By · Last updated 2026-06-03

بلاگ پر واپس جائیںقانونی ٹیک

قانونی PII: استحقاق کی شناخت

کیس ریفرنس نمبر، بار داخلہ نمبر، عدالتی ڈاکٹ نمبر، اور کلائنٹ میٹر IDs قانونی لحاظ سے حساس شناخت کار ہیں جنہیں معیاری PII ٹولز نظرانداز کر دیتے ہیں۔

June 3, 20267 منٹ پڑھیں
attorney-client privilegelegal document reviewcase numberslaw firm privacylegal tech

title: "قانونی PII: استحقاق کی شناخت" description: "کیس ریفرنس نمبر، بار داخلہ نمبر، عدالتی ڈاکٹ نمبر، اور کلائنٹ میٹر IDs قانونی لحاظ سے حساس شناخت کار ہیں جنہیں معیاری PII ٹولز نظرانداز کر دیتے ہیں۔" category: legal-tech publishedAt: 2026-06-03 tags:

  • وکیل-موکل استحقاق
  • قانونی دستاویز جائزہ
  • کیس نمبر
  • لا فرم پرائیویسی
  • قانونی ٹیک readingTime: 7

AI کے دور میں وکیل-موکل استحقاق: قانونی PII جو آپ کے익명化 ٹول کو ضرور پہچاننی چاہیے

معیاری PII ٹولز نام، ای میل اور SSN پکڑتے ہیں۔ یہ کیس ریفرنس IDs، بار داخلہ نمبر اور کلائنٹ میٹر ٹیگز سے چوک جاتے ہیں۔ یہ سنگین استحقاقی خطرات لیے ہوتے ہیں۔ عام ٹولز یہ خلا کھلا چھوڑ دیتے ہیں۔

لا فرمیں ہر روز AI ٹولز کو فائلیں بھیجتی ہیں۔ ان فائلوں میں معیاری PII کے ساتھ ساتھ استحقاق کے لیے حساس نشان دہ کار بھی ہوتے ہیں جنہیں معیاری ٹولز نہیں پہچانتے۔

جب کوئی لا فرم AI اسسٹنٹ کے ذریعے فائلیں بھیجتی ہے تو ان فائلوں میں معیاری PII کے ساتھ قانونی IDs بھی شامل ہوتی ہیں:

  • کلائنٹ میٹر ٹیگز: مکمل میٹر فائل سے جڑتے ہیں اور کلائنٹ کا نام ظاہر کرتے ہیں
  • کیس ریفرنس IDs: عدالت کی طرف سے تفویض کردہ کوڈز جو نجی تفصیلات والے عوامی ریکارڈز سے جڑتے ہیں
  • بار داخلہ نمبر: وکیل IDs جو ریاستی عوامی ڈائریکٹریوں میں تلاش کیے جا سکتے ہیں
  • عدالتی ڈاکٹ کوڈز: مکمل کیس ہسٹری والے عوامی فائلنگ سسٹمز سے جڑتے ہیں
  • جوڈیشل اسائنمنٹ کوڈز: حساس حالات میں صدارت کرنے والے جج کی شناخت کرتے ہیں

ان میں سے کوئی بھی، بیرونی AI وینڈر کو بھیجا گیا، ممکنہ استحقاق کا مسئلہ پیدا کرتا ہے۔

یہ IDs کیوں حسب ضرورت شناخت کی ضرورت رکھتی ہیں

عدالتی ڈاکٹ فارمیٹ ضلع سطح کے نمونوں کی پیروی کرتے ہیں۔ کوئی ایک نمونہ تمام وفاقی اور ریاستی عدالتوں کو نہیں ڈھانپتا۔

وفاقی دیوانی مقدمات دو ہندسے کے سال، پھر "cv"، پھر کیس نمبر استعمال کرتے ہیں۔ فوجداری مقدمات اسی جگہ "cr" استعمال کرتے ہیں۔ ریاستی عدالتیں علاقے کے حساب سے مختلف ہوتی ہیں اور کوئی مشترکہ معیار نہیں ہے۔

بار داخلہ نمبر ریاست کے مخصوص ہیں۔ کیلیفورنیا عددی فارمیٹ استعمال کرتا ہے۔ نیویارک رجسٹری فارمیٹ استعمال کرتا ہے۔ ٹیکساس کا اپنا بار ID فارمیٹ ہے۔ کوئی قومی فارمیٹ موجود نہیں ہے۔

کلائنٹ میٹر ٹیگز فرم کے مخصوص ہیں۔ ہر فرم اپنا فارمیٹ بناتی ہے۔ سال-کلائنٹ-میٹر۔ پریکٹس گروپ کوڈز۔ یکے بعد دیگرے IDs۔

