anonym.legal

Як працює anonym.legal

Детерміноване, засноване на regex виявлення PII, яке забезпечує 100% відтворювані результати. Один і той же вхід, один і той же вихід — щоразу. Без ШІ, без здогадок, лише прозоре співпадіння шаблонів.

Спробуйте безкоштовноТехнічна документація

How Does PII Detection Work?

PII detection identifies personal data in text using pattern matching and machine learning. anonym.legal uses a hybrid approach:

  1. 1
    Pattern Matching: Regex patterns detect structured data (SSNs, credit cards, IBANs) with checksum validation.
  2. 2
    Named Entity Recognition: NER models identify names, locations, and organizations in 48 languages.
  3. 3
    Context 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.

Чому Regex, а не ШІ?

Наш підхід

  • 100% відтворювані результати
  • Повністю підлягає аудиту для відповідності
  • Не потрібні навчальні дані
  • Прозоре прийняття рішень
  • Швидка, передбачувана продуктивність
  • Відсутність зміщення моделі з часом

Підходи ШІ/МШ

  • Результати змінюються між запусками
  • Чорна скринька прийняття рішень
  • Потребує навчальних даних
  • Складно підлягає аудиту
  • Вищі витрати на обчислення
  • Зміщення моделі з часом
Дізнайтеся більше про нашу технологію

10-етапний процес

Від входу до виходу, ось що точно відбувається з вашим документом

1

Вхідний текст

Надішліть свій документ через веб-інтерфейс, API або Office Add-in

2

Виявлення мови

Система визначає мову документа для оптимальної обробки

3

Токенізація

Текст розбивається на токени для співпадіння шаблонів

4

Співпадіння шаблонів

Шаблони regex сканують понад 50 типів сутностей

5

Аналіз контексту

Навколишній текст підвищує точність виявлення

6

Оцінка впевненості

Кожне виявлення отримує оцінку впевненості

7

Класифікація сутностей

Виявлені елементи класифікуються за типом

8

Перегляд результатів

Перегляньте всі виявлення з позиціями та оцінками

9

Застосування анонімізації

Виберіть свій метод: Замінити, Закрити, Хешувати, Шифрувати або Маскувати

10

Вихідний документ

Завантажте свій анонімізований документ

Доступно лише в планах Pro та Business

MCP Server: Інтеграція ШІ з акцентом на конфіденційність

Як ваші дані проходять через MCP Server, щоб забезпечити безпеку інструментів ШІ

1

Запит інструмента ШІ

Ваш інструмент ШІ (Cursor, Claude) надсилає запит, що містить PII

2

MCP Server перехоплює

Сервер аналізує та виявляє всі сутності PII

3

Анонімізація

PII замінюється токенами або закривається

Safe data only
4

Обробка ШІ

ШІ отримує та обробляє лише анонімізовані дані

5

Повернення відповіді

Відповідь ШІ повертається через MCP Server

6
Optional

Детокенізація

За бажанням: оригінальні значення відновлюються для користувача

Приклад з реального життя

До (з PII)
Обробити платіж для John Doe, електронна пошта john@example.com, картка 4532-1111-2222-3333

Що бачить ШІ

Після (анонімізовано)
Обробити платіж для PII_PERSON_001, електронна пошта PII_EMAIL_001, картка PII_CREDIT_CARD_001

Що ви отримуєте назад

ШІ ніколи не бачить ваші реальні PII
Зворотний процес з режимом токенізації
Ті ж витрати на токени, що й у веб-додатку
Працює з кількома інструментами ШІ
Безпека корпоративного рівня
Дізнайтеся більше про MCP Server →

Досліджуйте далі

Технологія

Глибоке занурення в виявлення на основі regex і чому це краще для відповідності

Архітектура

Архітектура системи та як компоненти працюють разом

Безпека

П’ять рівнів безпеки, що захищають ваші дані на кожному етапі

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.

Перегляньте це в дії

Спробуйте наше виявлення PII та анонімізацію безкоштовно з 200 токенами за цикл.

Створити безкоштовний акаунтШвидкий старт

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.