ڈیٹا کی رازداری کی بصیرت
AI کی سیکیورٹی، GDPR کی تعمیل، صحت کی دیکھ بھال کے ڈیٹا کے تحفظ، اور PII کی گمنامی کے بہترین طریقوں پر ماہر مضامین۔
تمام مضامین
Garante اٹلی: AI اور PII کی تعمیل
اٹلی کے Garante نے دسمبر 2024 میں OpenAI پر €15M جرمانہ کیا اور 2023 میں ChatGPT کو عارضی طور پر بند کیا۔ 63٪ اطالوی کمپنیوں میں AI ڈیٹا گورننس پالیسیاں نہیں ہیں۔
LGPD برازیل: CPF، CNPJ، اور ڈیٹا تحفظ
LGPD 215 ملین برازیلیوں کو کور کرتا ہے اور ANPD نے 2024 میں بڑا نفاذ شروع کیا۔ انگریزی تربیت یافتہ ٹولز CPF کو صرف 45٪ درستگی سے پہچانتے ہیں۔
ڈچ AP: €290 ملین جرمانہ اور GDPR نفاذ
ڈچ AP نے Uber پر EU کا سب سے بڑا ڈیٹا ٹرانسفر جرمانہ — €290 ملین — عائد کیا۔ BSN (ڈچ سوشل سیکیورٹی نمبر) کے لیے 11-proef تصدیق ضروری ہے جو 56% ٹولز سے چھوٹ جاتی ہے۔
UODO پولینڈ: PESEL، NIP اور RODO تعمیل
UODO نے پایا کہ 89% تعینات ٹولز پولش PESEL کو صحیح طریقے سے شناخت نہیں کر پاتے۔ پولینڈ روزانہ 2.3 ملین EU کسٹمر ریکارڈ پروسیس کرتا ہے۔ PESEL checksum تصدیق، NIP۔
ANSPDCP رومانیہ: CNP شناخت اور GDPR چیکس
ANSPDCP نے پایا کہ 78% ٹولز رومانیائی CNP کو مناسب تصدیق کے ساتھ چھوڑ دیتے ہیں۔ CNP صنف، تاریخ پیدائش، اور پیدائشی کاؤنٹی انکوڈ کرتا ہے — GDPR خصوصی زمرہ کے مضمرات۔
IMY سویڈن: Personnummer اور Luhn چیکس
IMY نے پایا کہ 45% عام ٹولز سویڈش personnummer چھوڑ دیتے ہیں۔ Samordningsnummer (60 آفسیٹ) زیادہ تر implementations سے چھوٹ جاتا ہے۔ سویڈن کی 79% GDPR حقوق استعمال کی شرح۔
ڈنمارک CPR: GDPR کے لیے Modulus-11 تصدیق
67% NLP ٹولز ڈنمارکی CPR نمبر modulus-11 تصدیق چھوڑ دیتے ہیں۔ 2024 میں Datatilsynet کی 14 صحت نگہداشت نفاذ کارروائیاں۔ صحت ڈیٹا کا ثانوی استعمال۔
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۔
NAIH ہنگری: TAJ-Szám اور Adóazonosító Jel
ہنگری کی NER درستگی 67% بمقابلہ EU اوسط 82% — NAIH کی 2024 تشخیص۔ TAJ-szám وزنی checksum اور adóazonosító jel شناخت کے خلا۔
HDPA یونان: AFM اور AMKA کی شناخت
عام ٹولز AFM کو صرف 52% درستگی سے شناخت کرتے ہیں۔ HDPA نے 2024 میں 89 فیصلے جاری کیے — 2022 سے 162% اضافہ۔ سیاحت اور بحری شعبوں کو الگ خطرات لاحق ہیں۔
جاپان My Number: Verhoeff اور APPI
63% عام ٹولز جاپانی دستاویزات میں My Number کی شناخت میں ناکام رہتے ہیں۔ My Number Verhoeff الگورتھم استعمال کرتا ہے — ایشیا کا سب سے پیچیدہ قومی ID چیک سم۔
ایپسٹین فائلیں: ہائی لائٹنگ ریڈیکشن نہیں ہے
دسمبر 2025 کی DOJ ایپسٹین فائلوں کے اجراء نے ایک اہم ریڈیکشن ناکامی کا انکشاف کیا: کاپی-پیسٹ کے ذریعے سیاہ ہائی لائٹ شدہ PDF متن پڑھا جا سکتا ہے۔
