anonym.legal

By · Last updated 2026-03-03

Bloga DönGDPR & Uyumluluk

GDPR Uyumu için Çok Dilli KKB Tespiti

Alman Steuer-ID, Fransız NIR ve İsveç Personnummer farklı tespit mantığı gerektirir.

March 3, 202610 dk okuma
multilingualGDPRNLPPII detectionEuropean compliancespaCyXLM-RoBERTa

GDPR Uyumu için Çok Dilli KKB Tespiti

2026 için güncellendi

Gizli GDPR Açığı

GDPR'ın dil tercihi yoktur. Madde 4(1) "kişisel veri"yi hangi dilde göründüğünden bağımsız olarak tanımlar. Alman Steuer-ID, ABD Sosyal Güvenlik Numarası kadar korunmaktadır. Fransız NIR, Birleşik Krallık Ulusal Sigorta numarası kadar düzenlenmiştir.

KKB tespit araçlarının çoğu yalnızca İngilizce için tasarlandı.

ACL 2024 araştırması, hibrit NLP araçlarının Avrupa yerel ayarları için F1 skoru 0,60–0,83 arasında olduğunu buldu. İngilizce-tek araçlar, İngilizce dışı ulusal kimlik formatları için sıfıra yakın skor alıyor. Fark çarpıcı. Bir araç İngilizce KKB'nin %95'ini yakalayabilir. Ancak aynı dosyada Almanca, Fransızca, Lehçe veya Flemenkçe KKB'nin %40–60'ını kaçırır. Bu ciddi bir sorun. Şirketleri açık bırakır.

Bu gerçek bir GDPR açığıdır. Neredeyse her küresel firmayı İngilizce merkezli redaksiyon araçları kullanan şekilde etkiliyor. Daha fazlası için GDPR rehberimize bakın.

KKB Neden Yerel Ayara Özgüdür

KKB tespitinin iki bölümü var.

Birincisi desen tabanlı tarama. Bu, vergi numaraları ve telefon formatları gibi yapılandırılmış kimlikleri kapsar.

İkincisi NER tabanlı tarama. Bu, isimler ve adresler gibi bağlamsal varlıkları kapsar.

Her iki bölüm de yerel ayara bağlıdır.

Yapılandırılmış Kimlikler Ülkeye Göre Farklılık Gösterir

ÜlkeVergi KimliğiFormatDoğrulama
AlmanyaSteuer-ID11 basamakModulo-11
FransaNIR15 basamak + 2 basamaklı anahtarINSEE
İsveçPersonnummer10 basamakLuhn
PolonyaPESEL11 basamakModulo-10
HollandaBSN9 basamakElfproef
İspanyaDNI/NIE8 basamak + harfModulo-23
İtalyaCodice Fiscale16 karakterÖzel kontrol toplamı

SSN'ler için İngilizce regex (NNN-NN-NNNN) bu formatların hiçbirine uymaz. Her birinin kendi regex'i gerekir. Her birinin ayrıca kendi kontrol toplamı mantığı gerekir.

NER Yerel Modeller Gerektirir

Almanca isimler İngilizce isimlerden farklıdır. "Hans-Dieter Müller" yerel bir Almanca modele açıktır. İngilizce eğitimli model bu tür isimleri çoğunlukla atlar.

Yanlış pozitifler de sorun yaratır. Microsoft Presidio sorun takipçisi, Almanca kelimelerin İngilizce KKB olarak yanlış sınıflandırıldığını gösteriyor. Almanca'da "sıfır" anlamına gelen "Null" kelimesi buna bir örnek. İngilizce eğitimli modellerde yanlış isim isabetlerini tetikliyor. Üretim kullanımında hata oranları gerçek varlık başına 3 yanlış pozitife kadar şişiyor (Alvaro ve ark., 2024).

Düzenleyici Risk

AB veri organları bu sorunun farkında. Birçok ulusal VKO rehberlik yayımladı.

Alman BfDI: GDPR Madde 5(1)(f) tüm kayıtlara uygulanır. Üçüncü taraf araçlarla işlenen İngilizce dışı verileri kapsar.

Fransız CNIL: 2024 CNIL Yıllık Raporu endişelerini dile getirdi. Fransız yerel ayarı KKB taraması olmadan Fransız kayıtlarını işleyen yapay zeka araçlarını işaretledi.

