By · Last updated 2026-06-05

بلاگ پر واپس جائیںGDPR اور تعمیل

چیک Rodné Číslo: صنف انکوڈنگ اور GDPR

چیک rodné číslo 50-آفسیٹ مہینے کی انکوڈنگ کے ذریعے صنف انکوڈ کرتا ہے — اسے GDPR آرٹیکل 9 خصوصی زمرہ ڈیٹا بناتا ہے۔ 67% چیک فرمیں جرمن ٹولز استعمال کرتی ہیں۔

June 5, 20267 منٹ پڑھیں
Czech ÚOOÚrodné číslo detectionCzech GDPR compliancemanufacturing data protectionCentral Europe

ÚOOÚ اور Rodné Číslo: GDPR کے تحت صنف انکوڈنگ

2026 کے لیے اپ ڈیٹ

چیک ڈیٹا ادارہ ÚOOÚ ہے۔ پورے نام سے: Úřad pro ochranu osobních údajů۔ اس نے 2024 میں 58 فیصلے جاری کیے۔ ایک نتیجہ بہت سے کیسز میں ظاہر ہوتا ہے۔ rodné číslo (پیدائشی نمبر) شناخت کے بغیر پروسیس کیا گیا۔ استعمال شدہ PII ٹول جرمن یا انگریزی کے لیے بنایا گیا تھا۔ اس میں اس شناخت کنندہ کے لیے کوئی لاجک نہیں تھا۔ ÚOOÚ واضح ہے: ٹولز کو checksum تصدیق اور درست gender-offset ہینڈلنگ کے ساتھ rodné číslo کا پتہ لگانا ہوگا۔

Rodné Číslo: ساخت کے اعتبار سے خصوصی زمرہ ڈیٹا

Rodné číslo، یا RČ، RRMMDD/XXXX فارمیٹ استعمال کرتا ہے۔

  • RR — پیدائشی سال کے آخری دو ہندسے۔
  • MM — پیدائشی مہینہ۔ خواتین کے لیے 50 شامل کیا جاتا ہے۔ مہینہ 01 بن جاتا ہے 51۔ مہینہ 12 بن جاتا ہے 62۔
  • DD — پیدائشی دن۔
  • XXXX — 3–4 ہندسوں اور ایک چیک قدر (modulus 11) کی ایک مختصر ترتیب۔

خواتین کا مہینہ آفسیٹ اس نمبر کو حیاتیاتی جنس کا نشان بناتا ہے۔ وہ آفسیٹ اتفاقی نہیں ہے۔ شہری رجسٹریشن سسٹم اسے انتظامی تلاش کے لیے استعمال کرتا ہے۔ GDPR آرٹیکل 9 ذاتی خصوصیات ظاہر کرنے والے ڈیٹا کا احاطہ کرتا ہے۔ جنس ان میں سے ایک ہے۔ ÚOOÚ کا نظریہ: rodné číslo والی کوئی بھی دستاویز خصوصی-زمرہ سے ملتا جلتا ڈیٹا رکھتی ہے۔ مضبوط تحفظ لاگو ہوتا ہے۔

چیک قدر کیسے کام کرتی ہے: 10 حرف نمبروں کے لیے (1954 کے بعد جاری)، مکمل 9 حرف بیس کو 11 سے یکساں طور پر تقسیم ہونا ضروری ہے۔ 9 حرف نمبروں کے لیے (1954 سے پہلے جاری)، کوئی چیک قدر موجود نہیں۔ ٹولز کو دونوں سنبھالنے ہوں گے۔

ÚOOÚ کیا کافی شناخت کہتا ہے

PII ٹولز کے لیے ÚOOÚ کی 2024 تکنیکی رہنمائی تین ضروریات مقرر کرتی ہے۔

Gender-offset ہینڈلنگ: 51–62 کی مہینے کی قدروں والے نمبر خواتین کے لیے درست شناخت کنندہ ہیں۔ جو ٹول انہیں غلط تاریخ سمجھتا ہے وہ بالغ خاتون آبادی کے بنیادی ID کا تقریباً نصف چھوڑ دیتا ہے۔