وکیل-موکل استحقاق اور AI 2026 میں
فروری 2026 میں ایک امریکی وفاقی عدالت نے فیصلہ دیا کہ AI سے کی گئی گفتگو وکیل-موکل استحقاق کی حامل نہیں ہوتی۔
زیرو-نالج بمقابلہ زیرو-ٹرسٹ انکرپشن
LastPass نے بھی اپنے صارفین کا ڈیٹا انکرپٹ کیا تھا — پھر بھی 438 ملین ڈالر چوری ہو گئے۔ سرور-سائیڈ انکرپشن اور حقیقی زیرو-نالج کے درمیان فرق یہ ہے۔
ایئر-گیپڈ PII: دفاع کے لیے آف لائن-فرسٹ
41% انٹرپرائز سیکیورٹی پالیسیاں خفیہ دستاویزات کی کلاؤڈ پروسیسنگ کو منع کرتی ہیں۔
GDPR کے لیے کثیر لسانی PII کا پتہ لگانا
جرمن Steuer-ID، فرانسیسی NIR، اور سویڈش Personnummer سب کے لیے مختلف ڈیٹیکشن منطق درکار ہے۔
قابل بحالی بمقابلہ مستقل ریڈکشن کا انتخاب
GDPR گمنامی اور چھدم نامی میں فرق کرتا ہے۔ عدالتوں کو اصل کی ضرورت ہوتی ہے۔ تحقیق کو دوبارہ شناخت کی ضرورت ہے۔ جانیں کہ ہر طریقہ کب استعمال کریں۔
کثیر لسانی NER: انگریزی عربی میں ناکام
انگریزی NER ماڈلز 85-92% درستگی حاصل کرتے ہیں۔ عربی اور چینی میں؟ اکثر 50-70%۔ تکنیکی چیلنجز اور واقعی کثیر لسانی پائپ لائن بنانے کا طریقہ سیکھیں۔
94% چھوٹے کاروبار حملوں کا شکار: سستی پرائیویسی
چھوٹے کاروباروں کو بڑی کمپنیوں جیسے خطرات درپیش ہیں لیکن وہ $800+/ماہ ٹولز خریدنے کی استطاعت نہیں رکھتے۔ یہاں جانیں کہ €3/ماہ میں انٹرپرائز درجے کی پرائیویسی کیسے حاصل کریں۔
PHI کا پتہ لگانا: Snow Labs 96% بمقابلہ GPT-4o
تمام ڈی-شناختی ٹولز برابر نہیں ہیں۔ ECIR 2025 بینچ مارکس میں F1 اسکور 79% سے 96% تک ہیں۔ جانیں کہ درستگی کیوں اہم ہے اور ٹولز کا جائزہ کیسے لیں۔
عدالتیں ریڈیکشن ناکامیوں پر وکلاء کو جرمانہ کر رہی ہیں
Word میں ٹیکسٹ ہائی لائٹ کرنا ریڈیکشن نہیں ہے۔ عدالتیں ان تکنیکی غلطیوں پر وکلاء کو جرمانہ کر رہی ہیں جو مراعات یافتہ معلومات ظاہر کر دیتی ہیں۔
Claude اور ChatGPT بغیر PII لیک کیے استعمال کریں
ڈویلپرز کے لیے AI اسسٹنٹس محفوظ طریقے سے استعمال کرنے کی گائیڈ۔ Claude Desktop، Cursor، اور VS Code میں شفاف PII تحفظ کے لیے MCP Server انٹیگریشن سیٹ اپ کریں۔
9 لاکھ صارفین کی AI گفتگو چرائی گئی
دو نقصاندہ Chrome ایکسٹینشنز نے 900,000 سے زیادہ صارفین کی ChatGPT گفتگو چرائی۔ ایک کے پاس Google کا 'Featured' بیج تھا۔
$7.42M: صحت کی دیکھ بھال میں بریچ کے اخراجات سب سے زیادہ
صحت کی دیکھ بھال مسلسل 14 سالوں سے ڈیٹا بریچ کے لیے سب سے مہنگا شعبہ رہا ہے۔ جانیں کہ PHI اتنا قیمتی کیوں ہے اور اسے کیسے بچائیں۔
آج ہی اپنے ڈیٹا کی حفاظت شروع کریں
267+ ادارتی اقسام، 48 زبانیں، اسٹارٹ اپ قیمتوں پر انٹرپرائز گریڈ سیکیورٹی۔
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.