AB VKO'ları genel olarak: GDPR Madde 25 (Tasarım Aşamasında Gizlilik), gerçekte işlenen kayıtlara uygun güvenceler gerektirir. Bu, küresel dağıtımlarda İngilizce dışı KKB'yi kapsar.

Risk açıktır. Bir firma bir GDPR denetiminde İngilizce içerikte %95 KKB tespiti gösterebilir. Ancak aynı araçla Almanca, Fransızca ve Lehçe kayıtlar da işliyorsa açıklar ortaya çıkar. Denetçiler fark eder. Cezalar gelebilir. Bu konuyu nasıl ele aldığımıza dair güvenceler sayfamıza bakın.

Üç Katmanlı Tasarım

Araştırma ve üretim kullanımı, en iyi yaklaşım olarak üç katmanlı hibrit tasarım üzerinde hem fikir.

Katman 1: Yerel spaCy Modelleri

spaCy 25 yerel ayar için eğitilmiş modeller sunar. Bunlar arasında Almanca, Fransızca, İspanyolca, Portekizce, İtalyanca, Flemenkçe, Rusça, Çince, Japonca, Korece ve Lehçe yer alıyor. Her model yerel metinler üzerinde eğitilir. Her yerel ayarın sözdizimi ve varlık kalıplarını öğrenirler. Bu önemlidir. Yerel eğitim daha iyi geri çağırma ve daha az yanlış pozitif anlamına gelir.

Almanca için: de_core_news_lg bileşik isimleri ve Almanca isim kalıplarını işler. Fransızca için: fr_core_news_lg Fransızca varlıkları, unvanları, yer adlarını ve kuruluşları işler.

Yerel modeller yüksek kaynaklı yerel ayarlarda isim taraması için çapraz dilli modelleri geride bırakır.

Katman 2: Daha Fazla Yerel Ayar İçin Stanza

Stanford'un Stanza kütüphanesi spaCy'de olmayan yerel ayarları kapsar. Bunlar arasında Hırvatça, Slovence ve Ukraynaca yer alıyor. Bu, spaCy'nin hizmet vermediği AB konuşmacı grupları için erişimi genişletir. Stanza ücretsiz ve açık kaynaklıdır. Yığının geri kalanıyla iyi entegre olur.

Katman 3: Geniş Erişim İçin XLM-RoBERTa

spaCy ve Stanza'nın NER modellerinin eksik olduğu yerel ayarlar için XLM-RoBERTa açığı kapatır. 100 yerel ayarın Common Crawl metni üzerinde eğitilir. KKB tespiti için %91,4 çapraz dilli F1 elde eder (HuggingFace 2024). Kod geçişini iyi işler. Bu temel bir özelliktir. Bir belge tek seferde birden fazla yerel ayardan metin içerdiğinde önem taşır.

Çok dilli hacimle API çağrılarının nasıl ölçeklendiğini öğrenmek için token sistemi belgelerimizi ziyaret edin.

Yerel Ayara Özgü Varlık Türleri

Modeller tek başına yeterli değildir. GDPR uyumu aynı zamanda ülkeye özgü kimlikler için varlık türü kapsamı gerektirir.

Ülkeye göre AB Ulusal Kimlikleri:

  • DE: Steuer-ID, Sozialversicherungsnummer, Personalausweisnummer
  • FR: NIR, SIREN, SIRET
  • PL: PESEL, NIP, REGON
  • NL: BSN
  • SE: Personnummer, Samordningsnummer
  • ES: DNI, NIE, NIF, CIF
  • IT: Codice Fiscale, Partita IVA

Telefon formatları: Her AB ülkesinin benzersiz önek yapısı var. +49, +33 ve +48'in her biri kendi doğrulama mantığını gerektiriyor.

Adres formatları: Posta kodları büyük ölçüde farklılık gösteriyor. Almanya PLZ 5 basamak kullanıyor. Fransız kodları 5 basamak kullanıyor (01–99 aralığı). İngiltere posta kodları alfanümerik. İspanya 5 basamak kullanıyor (01000–52999).

Gerçek Dünya Vakası: İsviçre İlaç Firması

Bir İsviçre firması iş sözleşmelerini işliyor. Her sözleşme Almanca, Fransızca ve İngilizce metin içeriyor. İsviçre'nin dört resmi dili var. Araçları yalnızca Almanca için yapılandırılmıştı. Fransızca bölümdeki tüm KKB'yi kaçırdı.

