Інсайти з конфіденційності даних
Експертні статті про безпеку ШІ, відповідність GDPR, захист даних у сфері охорони здоров'я та найкращі практики анонімізації PII.
Всі статті
Garante Італія: відповідність вимогам ШІ та PII
Garante Італії оштрафував OpenAI на €15 млн у грудні 2024 року та тимчасово заблокував ChatGPT у 2023 році. 63% італійських компаній не мають політик управління даними ШІ.
LGPD Бразилія: CPF, CNPJ та захист даних
LGPD охоплює 215 млн бразильців, а ANPD розпочав масштабне виконання норм у 2024 році. CPF виявляють із точністю лише 45% інструменти, навчені на англійських текстах.
Нідерландський AP: штраф €290 млн та виконання GDPR
Нідерландський AP наклав найбільший штраф ЄС за передачу даних — €290 млн проти Uber. BSN (нідерландський ССН) потребує перевірки Elfproef, яку пропускають 56% інструментів.
UODO Польща: PESEL, NIP та RODO
UODO виявив, що 89% розгорнутих інструментів неправильно виявляють польський PESEL. Польща обробляє 2,3 млн записів клієнтів ЄС щодня. Перевірка контрольної суми PESEL, NIP.
ANSPDCP Румунія: виявлення CNP та перевірки GDPR
ANSPDCP виявив, що 78% інструментів не здатні виявити румунський CNP з належною перевіркою. CNP кодує стать, дату народження та область народження — наслідки для спеціальних категорій даних GDPR.
IMY Швеція: personnummer та перевірки Луна
IMY виявив, що 45% загальних інструментів пропускають шведський personnummer. Samordningsnummer (зміщення на 60) пропускається більшістю реалізацій. 79% шведів використовують права за GDPR.
Данія CPR: перевірка за модулем 11 для GDPR
67% NLP-інструментів пропускають данську перевірку CPR-номера за модулем 11. 14 виконавчих дій Datatilsynet у сфері охорони здоров'я у 2024 році. Вторинне використання медичних даних.
Чеський rodné číslo: кодування статі та GDPR
Чеський rodné číslo кодує стать через зміщення місяця на 50, що робить його даними спеціальної категорії за Статтею 9 GDPR. 67% чеських компаній використовують інструменти, налаштовані для Німеччини.
NAIH Угорщина: TAJ-szám та adóazonosító jel
Точність NER для угорської мови — 67% проти середнього показника ЄС 82% — оцінка NAIH 2024 року. Прогалини у виявленні TAJ-szám зі зваженою контрольною сумою та adóazonosító jel.
HDPA Греція: виявлення AFM та AMKA
Грецький AFM виявляють із точністю лише 52% загальні інструменти. HDPA прийняла 89 рішень у 2024 році — зростання на 162% порівняно з 2022 роком. Туристичний та морський сектори стикаються з особливими ризиками.
Японський My Number: Верхуфф та APPI
63% загальних інструментів не виявляють My Number у японських документах. My Number використовує алгоритм Верхуффа — найскладнішу контрольну суму національного ідентифікатора в Азії.
Справа Епштейна: підсвічування — це не редагування
Публікація матеріалів Епштейна Міністерством юстиції у грудні 2025 року виявила критичну помилку редагування: текст, підсвічений чорним у PDF, залишається читабельним через копіювання та вставлення.
Адвокатська таємниця та штучний інтелект у 2026 році
У лютому 2026 року федеральний суд США постановив, що спілкування з інструментами штучного інтелекту не захищене адвокатською таємницею.
Шифрування нульового знання проти нульового довіри
LastPass теж шифрував дані своїх користувачів — і все одно $438 мільйонів було вкрадено. Ось різниця між шифруванням на стороні сервера та справжнім нульовим знанням.
PII в ізольованих мережах: офлайн-підхід для оборонної сфери
41% корпоративних політик безпеки забороняють хмарну обробку класифікованих документів.
Багатомовне виявлення PII для GDPR
Steuer-ID у Німеччині, NIR у Франції та Personnummer у Швеції — кожен потребує різної логіки виявлення.
Оборотне проти постійного редагування: як обрати правильний підхід
GDPR розрізняє анонімізацію та псевдонімізацію. Суди вимагають оригінали. Дослідники потребують повторної ідентифікації. Дізнайтеся, коли використовувати кожен підхід.
Багатомовний NER: англійські моделі не справляються з арабською
Англійські NER-моделі досягають 85-92% точності. Арабська та китайська? Часто лише 50-70%. Дізнайтеся про технічні проблеми та як будувати дійсно багатомовний захист.
94% малого бізнесу атаковано: доступний захист приватності
МСП стикаються з тими самими загрозами, що й великі підприємства, але не можуть дозволити собі інструменти за $800+/місяць. Ось як отримати захист корпоративного рівня за €3/місяць.
Виявлення PHI: Snow Labs 96% проти GPT-4o
Не всі інструменти деідентифікації однаково ефективні. Бенчмарки ECIR 2025 показують F1-показники від 79% до 96%. Дізнайтеся, чому точність важлива та як оцінювати інструменти.
Суди штрафують адвокатів за помилки редагування
Виділення тексту в Word — це не редагування. Суди накладають санкції на адвокатів за технічні помилки, що розкривають привілейовану інформацію.
Використовуйте Claude і ChatGPT без витоку PII
Посібник розробника з безпечного використання ШІ-асистентів. Налаштуйте інтеграцію MCP Server для прозорого захисту PII в Claude Desktop, Cursor та VS Code.
900 000 користувачів втратили свої чати з ШІ
Два шкідливих розширення Chrome викрали розмови в ChatGPT від 900 000+ користувачів. Одне мало значок «Featured» від Google.
$7,42 млн: витоки в охороні здоров'я коштують найдорожче
Охорона здоров'я — найдорожча галузь для витоків даних протягом 14 років поспіль. Дізнайтеся, чому PHI така цінна і як її захистити.
Почніть захищати свої дані сьогодні
267+ типів сутностей, 48 мов, безпека корпоративного рівня за стартовими цінами.
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.