数据隐私见解
关于人工智能安全、GDPR 合规、医疗数据保护和 PII 匿名化最佳实践的专家文章。
所有文章
意大利Garante：AI与个人信息合规
意大利Garante于2024年12月对OpenAI处以1500万欧元罚款，并于2023年临时封禁ChatGPT。63%的意大利企业缺乏AI数据治理政策。
巴西LGPD：CPF、CNPJ与数据保护
LGPD覆盖巴西2.15亿人口，ANPD于2024年开始重大执法行动。英语训练工具对CPF的识别准确率仅为45%。
荷兰AP：2.9亿欧元罚款与GDPR执法
荷兰AP对Uber开出欧盟最大跨境数据传输罚款——2.9亿欧元。荷兰公民服务号（BSN）需要Elfproef校验，56%的工具未能通过此验证。
波兰UODO：PESEL、NIP与RODO合规
UODO发现89%的已部署工具无法正确检测波兰PESEL。波兰每日处理230万条欧盟客户记录。PESEL校验和验证、NIP详解。
罗马尼亚ANSPDCP：CNP检测与GDPR合规
ANSPDCP发现78%的工具在CNP验证方面存在缺陷。CNP编码性别、出生日期和出生县——涉及GDPR特殊类别数据的合规影响。
瑞典IMY：人口号码与Luhn校验
IMY发现45%的通用工具无法检测瑞典personnummer。大多数实现遗漏samordningsnummer（60位偏移）。瑞典79%的GDPR权利行使率。
丹麦CPR：GDPR合规的模11校验
67%的NLP工具未能实现丹麦CPR号码的模11校验。Datatilsynet 2024年针对医疗领域的14项执法行动。健康数据的二次使用问题。
捷克出生编号：性别编码与GDPR合规
捷克出生编号（rodné číslo）通过月份加50的方式编码性别，属于GDPR第9条特殊类别数据。67%的捷克企业使用德语工具处理此类数据，存在合规盲区。
匈牙利NAIH：TAJ社保号与税务ID的GDPR合规
匈牙利NER准确率仅67%，低于欧盟82%的平均水平——这是NAIH 2024年评估的结论。本文深入解析TAJ-szám加权校验算法及adóazonosító jel的检测盲区。
希腊HDPA：AFM税务号与AMKA社保号的检测合规
通用工具对希腊AFM税务号的检测准确率仅52%。HDPA 2024年共发布89项决定，较2022年增长162%。旅游和航运行业面临尤为突出的合规风险。
日本个人番号：Verhoeff算法与APPI合规指南
63%的通用工具无法在日语文件中检测到个人番号（マイナンバー）。个人番号采用Verhoeff算法——亚洲最复杂的国家ID校验方案，本文详解技术合规要点。
爱泼斯坦文件：高亮不是遮盖
2025年12月美国司法部公开的爱泼斯坦文件暴露了一个严重的遮盖失误：黑色高亮的PDF文本可通过复制粘贴读取。
2026年律师-委托人特权与AI
2026年2月，一家美国联邦法院裁定AI通信不受律师-委托人特权保护。
零知识与零信任云加密
LastPass也对用户数据进行了加密——但4.38亿美元仍然被盗。了解服务端加密与真正零知识架构之间的区别。
气隙网络PII：国防领域的离线优先方案
41%的企业安全策略禁止将机密文件上传至云端处理。
GDPR合规的多语言PII检测
德国Steuer-ID、法国NIR和瑞典Personnummer各自需要不同的检测逻辑。
可逆遮盖与永久遮盖的选择
GDPR区分匿名化与假名化。法院需要原件。研究需要重新识别。了解何时使用哪种方法。
多语言NER：英语模型在阿拉伯语上的失败
英语NER模型准确率达85-92%。阿拉伯语和中文呢？通常只有50-70%。了解技术挑战以及如何构建真正的多语言保护。
94%的中小企业遭受攻击：经济实惠的隐私保护
中小企业面临与大型企业相同的威胁，却负担不起每月800美元以上的工具费用。了解如何以每月仅需€3的价格获得企业级隐私保护。
PHI检测：Snow Labs 96%对比GPT-4o
并非所有去标识化工具的效果都相同。ECIR 2025基准测试显示F1分数从79%到96%不等。了解准确性为何重要以及如何评估工具。
法院因遮盖失误对律师实施制裁
在Word中高亮显示文本并非真正的遮盖。法院正在因技术失误导致特权信息暴露而对律师实施制裁。
在不泄露PII的情况下使用Claude和ChatGPT
开发者AI安全使用指南。了解如何为Claude Desktop、Cursor和VS Code配置MCP服务器集成，实现透明的PII保护。
90万用户的AI聊天记录遭到窃取
两个恶意Chrome扩展程序从90万以上用户处窃取了ChatGPT聊天记录，其中一个还获得了Google的"精选"徽章。
742万美元：医疗行业数据泄露成本居首
医疗行业连续14年位列数据泄露成本最高的行业。了解为什么PHI如此珍贵以及如何加以保护。
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.