Veri Gizliliği Görüşleri
AI güvenliği, GDPR uyumu, sağlık verisi koruması ve PII anonimleştirme en iyi uygulamaları üzerine uzman makaleleri.
Tüm Makaleler
Garante İtalya: Yapay Zeka ve KKB Uyumluluğu
İtalya'nın Garante'si Aralık 2024'te OpenAI'ya 15 milyon euro para cezası kesti ve 2023'te ChatGPT'yi geçici olarak yasakladı. İtalyan şirketlerinin %63'ünde yapay zeka veri yönetişim politikası eksik.
LGPD Brezilya: CPF, CNPJ ve Veri Koruma
LGPD, 215 milyon Brezilyalıyı kapsıyor ve ANPD 2024'te büyük yaptırım uygulamaya başladı. CPF, İngilizce eğitimli araçlar tarafından yalnızca %45 doğrulukla tespit ediliyor.
Hollanda AP: €290M Para Cezası ve GDPR Uygulaması
Hollanda AP, Uber'e AB'nin en büyük veri transferi cezasını verdi — €290 milyon. BSN (Hollanda SSN), araçların %56'sının kaçırdığı 11-proef doğrulaması gerektirir.
UODO Polonya: PESEL, NIP ve RODO
UODO, dağıtılan araçların %89'unun Polonya PESEL'ini doğru tespit edemediğini buldu. Polonya günlük 2,3 milyon AB müşteri kaydı işliyor. PESEL sağlama toplamı doğrulaması, NIP.
ANSPDCP Romanya: CNP Tespiti ve Kontrolleri
ANSPDCP, araçların %78'inin Romanya CNP'sini uygun doğrulamayla tespit edemediğini buldu. CNP, cinsiyet, doğum tarihi ve doğum ilini kodlar — GDPR özel kategori etkileri.
IMY İsveç: Personnummer ve Luhn Kontrolleri
IMY, genel araçların %45'inin İsveç personnummerını kaçırdığını buldu. Samordningsnummer (60 ofset) çoğu uygulamada atlanıyor. İsveç'in %79 GDPR hakları kullanımı.
Danimarka CPR: GDPR İçin Modulus-11 Doğrulaması
NLP araçlarının %67'si Danimarka CPR numarası modulus-11 doğrulamasını kaçırıyor. Datatilsynet'in 2024'te 14 sağlık uygulama işlemi. Sağlık verilerinin ikincil kullanımı.
Çek Rodné Číslo: Cinsiyet Kodlaması ve GDPR
Çek rodné číslo, 50 ofsetli ay kodlamasıyla cinsiyeti kodluyor — bu onu GDPR Madde 9 özel kategori verisi yapıyor. Çek firmalarının %67'si Alman araçlarını kullanıyor.
NAIH Macaristan: TAJ-Szám ve Adóazonosító Jel
Macaristan NER doğruluğu %67 — AB ortalaması %82 — NAIH'ın 2024 değerlendirmesi. TAJ-szám ağırlıklı sağlama toplamı ve adóazonosító jel tespit boşlukları.
Yunanistan HDPA: AFM ve AMKA Tespiti
AFM, genel araçlar tarafından yalnızca yüzde 52 doğrulukla tespit ediliyor. HDPA 2024 yılında 89 karar verdi — 2022'ye kıyasla yüzde 162 artış. Turizm ve denizcilik sektörleri kendine özgü riskler taşımaktadır.
Japonya My Number: Verhoeff ve APPI
Japonca belgelerde My Number tespiti konusunda genel araçların yüzde 63'ü başarısız oluyor. My Number, Verhoeff algoritmasını kullanmaktadır — Asya'daki ulusal kimlik numaraları arasında en karmaşık sağlama toplamı algoritması.
Epstein Dosyaları: Üstünü Boyamak Redaksiyon Değildir
Aralık 2025'te DOJ'un yayımladığı Epstein dosyaları kritik bir redaksiyon hatasını gözler önüne serdi: PDF'lerde siyah vurgulanan metin kopyala-yapıştırla okunabilir halde kalıyor.
Avukat-Müvekkil Gizliliği ve Yapay Zeka: 2026'da Hukuk Firmaları Ne Yapmalı?