معیاری PII ٹولز بغیر حسب ضرورت سیٹ اپ کے ان میں سے کوئی بھی نہیں جان سکتے۔

خلا حقیقی ہے۔ ایک دستاویز ٹول مکمل میٹر سیاق و سباق وصول کرتا ہے۔ ڈاکٹ کوڈز عوامی ریکارڈز سے جڑتے ہیں۔ کلائنٹ ٹیگز موجود ہوتے ہیں۔ ٹول رپورٹ کرتا ہے کہ PII ہٹا دی گئی۔ نام اور ای میل ہٹائی گئیں۔ استحقاق کے لیے حساس IDs نہیں ہٹائی گئیں۔

قانونی AI اسٹارٹ اپ کا کیس

ایک قانونی AI اسٹارٹ اپ لا فرموں کے لیے ایک دستاویز ٹول بناتا ہے۔ یہ پروڈکٹ دریافت فائلوں کو اسکین کرتا ہے، متعلقہ شقیں تلاش کرتا ہے، اور ممکنہ طور پر استحقاق یافتہ مواد کو نشان زد کرتا ہے۔ انٹرپرائز کلائنٹس معیاری PII کے ساتھ ساتھ پروسیسنگ سے پہلے کلائنٹ میٹر ٹیگز کو ہٹانے کا تقاضا کرتے ہیں۔

تعمیل کی رکاوٹ: AI ٹول کلائنٹ میٹر ٹیگز پر مشتمل فائل ڈیٹا پروسیس کرتا ہے۔ عوامی عدالتی فائلنگز کے ساتھ مل کر، وہ ٹیگز میٹر کی شناخت ممکن بنا سکتے ہیں۔ انٹرپرائز قانونی آپس ٹیمیں اسے ناقابل قبول قرار دیتی ہیں۔

حسب ضرورت ایکویٹی شناخت سے پہلے:

  • ڈیل جائزے سے تعمیل خلا کا پتہ چلتا ہے
  • حسب ضرورت NLP ماڈل کے لیے 3+ ماہ کی انجینئرنگ قطار
  • انٹرپرائز کنٹریکٹ معطل

حسب ضرورت ایکویٹی API کے ساتھ:

  • تعمیل افسر آن بورڈنگ کے دوران میٹر ٹیگ فارمیٹ بیان کرتا ہے
  • نمونہ فائلوں کے خلاف نمونہ جانچا گیا: 2 دن
  • حسب ضرورت ایکویٹی پائپ لائن میں شامل: 1 مزید دن
  • انٹرپرائز کنٹریکٹ آگے بڑھتا ہے

فرق 3 دن بمقابلہ 3+ ماہ ہے۔ کام نمونہ سیٹ اپ اور API انضمام ہے۔ کوئی NLP ماڈل تربیت درکار نہیں۔

زمرے کے مطابق عام فارمیٹس

وفاقی عدالتی ڈاکٹ:

وفاقی دیوانی مقدمات استعمال کرتے ہیں: دو ہندسے کا سال + "cv" + 4-6 ہندسے کا کیس نمبر۔ مثال: 24-cv-12345۔ فوجداری مقدمات اسی جگہ "cr" استعمال کرتے ہیں۔ دیوالیہ مقدمات "bk" استعمال کرتے ہیں۔ اپیلیں دو ہندسے کا سال اور 4-5 ہندسے کا نمبر استعمال کرتی ہیں جو سرکٹ کے حساب سے مختلف ہوتا ہے۔

ریاستی عدالتی فارمیٹس (مثالیں):

کیلیفورنیا سپیریئر کورٹ چھ ہندسے کا پریفکس سسٹم استعمال کرتی ہے۔ نیویارک سال اور ترتیب کے ساتھ انڈیکس فارمیٹ استعمال کرتا ہے۔ ٹیکساس سال، ترتیب اور عدالتی کوڈ کے ساتھ کاز فارمیٹ استعمال کرتا ہے۔

کلائنٹ میٹر ٹیگز (عام فرم فارمیٹس):

زیادہ تر فرموں میں تین عام نمونے نظر آتے ہیں:

  • دو ہندسے کا سال، کلائنٹ ID، میٹر ترتیب (مثلاً، 24-ACME-001)
  • پریکٹس گروپ کے ابتدائی حروف، سال، پھر چار ہندسے کی ترتیب (مثلاً، LIT240042)
  • چھ ہندسے کے ID کے ساتھ کلائنٹ پریفکس (مثلاً، SMITHCO-000123)

امریکی بار داخلہ IDs:

زیادہ تر ریاستیں 4-8 ہندسے کے نمبر استعمال کرتی ہیں، کبھی کبھی ریاستی سطح کے پریفکس کے ساتھ۔ USDC داخلہ IDs ضلع کے حساب سے مختلف ہوتی ہیں اور مشترکہ فارمیٹ نہیں ہے۔

