anonym.legal Nasıl Çalışır
%100 tekrarlanabilir sonuçlar sunan deterministik, regex tabanlı PII tespiti. Aynı girdi, aynı çıktı—her seferinde. AI yok, tahmin yok, sadece şeffaf desen eşleştirme.
How Does PII Detection Work?
PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:
- 1Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
- 2Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
- 3Context Scoring: Each detection is scored based on surrounding context to minimize false positives.
This hybrid approach detects 285+ entity types while maintaining deterministic, reproducible results — essential for compliance and legal discovery.
Neden Regex, Neden AI Değil?
Bizim Yaklaşımımız
- %100 tekrarlanabilir sonuçlar
- Uyumluluk için tamamen denetlenebilir
- Eğitim verisi gerektirmez
- Şeffaf karar verme
- Hızlı, öngörülebilir performans
- Zamanla model kayması yok
AI/ML Yaklaşımları
- Sonuçlar çalışmalara göre değişir
- Kara kutu karar verme
- Eğitim verisi gerektirir
- Denetim zor
- Daha yüksek hesaplama maliyetleri
- Zamanla model kayması
10 Adımlık Süreç
Girdi ile çıktının nasıl gerçekleştiğine dair tam olarak burada
Girdi Metni
Belgenizi web arayüzü, API veya Office Eklentisi aracılığıyla gönderin
Dil Tespiti
Sistem, optimal işlem için belge dilini tanımlar
Tokenizasyon
Metin, desen eşleştirme için token'lara ayrılır
Desen Eşleştirme
Regex desenleri 50'den fazla varlık türünü tarar
Bağlam Analizi
Çevresel metin, tespit doğruluğunu artırır
Güven Skoru
Her tespit bir güven skoru alır
Varlık Sınıflandırması
Tespit edilen öğeler türlerine göre kategorize edilir
Sonuçları Gözden Geçirin
Tüm tespitleri konumları ve puanlarıyla görün
Anonimleştirmeyi Uygula
Yönteminizi seçin: Değiştir, Kapat, Hash, Şifrele veya Maske
Çıktı Belgesi
Anonimleştirilmiş belgenizi indirin
MCP Sunucusu: Gizlilik Odaklı AI Entegrasyonu
Verilerinizin MCP Sunucusu üzerinden nasıl aktığını ve AI araçlarını güvende tuttuğunu öğrenin
AI Araç İsteği
AI aracınız (Cursor, Claude) PII içeren bir istek gönderir
MCP Sunucusu Keser
Sunucu tüm PII varlıklarını analiz eder ve tespit eder
Anonimleştirme
PII, token'larla değiştirilir veya kapatılır
AI İşleme
AI yalnızca anonimleştirilmiş verileri alır ve işler
Yanıtın Dönüşü
AI yanıtı MCP Sunucusu üzerinden geri gelir
De-tokenizasyon
Opsiyonel: Orijinal değerler kullanıcı için geri yüklenir
Gerçek Dünya Örneği
John Doe için ödeme işlemi yapın, e-posta john@example.com, kart 4532-1111-2222-3333AI'nın gördüğü
PII_PERSON_001 için ödeme işlemi yapın, e-posta PII_EMAIL_001, kart PII_CREDIT_CARD_001Sizin aldığınız
Frequently Asked Questions
Why use regex instead of AI for PII detection?
Regex-based detection is deterministic and reproducible. The same input always produces the same output. AI/ML models can be unpredictable and may miss or falsely flag data. For compliance, reproducibility matters.
How accurate is the detection?
Our hybrid approach combines regex patterns with Named Entity Recognition (NER) for high accuracy. All patterns include checksum validation where applicable (credit cards, IBANs, SSNs). False positives are minimized through context-aware scoring.
What happens to my data during processing?
Text is sent to our EU-hosted servers (Hetzner, Germany) over TLS 1.3 for analysis. We don't store your data after processing. With Zero-Knowledge auth, we can't even identify which user made the request.
Can I add custom entity types?
Yes! You can create custom recognizers with your own regex patterns and context words. Custom entities support the same operators (replace, mask, hash, encrypt, redact) as built-in types.
How does reversible encryption work?
The Encrypt operator uses AES-256-GCM encryption with your key. Only you can decrypt. This allows re-identification for audits or legal discovery while keeping data protected in transit and storage.
Bunu Eylemde Görün
200 token ile PII tespiti ve anonimleştirmeyi ücretsiz deneyin.