By · Last updated 2026-04-28

Bloga DönSağlık Hizmetleri

Aracınızın Kaçırdığı 18 HIPAA Tanımlayıcısı

HIPAA 18 PHI tanımlayıcısını listeler. Anonimleştirme araçlarının çoğu bunların ancak 6'sını tespit eder. Tıbbi Kayıt Numaraları kuruma göre değişir; ABD'de standart bir biçim yoktur.

April 28, 20269 dk okuma
HIPAA 18 identifiersPHI complete detectionMRN detectionNPI DEA numbersHIPAA Safe Harbor compliance

Aracınızın Kaçırdığı 18 HIPAA Tanımlayıcısı

2026 için Güncellendi.

HIPAA, 18 PHI tanımlayıcı kategorisi listeler. Anonimleştirme araçlarının çoğu ancak altısını tespit eder. Diğer oniki süzülüp geçer — ve her biri bir uyumsuzluk boşluğudur.

Safe Harbor Kuralı

HIPAA'nın Gizlilik Kuralı (45 CFR § 164.514), Safe Harbor kimlik gizlemeyi tanımlar. 18 tanımlayıcı kategorinin tamamı kaldırılmalıdır. Hepsini çıkarın ve veri yasal olarak kimlik gizlenmiş sayılır. Safe Harbor'ın popüler olmasının nedeni budur: geçer ya da kalır, yorum gerektirmez.

18 kategori şunlardır:

  1. İsimler
  2. Eyaletten küçük coğrafi veriler — sokak adresi, şehir, ilçe, posta kodu
  3. Yıl dışındaki tarihler — doğum, kabul, taburculuk, ölüm
  4. Telefon numaraları
  5. Faks numaraları
  6. E-posta adresleri
  7. Sosyal Güvenlik numaraları
  8. Tıbbi kayıt tanımlayıcıları (MRN'ler)
  9. Sağlık planı lehdarlık kodları
  10. Hesap tanımlayıcıları
  11. Sertifika ve lisans kodları
  12. Araç tanımlayıcıları ve seri kodları
  13. Cihaz tanımlayıcıları ve seri kodları
  14. Web URL'leri
  15. IP adresleri
  16. Biyometrik tanımlayıcılar — parmak izleri, ses izleri
  17. Tam yüz fotoğrafları ve benzer görüntüler
  18. Diğer tüm benzersiz tanımlayıcı kod veya değerler

Araçların çoğu 1, 4, 6 ve 7. kategorileri iyi işler. 8, 9, 10, 11, 13 ve 18. kategorileri ise sürekli olarak kaçırır.

MRN Boşluğu

Tıbbi kayıt tanımlayıcıları 8. kategoride yer alır. MRN biçimleri her hastane tarafından belirlenir. ABD'de ulusal bir standart yoktur.

A Hastanesi 7 haneli tamsayı kullanır. B Hastanesi "PT-YYYYNNNN" kullanır. C Hastanesi 8 karakterli alfasayısal bir dizi kullanır. D Hastanesi 9 haneli bir koddan önce "MRN: " yazar.

Genel bir araç "PT-2024-8847"yi PHI olarak işaretlemez. Belge kimlik gizleme kontrollerinden geçer. Ancak kimlik gizlenmiş değildir. Hiçbir uyarı çalmaz. Ekip işin tamamlandığını sanır. Tamamlanmamıştır.

Bu, en kötü boşluk türüdür: sessiz bir boşluk.

Üç Düzeltme Yolu

Presidio'da kodlayın. Python becerileri ve sürekli bakım gerektirir. İşe yarar ama zaman maliyeti vardır.

El ile inceleme ekleyin. Bir kişi her belgeyi MRN açısından kontrol eder. Bu ölçeklenmez.

Yapay zekâ destekli özel varlık oluşturmayı kullanın. Kod gerekmez. Ekip örnek değerler sağlar. Yapay zekâ deseni oluşturur.

Nasıl çalıştığı şöyle. Bir ekip beş örnek MRN değeri sunar: SVHS-0012345, SVHS-0987654, SVHS-1122334, SVHS-4455667, SVHS-8899001. Yapay zekâ SVHS-\d{7} döndürür ve örneklere karşı doğrular. Ekip bunu HIPAA ön ayarına kaydeder. Sonraki tüm oturumlarda bu biçim tespit edilir. Aynı yaklaşım lehdarlık kodları ve cihaz seri kodları için de geçerlidir.

Ön ayarların nasıl çalıştığını HIPAA MRN tespit rehberinde görün. Yapay zekâ desen iş akışı hakkında bilgi edinin.

Gizli Varsayım

Pek çok ekip, ad ve telefon numarası içeren örnek bir belge üzerinde test yapar. Araç geçer. Tam kapsam varsayarlar. Ancak örnekler nadiren kuruma özgü tanımlayıcıları içerir. MRN'ler ve lehdarlık kodları, genel bir araç için rastgele dizeler gibi görünür. Uyarı vermeden geçer.

Gerçek bir Safe Harbor denetimi, 18 kategorinin tamamını bir tespit yöntemine eşler. 8. kategori için kendi hastanenizden gerçek MRN örnekleriyle doğrulayın. Aracın biçiminizi bildiğini varsaymayın.

Tam çerçeveyi HIPAA uyum genel bakışımızda inceleyin.

Sonuç

Safe Harbor, 18 tanımlayıcı kategorinin tamamının kaldırılmasını gerektirir. Genel araçlar çok daha azını kapsar. Boşluklar — MRN'ler, lehdarlık kodları, cihaz seri numaraları — standart biçime sahip değildir, bu yüzden genel araçlar bunları kaçırır. Yapay zekâ destekli özel varlıklar, kod veya el ile inceleme gerektirmeden bu boşluğu kapatır.

Kaynaklar

  • HHS: HIPAA Safe Harbor, 45 CFR § 164.514 — hhs.gov. VERIFIED.
  • Shaip: Sağlık hizmetlerinde kimlik gizleme için PHI tanımlayıcı türleri — shaip.com. VERIFIED-EXTERNAL.
  • HHS OCR: 2024'te güncellenen kimlik gizleme rehberliği — hhs.gov. VERIFIED.

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.