استحقاق سے آگاہ پروسیسنگ پائپ لائن

دستاویز جائزہ AI کے لیے، ایک پرتدار پائپ لائن مکمل دائرے کو سنبھالتی ہے۔

پرت 1 — معیاری PII شناخت

نام، ای میل، فون نمبر، پتے، SSNs۔ اعلی درستگی۔ یہ پرت اچھی طرح قائم ٹولنگ سے ڈھکی ہوئی ہے۔

پرت 2 — حسب ضرورت کوڈ شناخت

میٹر کوڈز، ڈاکٹ IDs، بار IDs۔ فرم کے مخصوص نمونے آن بورڈنگ پر سیٹ کیے جاتے ہیں۔ یہ پرت معیاری ٹولز کی کمی کو پورا کرتی ہے۔

پرت 3 — استحقاق جائزہ (انسانی)

خودکار شناخت کے بعد، ایک وکیل نشان زد نشان دہ کاروں کا جائزہ لیتا ہے۔ ATTORNEY-CLIENT ہیڈرز۔ WORK PRODUCT لیبلز۔ CONFIDENTIAL نشانات۔ اس پرت پر انسانی جائزہ اختیاری نہیں ہے۔

پرت 4 — سیاق و سباق استثناء جائزہ

عوامی ریکارڈ ڈاکٹ جو کوئی استحقاق خطرہ نہیں رکھتے بمقابلہ کلائنٹ میٹر ٹیگز جو رکھتے ہیں۔ اس کے لیے وکیل کی رائے درکار ہے۔ اسے خودکار نہیں کیا جا سکتا۔

پرتیں 1 اور 2 زیادہ مقدار کا کام سنبھالتی ہیں۔ پرتیں 3 اور 4 وکیل کی رائے کو وہاں رکھتی ہیں جہاں استحقاق کے فیصلے ہونے چاہئیں۔ جب AI ٹول کے استعمال سے استحقاق پہلے ہی ضائع ہو جائے تو کیا ہوتا ہے، اس کے لیے وکیل-موکل استحقاق اور AI دیکھیں۔

ڈویلپرز کے لیے سیٹ اپ

آن بورڈنگ کنفیگریشن

انٹرپرائز آن بورڈنگ کے دوران کلائنٹ میٹر ٹیگ فارمیٹس جمع کریں۔ ہر فرم مختلف فارمیٹ استعمال کرتی ہے۔ انہیں فرم کے مخصوص حسب ضرورت ایکویٹیز کے طور پر اسٹور کریں۔ اس اکاؤنٹ کی تمام پروسیسنگ پر لاگو کریں۔

ڈیفالٹ پریسیٹس

پہلے سے بنے پریسیٹس حسب ضرورت کام کے بغیر عام سیاق و سباق کو ڈھانپتے ہیں:

  • "وفاقی عدالتی دستاویزات" — دیوانی، فوجداری اور دیوالیہ کے لیے وفاقی ڈاکٹ نمونے
  • "ریاستی عدالتی دستاویزات (CA/NY/TX)" — تین بڑے دائرہ اختیارات کے لیے ریاست مخصوص فارمیٹس
  • "داخلی آپریشنز" — میٹر ٹیگ اور معیاری PII
  • "باہری وکیل پورٹل" — بل ریفرنس، میٹر ٹیگ اور معیاری PII

آڈٹ دستاویز

پروسیسنگ ریکارڈز کو دکھانا چاہیے کہ حسب ضرورت کوڈز ہر شناخت پاس میں شامل تھے۔ یہ تجزیہ کے طریقے کے لیے کام کی مصنوع تحفظ کی حمایت کرتا ہے۔

مقدمہ بازی میں ریڈکشن اخراجات کیسے بڑھتے ہیں اس پر وسیع تر نظر کے لیے، e-discovery PII آٹومیشن اور قانونی جائزے کی لاگت میں کمی دیکھیں۔

نتیجہ

استحقاق کے لیے حساس IDs معیاری PII کی طرح ہی خطرناک ہیں — اکثر زیادہ۔ ایسے ٹولز جو ڈاکٹ کوڈز اور میٹر ٹیگز سے چوک جاتے ہیں دستاویز ورک فلوز میں ایک حقیقی خلا چھوڑتے ہیں۔

حل NLP ماڈل نہیں ہے۔ یہ نمونہ سیٹ اپ ہے۔ لا فرم ٹولز بنانے والے ڈویلپرز کے لیے، یہ 3 دن کے حل اور 3 ماہ کے پروجیکٹ کے درمیان فرق ہے۔ لا فرموں کے لیے، یہ قابل دفاع AI معاونت جائزہ اور استحقاق کی چھوٹ کے خطرے کے درمیان فرق ہے۔

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.