Şubat 2026'da bir ABD federal mahkemesi, yapay zeka araçlarıyla yapılan iletişimlerin avukat-müvekkil gizliliği kapsamında olmadığına hükmetti.
Sıfır Bilgi ile Sıfır Güven Şifrelemesi Farkı
LastPass da kullanıcılarının verilerini şifrelemişti — ve yine de 438 milyon dolar çalındı. Sunucu taraflı şifreleme ile gerçek sıfır bilgi arasındaki farkı öğrenin.
Hava Boşluklu KKB: Savunma İçin Çevrimdışı Öncelik
Kurumsal güvenlik politikalarının %41'i bulut üzerinde gizli belge işlemeyi yasaklıyor.
GDPR Uyumu için Çok Dilli KKB Tespiti
Alman Steuer-ID, Fransız NIR ve İsveç Personnummer farklı tespit mantığı gerektirir.
Geri Alınabilir mi Kalıcı mı: Redaksiyon Seçimi
GDPR anonimleştirme ile takma ad kullanımını birbirinden ayırır. Mahkemeler orijinal belgeye ihtiyaç duyar. Araştırmalar yeniden tanımlamayı gerektirir. Her yaklaşımı ne zaman kullanacağınızı öğrenin.
Çok Dilli NER: İngilizce Arapçada Yetersiz Kalıyor
İngilizce NER modelleri %85-92 doğruluk sağlıyor. Arapça ve Çincede? Çoğunlukla %50-70. Teknik zorlukları ve gerçek anlamda çok dilli sistem kurumunu öğrenin.
KOBİ'lerin %94'ü Saldırıya Uğradı: Uygun Fiyatlı Gizlilik
KOBİ'ler büyük işletmelerle aynı tehditlerle karşılaşıyor ama ayda 800$+ harcayamıyor. Kurumsal düzeyde gizlilik korumasını ayda 3€'ya nasıl elde edeceğinizi öğrenin.
PHI Tespiti: Snow Labs %96 vs GPT-4o
Kimlik gizleme araçları arasında büyük doğruluk farkları var. ECIR 2025 kıyaslamaları F1 skorlarının %79 ile %96 arasında değiştiğini gösteriyor. Neden önemli ve araçları nasıl değerlendirirsiniz öğrenin.
Mahkemeler Avukatları Yanlış Redaksiyon Nedeniyle Yaptırımla Karşılaştırıyor
Word'de metni siyah renkte vurgulamak redaksiyon değildir. Mahkemeler, avukatları ayrıcalıklı bilgileri ifşa eden teknik hatalar nedeniyle yaptırımla karşılaştırıyor.
Claude ve ChatGPT'yi Kişisel Veri Sızdırmadan Kullanın
Yapay zeka araçlarını güvenli kullanmak için geliştirici rehberi. Claude Desktop, Cursor ve VS Code'da şeffaf KVK koruması için MCP Server entegrasyonu nasıl kurulur.
900 Bin Kullanıcının Yapay Zeka Sohbetleri Çalındı
İki kötü amaçlı Chrome uzantısı, 900.000'den fazla kullanıcının ChatGPT konuşmalarını çaldı. Birinin Google'ın 'Öne Çıkan' rozeti vardı.
$7,42 Milyon: Sağlık Sektörü İhlal Maliyetlerinde Lider
Sağlık sektörü, 14 yıl üst üste veri ihlallerinin en maliyetli sektörü olmaya devam ediyor. PHI'nin neden bu kadar değerli olduğunu ve nasıl korunacağını öğrenin.
Verilerinizi Bugün Koruma Altına Alın
267+ varlık türü, 48 dil, girişim düzeyinde güvenlik başlangıç fiyatlarıyla.
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, held by our hosting provider.
- 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 company HQ is in Saarbrücken, Germany. Our servers run in Hetzner's Falkenstein datacenter.
Hetzner holds 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
Automated checks run on every release.
Each surface gets its own sweep script and report.
Human reviewers spot-check the output each week.
We test detection against sample documents before each release.
A failing unit or integration run stops the release.
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.
Paid plans can buy top-up credits.
Credits reset at the end of each cycle.
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
- Open the web app and try a sample file.
- Learn how credits get counted.
- See current plans and limits.
- Meet the team behind the product.
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.