By · Last updated 2026-05-01

Bloga DönGDPR & Uyumluluk

Dahili Çalışan Kimlikleri de KKB'dir

Her büyük kuruluşun, anonimleştirilmiş kayıtları gerçek kişilerle ilişkilendirebilen tescilli dahili tanımlayıcıları vardır. GDPR cezalarının %34'ü yetersiz teknik önlemlerden kaynaklanmaktadır.

May 1, 20268 dk okuma
employee ID anonymizationproprietary identifier detectionquasi-PIIGDPR custom entitiesno-code pattern builder

Yarı-KKB Nedir?

GDPR Madde 4, bir kişiyi tanımlamaya yarayan her türlü veriyi kapsar. Verinin doğrudan biri için isim içermesi gerekmez. Yalnızca ek adımlarla tanımlamayı mümkün kılması yeterlidir.

Dahili çalışan kimlikleri bunun açık bir örneğidir. "EMP-EU-123456" değerini ele alalım. Bu dizi kimseyi isimlendirmez. Ancak İK sistemi basit bir arama tablosu tutar. EMP-EU-123456, Münih'teki Kıdemli Mühendis Maria Schmidt ile eşleşir. Bu tabloya erişimi olan herkes onu bulabilir. GDPR kapsamında bu kimlik, kişisel veridir.

Aynı kural diğer dahili kodlar için de geçerlidir:

  • CRM kayıtlarıyla bağlantılı müşteri hesap numaraları
  • Sözleşme sistemlerinde müşteri adlarıyla bağlantılı proje kodları
  • Hukuki dosyalardaki dava referans numaraları
  • Hasta kayıtlarıyla bağlantılı tıbbi kayıt numaraları

Ad ve e-posta adreslerini kaldırmak yeterli değildir. Bir dosyada dahili kimlikler kalırsa yeniden tanımlama yalnızca iki adım uzakta olur.

Bu Boşluk Neden Cezalara Yol Açar?

Tüm GDPR cezalarının %34'ü, Madde 32 kapsamında yetersiz teknik önlemlerden kaynaklanmaktadır. Bu rakam DLA Piper 2025 GDPR Yıllık Raporundan alınmaktadır. Yarı-tanımlayıcı nitelikteki dahili tanımlayıcıların tespit edilememesi bu kategoriye girer.

EDPB, 2024 yılında 900'ü aşkın tutarlılık mekanizması davasını ele aldı. Sınır ötesi uygulama, paylaşılan bir veri setindeki tek bir boşluğun birkaç AB üye devletinde koordineli işleme yol açabileceği anlamına gelir.

Standart KKB araçları evrensel desenleri bulur: isimler, e-posta adresleri, telefon numaraları, ulusal kimlikler. Kendi dahili kimlik formatınızı bilmezler. Siz söyleyene kadar hiçbir araç bunu bilmez. İşte boşluk buradadır.

Kodsuz Desen Oluşturucu Nasıl Çalışır?

Küresel bir lojistik şirketinin harici denetim için çalışan kayıtlarını anonimleştirmesi gerekmektedir. Çalışan kimlikleri şu formatı kullanır: EMP-[BÖLGE]-[6 basamak]. Üç örnek: EMP-EU-123456, EMP-APAC-789012, EMP-AMER-345678.

Uyumluluk ekibi yapay zeka desen yardımcısına üç örnek girer. Yapay zeka şunu döndürür:

  • Desen: EMP-[A-Z]{2,4}-\d{6}
  • Üç örneğin tamamıyla eşleşir
  • Önerilen varlık adı: EMPLOYEE-ID
  • Önerilen sonraki adım: daha fazla bölge koduyla test etme

Ekip on örnek daha test eder. Desen hepsinde çalışır.

Özel varlığı ekibin paylaşılan GDPR ön ayarına kaydederler. Denetim paketindeki 47 belgenin tamamı tek bir grupta işlenir. Her çalışan kimliği, role dayalı bir etiketle değiştirilir. Denetim firması artık hiçbir bireyle ilişkilendirilemeyen dosyalar alır.

Mühendis yardımı gerekmez. Tüm kurulum bir saatin altında tamamlanır.

Sırada Ne Var?

Özel varlık paylaşılan bir ön ayara kaydedildiğinde tüm ekip üyeleri aynı yapılandırmayı kullanır. Yeni personel ilk günden itibaren bu yapılandırmaya sahip olur. Toplu işler, API çağrıları ve manuel yüklemeler aynı deseni uygular.

Denetim izi, her dosya için hangi ön ayarın kullanıldığını gösterir. Bir VKO anonimleştirme sürecinize ilişkin kanıt isterse bunu gösterebilirsiniz.

Tam özel varlık kurulum iş akışı için bkz. kurumsal anonimleştirme için özel KKB tanımlayıcıları. Bu yapılandırmayı ekipler arasında tutarlı tutmak için bkz. GDPR denetimi için anonimleştirme tutarlılık ön ayarları.

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.