فارمیٹ کی شکلیں: 1954 سے پہلے کی پیدائشیں 9 حرف نمبر بغیر چیک قدر کے دیتی ہیں۔ 1954 کے بعد کی پیدائشیں 10 حرف نمبر ایک چیک قدر کے ساتھ دیتی ہیں۔ دونوں کی حمایت ہونی چاہیے۔

سیاق و سباق کے اشارے: مقامی زبان کی دستاویزات میں، شناخت کنندہ "Rodné číslo:"، "RČ:"، یا "r.č.:" جیسے لیبل کے قریب ظاہر ہوتا ہے۔ زبان سے واقف NER ان اشاروں کو آزاد متن میں بھی تلاش کرنے میں مدد کرتا ہے۔

جرمن پیرنٹ کمپنی کا مسئلہ

ملک میں 67% فرمیں جرمن یا انگریزی میں ترتیب شدہ PII ٹولز تعینات کرتی ہیں۔ ÚOOÚ نے یہ ایک سروے میں پایا۔ مینوفیکچرنگ میں ناکامی کا سلسلہ پیشین گوئی کے قابل ہے۔

ایک جرمن parent ایک اسکیننگ ٹول تعینات کرتا ہے۔ یہ جرمن شناخت کنندگان کے لیے ترتیب دیا گیا ہے۔ HR ڈیٹا — معاہدے، صحت ریکارڈ، تنخواہ — پیدائشی نمبر رکھتا ہے۔ ٹول میں اس شناخت کنندہ قسم کے لیے کوئی لاجک نہیں ہے۔ ہر پیدائشی نمبر چھوٹ جاتا ہے۔ ملازم صحت اور تنخواہ ڈیٹا ÚOOÚ کی ضروریات کے بغیر ہی منتقل ہو جاتا ہے۔ آڈٹ یا خلاف ورزی میں، مقامی فرم GDPR آرٹیکل 32 کے تحت "مناسب تکنیکی اقدامات" نہیں دکھا سکتی۔

ÚOOÚ مقامی controller کو ذمہ دار ٹھہراتا ہے۔ "ہمارے parent نے ٹول منتخب کیا" ایک درست دفاع نہیں ہے۔ GDPR کا احتساب اصول اسے اجازت نہیں دیتا۔

مینوفیکچرنگ فرموں کے لیے تعمیل چیک لسٹ

یہ کنٹرول جرمن parent کمپنی tooling والی صنعتی فرموں پر لاگو ہوتے ہیں۔

  • پیدائشی نمبر شناخت: 9 حرف اور 10 حرف دونوں فارمیٹس۔ Gender-offset مہینہ ہینڈلنگ (50+)۔ 10 حرف شکلوں کے لیے Modulus-11 چیک قدر۔
  • مقامی زبان NER: spaCy cs_core_news یا ایک مساوی ماڈل۔ عام ٹولز اس زبان کے لیے 23% کم NER درستگی دکھاتے ہیں۔ مقامی ماڈل اس خلا کو پر کرتے ہیں۔
  • Číslo OP شناخت: občanský průkaz (قومی ID کارڈ) 9 حرف کا نمبر ہے۔ یہ بہت سے دستاویز اقسام میں پیدائشی نمبر کے ساتھ ظاہر ہوتا ہے۔
  • IČO اور DIČ: کاروباری ID اور ٹیکس نمبر معاہدوں میں ظاہر ہوتے ہیں۔ دونوں کو کوریج درکار ہے۔
  • کثیر زبانی pipeline: مخلوط ماحول میں مقامی زبان، جرمن، اور انگریزی میں دستاویزات ہوتی ہیں۔ ایک واحد زبان pipeline کراس-لینگویج co-occurrence چھوڑ دیتی ہے۔

ÚOOÚ نفاذ مستقل ہے۔ جو فرمیں آڈٹ میں تکنیکی ثبوت دکھاتی ہیں انہیں بہت کم جرمانے کا سامنا کرنا پڑتا ہے۔ جو نہیں دکھا سکتیں انہیں زیادہ نمائش کا سامنا ہے۔

قومی IDs GDPR نمائش کیسے پیدا کرتے ہیں اس کی وسیع تر نظر کے لیے، ہماری EU national tax ID detection guide دیکھیں۔

ایک مماثل Nordic شناخت کنندہ کے لیے، ہماری Datatilsynet CPR technical guide دیکھیں۔

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.