Cenevre merkezli bir çalışanın sözleşmesi Fransızca AVS numarası (13 basamak), İsviçre banka IBAN'ı ve Fransızca formatta isim içeriyordu. Yalnızca Almanca araç Fransızca formatlı ismi kaçırdı. Fransız AVS numarasını bulamadı. IBAN'ı yalnızca kısmen tespit etti.

Üç katmanlı yaklaşım belgenin tamamını işler. Her metin parçası için yerel ayarı tespit eder. Her parçaya doğru NER modelini uygular. Her ulusal kimliği doğru ülke mantığıyla doğrular.

Karışık Yerel Ayarlı Belgeler

En zor durum belge içi yerel ayar karışımıdır. Örnekler:

  • Alman çalışan kayıtları (isimler, vergi kimlikleri) içeren bir Alman firmasının İngilizce sözleşmesi
  • İngilizce gizlilik alıntısı içeren Fransızca GDPR onay formu
  • Temsilcinin İngilizce yanıt verip müşterinin Arapça yazdığı sohbet

XLM-RoBERTa bunu doğal olarak işler. Açık yerel ayar bayraklarına ihtiyaç duymaz. Önceden bölme olmadan karışık yerel ayarlı metni işler. Bu zaman kazandırır. Ayrıca hatalı bölmelerden kaynaklanan hataları önler.

Üretim kullanımı için, cümle düzeyinde otomatik yerel ayar tespitini XLM-RoBERTa çıkarımıyla birleştirmek, karışık yerel ayarlı belgeler için güçlü işleme sağlar.

Pratik Adımlar

Aracınızın kapsamını denetleyin. Redaksiyon satıcınızdan belirli yerel ayarlarınız için F1 skorları isteyin. "20 dili destekler" ifadesi çoğunlukla aracın önce makine çevirisi kullandığı anlamına gelir. Bu yerel tarama değildir.

Kayıtlarınızı yerel ayarlara göre eşleyin. Yerel ayar dağılımını içeren bir kayıt envanteri yapın. %70 İngilizce, %20 Almanca ve %10 Fransızca ile çalışan küresel firma farklı riskler taşır. %95 İngilizce ile çalışan firma farklı bir konumdadır.

Ulusal kimlik örnekleriyle test edin. Operasyonlarınızdaki ulusal kimliklerden 10'ar örnek içeren bir test seti oluşturun — Steuer-ID, NIR, PESEL, BSN ve diğerleri. Tespit oranlarını doğrulayın. Bu, tam bir F1 testinden daha hızlı.

DPIA'larınızı gözden geçirin. Yerel ayar kapsamının dahil edilip edilmediğini kontrol edin. Yalnızca İngilizce kayıtları varsayan eksik bir DPIA güncelleme gerektirebilir. Şimdi harekete geçin. Bir denetimin açığı bulmasını beklemeyin.

Tam varlık türü tanımları için varlıklar referansına ve SSS'e bakın. Planlar ve API çağrı oranları için fiyatlandırmayı ziyaret edin.

anonym.legal'in KKB tespit motoru üç katmanlı çok dilli yaklaşım kullanır. Yerel spaCy modelleri aracılığıyla 25 yüksek kaynaklı yerel ayarı kapsar. Stanza ek yerel ayar erişimi ekler. XLM-RoBERTa çapraz dilli transformerlar kapsamı 48 yerel ayara genişletir. Tüm AB üye devletlerine yönelik ülkeye özgü varlık türleri dahildir.

Kaynaklar

İlgili Makaleler

GDPR & Uyumluluk

Japan My Number: Verhoeff & APPI

63% of generic tools fail My Number detection in Japanese documents. My Number uses Verhoeff algorithm — the most complex national ID checksum in Asia.

GDPR & Uyumluluk

HDPA Greece: AFM & AMKA Detection

Greek AFM detected with 52% accuracy by generic tools. HDPA issued 89 decisions in 2024 — up 162% from 2022. Tourism and maritime sectors face distinct.

GDPR & Uyumluluk

NAIH Hungary: TAJ-Szám and Adóazonosító Jel

Hungarian NER accuracy is 67% vs. EU average 82% — NAIH's 2024 assessment. TAJ-szám weighted checksum and adóazonosító jel detection gaps.

Verilerinizi korumaya hazır mısınız?

48 dilde 285+ varlık türü ile PII anonimleştirmeye başlayın.

Ücretsiz Deneme BaşlatÖzellikleri Görüntüle

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.