By · Last updated 2026-06-05

بلاگ پر واپس جائیںصحت کی دیکھ بھال

HIPAA OCR: 725 خلاف ورزیاں، 275 ملین ریکارڈ

HHS OCR نے 2024 میں 725 HIPAA صحت ڈیٹا خلاف ورزیاں رپورٹ کیں جن سے 275 ملین ریکارڈ متاثر ہوئے — اب تک کا سب سے زیادہ۔ صحت کی خلاف ورزی کی اوسط لاگت 10.22 ملین ڈالر۔

June 5, 202610 منٹ پڑھیں
HIPAA enforcementPHI de-identificationOCR HHShealthcare breachHIPAA Security Rule

HIPAA OCR: 725 خلاف ورزیاں، 275 ملین ریکارڈ

2026 کے لیے اپ ڈیٹ شدہ

HHS آفس فار سول رائٹس (OCR) نے 2024 میں 725 صحت ڈیٹا خلاف ورزیاں شمار کیں۔ ان خلاف ورزیوں سے 275 ملین مریضوں کے ریکارڈ متاثر ہوئے۔ یہ مجموعی تعداد ایک ہی سال میں اب تک ریکارڈ کی گئی سب سے زیادہ ہے۔

فی صحت خلاف ورزی اوسط لاگت 2025 میں $10.22 ملین تک پہنچ گئی۔ IBM کی Cost of a Data Breach Report یہ تعداد وہاں رکھتی ہے۔ لاگت میں سول جرمانے، قانونی فیسیں، مریض نوٹسز، کریڈٹ مانیٹرنگ اور ضائع ہوا اعتماد شامل ہے۔

2025 اور 2026 کور کردہ اداروں اور ان کے کاروباری شراکت داروں کے لیے اہم سال ہیں۔ مارچ 2025 کا مجوزہ HIPAA سیکیورٹی رول اپ ڈیٹ 2003 کے بعد سے سب سے بڑا تکنیکی قواعد کا سیٹ شامل کرے گا۔

2024 میں 725 خلاف ورزیوں کی وجوہات

OCR پورٹل 2024 کی ناکامیوں کو چار اقسام میں تقسیم کرتا ہے۔

ہیکنگ اور IT واقعات نے 74% رپورٹ کردہ خلاف ورزیاں پیدا کیں۔ Ransomware، سرور حملے اور ای میل فراڈ اہم اقسام ہیں۔ حملہ آور اب پورے نیٹ ورک کو نشانہ بناتے ہیں۔ ایک حملہ پوری EHR سسٹم کے ریکارڈ نکال سکتا ہے۔

غیر مجاز رسائی اور افشاء نے 18% خلاف ورزیاں کیں۔ غلط رسائی کنٹرول، اندرونی غلط استعمال اور غلط وصول کنندہ کی غلطیاں سبھی یہاں شامل ہیں۔

تیسرے فریق کے واقعات 2024 کی 35% خلاف ورزیوں پر مشتمل تھے۔ ناکامی کور کردہ ادارے سے نہیں بلکہ کاروباری شریک سے شروع ہوئی۔ Change Healthcare (UnitedHealth Group کی یونٹ) نے اکیلے 190 ملین سے زیادہ مریضوں کے ریکارڈ افشاء کیے۔ یہ امریکی صحت ڈیٹا کی سب سے بڑی خلاف ورزی ریکارڈ پر ہے۔

پورٹیبل میڈیا کی چوری یا گم شدگی نے 8% خلاف ورزیاں کیں۔ بغیر انکرپشن کے گم یا چوری ہونے والے لیپ ٹاپ، USB ڈرائیوز اور کاغذی ریکارڈ۔

سیف ہاربر کے تحت 18 PHI اقسام

HIPAA کا سیف ہاربر طریقہ (45 CFR §164.514(b)) مریض کے ڈیٹا کی تمام 18 اقسام کو ہٹانے کی ضرورت ہے۔ زیادہ تر ٹیمیں فہرست جانتی ہیں۔ مشکل حصہ پیمانے پر پتہ لگانا ہے۔

