortaya çıkarıyor. Veri ekibi, diğer ekiplerden farklı kapsama sahip bir araç çalıştırdı. Bulunup kapatılması gereken bir boşluk.

Birleşik kapsam bunu düzeltir. Aynı varlık türleri tüm bağlamlarda algılanır. Boşluklar görünür hale gelir; herhangi bir iş akışında X varlığının sıfır algılanması, gizli kalmak yerine ortaya çıkar.

Denetçilerin teknik kontrollerde nelere baktığını görmek için bkz. GDPR Madde 32 ve Yapay Zeka Aracı İzleme.

Temiz Bir Uyumluluk Yanıtı Nasıl Görünür

Birleşik bir platforma sahip uyumluluk görevlisi farklı yanıt verir.

"Tüm iş akışlarımızda tek bir KKB algılama platformu kullanıyoruz. Avukatlar, destek ajanları ve veri mühendisleri aynı algılama motorunu kullanıyor. Arayüzler farklı; Word Eklentisi, Chrome Uzantısı, Masaüstü Uygulaması, ancak model ve kurulum aynı. Tüm işlemler merkezi bir denetim izine kaydedilir. Kurulumumuz, yargı bölgesine uygun ön ayarlarla 285'ten fazla varlık türünü kapsar. İhtiyaç duyduğunuz herhangi bir zaman dilimini çekebilirim."

Bu yanıt:

  • Somut. Platformu adlandırır ve çok platformlu kurulumu açıklar.
  • Tutarlı. "Aynı algılama motoru" kapsam endişesini doğrudan ele alır.
  • Kanıtlanabilir. Merkezi denetim izi, kanıtın talep üzerine hazır olduğu anlamına gelir.

Soruşturmacı belirli bir veri sahibi için denetim izini talep ettiğinde istek hemen karşılanır.

Çapraz Platform Tutarlılık Standardı

Güçlü bir Madde 32 duruşu için bunlar minimum gereksinimlerdir.

Algılama tutarlılığı:

  1. Tüm platformlarda aynı algılama modeli veya API
  2. Aynı varlık türü kapsamı — web uygulaması 285 varlık kontrol ediyorsa masaüstü uygulaması da yapmalı
  3. Aynı güven eşikleri — hiçbir araç aynı varlık türü için daha gevşek veya daha katı değil
  4. Aynı varlık türleri için aynı değiştirme belirteçleri
  5. Tüm platformlarda merkezi denetim izi

Belgeleme gereksinimleri:

  • Yapılandırma anlık görüntüsü: güncel varlık kapsamı ve eşikler
  • Değişiklik geçmişi: ne değişti ve ne zaman
  • Kapsam kanıtı: tüm platformlar aynı kurulumu paylaşıyor

Bunu çok araçlı bir yığın için oluşturabilirsiniz. Ancak biçimsel yapılandırma yönetimi ve düzenli araçlar arası denetimler gerektirir. Tek bir platform yanıtı basitleştirir: "İşte kurulum. Her yerde geçerlidir. İşte denetim izi."

Çapraz platform tutarlılığına daha geniş bir bakış için bkz. Çapraz Platform KKB Uyumluluğu: Mac, Linux, Windows.

Pratik Geçiş: Parçalanmıştan Birleşiğe

Adım 1: Araçları ve kapsamı haritalandırın

  • Her aracı ekibe ve iş akışına göre listeleyin
  • Her aracın hangi KKB türlerini algıladığını belgeleyin
  • Boşlukları bulun — A Aracı B Aracının kaçırdığı neleri algılıyor?

Adım 2: Kapsam standardını tanımlayın

  • Yükümlülüklerinize göre; GDPR varlık türleri, HIPAA PHI, CCPA kategorileri
  • Tüm iş akışları için geçerli tek bir standart belirleyin

Adım 3: Birleşik platformu seçin

  • Web, masaüstü, Word ve tarayıcıda dağıtım yapabiliyor mu?
  • Kapsam standardınızı karşılıyor mu?
  • Merkezi bir denetim izi sağlıyor mu?

Adım 4: Geçiş yapın

  • En yüksek riskli iş akışlarıyla başlayın
  • Ekip ekip geçin ve kullanıcılar göç ettikçe eski araçları kullanımdan kaldırın
  • Geçişi uyumluluk günlüğünüze kaydedin

Parçalanmış araçlar, denetimlerde bulunan en yaygın GDPR kontrol boşluklarından biridir. Dağıtık ekiplerde nasıl ortaya çıktığını görmek için bkz. Uzaktan Çalışma ve GDPR: Platform Tutarsızlığı.

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.