  1. نام — مریض، خاندان کے افراد، آجر
  2. جغرافیائی ڈیٹا — ریاست سے چھوٹا کوئی بھی علاقہ
  3. تاریخیں — داخلہ، اخراج، پیدائش، موت (سال رہ سکتا ہے)
  4. فون نمبر
  5. فیکس نمبر
  6. ای میل پتے
  7. سوشل سیکیورٹی نمبر
  8. میڈیکل ریکارڈ نمبر (فارمیٹ EHR سسٹم کے مطابق مختلف ہوتا ہے)
  9. صحت منصوبے کے ممبر نمبر
  10. اکاؤنٹ نمبر
  11. سرٹیفکیٹ اور لائسنس نمبر — طبی، DEA، ریاستی
  12. گاڑی IDs — VINs اور پلیٹ نمبر
  13. ڈیوائس IDs — سیریل نمبر اور منفرد ڈیوائس کوڈ
  14. ویب URLs
  15. IP پتے
  16. بائیومیٹرک ڈیٹا — فنگر پرنٹ اور آواز کے نشان
  17. پورے چہرے کی تصاویر اور ملتی جلتی تصاویر
  18. کوئی اور منفرد ID، کوڈ یا خصوصیت

نوع 18 پکڑنا سب سے مشکل ہے۔ کوئی بھی کوڈ جو کسی ریکارڈ کو مخصوص مریض سے جوڑتا ہے وہ جانا چاہیے — چاہے کوئی مقررہ نمونہ نہ ہو۔

کلینیکل ریکارڈز سے تمام 18 اقسام صاف کرنے کی مرحلہ وار گائیڈ کے لیے، صحت تحقیق کے لیے HIPAA سیف ہاربر ڈی آئیڈنٹیفیکیشن دیکھیں۔

مجوزہ سیکیورٹی اپ ڈیٹ میں پانچ نئے قواعد

مجوزہ HIPAA سیکیورٹی رول اپ ڈیٹ (مارچ 2025) پانچ ذمہ داریاں شامل کرتا ہے۔

سالانہ انکرپشن آڈٹ۔ کور کردہ اداروں کو تصدیق کرنی ہوگی کہ آرام پر موجود تمام مریض ڈیٹا AES-256 یا اس کے برابر استعمال کرتا ہے۔ کلیدی انتظام تحریری معیارات کو پورا کرنا چاہیے۔

تحریری ڈی آئیڈنٹیفیکیشن طریقہ کار۔ تحقیق، AI تربیت یا تجزیات میں استعمال ہونے والے کسی بھی مریض ڈیٹا کو تحریری اقدامات کی ضرورت ہے۔ پالیسی نوٹ کافی نہیں۔ توثیق کے ثبوت کے ساتھ تکنیکی ریکارڈ ضروری ہیں۔

کاروباری شریک سیکیورٹی جانچ۔ کاروباری شراکت داروں کو لائیو ہونے سے پہلے مخصوص تکنیکی جانچ پاس کرنی ہوگی۔ معاہدات پہلے بغیر کسی تکنیکی تفصیل کے اس سے نمٹتے تھے۔

ملٹی فیکٹر توثیق (MFA)۔ الیکٹرانک مریض ڈیٹا تک رسائی رکھنے والے تمام عملے کو MFA استعمال کرنا ہوگا۔ پرانے سسٹم مستثنیٰ نہیں ہیں۔

واقعہ رسپانس ٹیسٹنگ۔ سالانہ مشقیں اور تکنیکی ٹیسٹ ضروری ہیں۔ ٹیموں کو نتائج کے ریکارڈ رکھنے ہوں گے۔

Change Healthcare سے سبق

Change Healthcare خلاف ورزی (فروری 2024) نے دکھایا کہ سیسٹمیٹک خطرہ کیسا لگتا ہے۔ Change Healthcare سالانہ 15 بلین لین دین سنبھالتا تھا۔ اس نے فراہم کنندگان، ادائیگی کاروں اور فارمیسیوں کو کلیئرنگ ہاؤس کے طور پر جوڑا۔

خلاف ورزی ایک ریموٹ رسائی اکاؤنٹ سے شروع ہوئی۔ اس اکاؤنٹ میں کوئی MFA نہیں تھی۔ حملہ آور نو دن تک نیٹ ورک میں گھومتے رہے۔ پھر انہوں نے Ransomware لانچ کی۔

سبق واضح ہے۔ صحت لین دین تک وسیع رسائی والا کاروباری شریک ہر شراکت دار کے لیے خطرہ ہے۔ پرانا فریم ورک تمام امریکی صحت لین دین کی ایک تہائی سنبھالنے والے فراہم کنندگان کے لیے نہیں بنایا گیا تھا۔

مجوزہ اصول کی MFA، نیٹ ورک سیگمنٹیشن اور کاروباری شریک جانچ سبھی اس واقعے سے جڑتے ہیں۔

ذرائع

کیا آپ اپنے ڈیٹا کی حفاظت کے لیے تیار ہیں؟

48 زبانوں میں 285+ ادارتی اقسام کے ساتھ PII کی گمنامی شروع کریں۔

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.