Приватност & AI технология Речник

Отворен протокол от Anthropic, позволяващ на AI модели да взаимодействат с външни инструменти и источники на данни по стандартизиран начин. anonym.legal внедрява MCP Server, така че AI инструменти за кодиране могат да позовават анонимизацията без да напускат своя работен процес.

интеграция на MCP Server на anonym.legal позволява на AI асистенти за кодиране (Claude Desktop, Cursor, VS Code Copilot) да се обратят на API анонимизация директно като инструмент. PII се отстранява от код, подкани и контекст преди да се изпрати на AI модела. Свържете се чрез HTTP: https://anonym.legal/mcp с Authorization: Bearer заглавие — инсталация не е необходима.

Специализирана категория DLP, фокусирана на предотвратяване на PII и поверителни данни, които да бъдат включени в подкани, изпратени на генеративни AI модели (ChatGPT, Claude, Gemini). Chrome разширение на anonym.legal и MCP Server разрешават този риск в точката на вход.

Дисциплина на безопасност и категория софтуерни инструменти, които детектират и предотвратяват неоторизирано предаване на чувствителни данни извън организация. anonym.legal работи като браузър-слой и AI-слой решение на DLP за PII.

Стратегия за замяна, приложена на детектирана PII. anonym.legal поддържа: REPLACE (заместител текст), REDACT (празен низ), MASK (звездички), HASH (SHA-256 дайджест), ENCRYPT (обратим AES-256-GCM), и KEEP (пропускане, полезно за тестване).

Потребител-дефинирани модели на PII, добавени върху вградени 267+ типове сущности на anonym.legal. Поддържа regex модели, списъци на думи и списъци на забрана. Полезно за идентификатори на организация-специфични, като ID на служители, вътрешни кодове на проекти или собственически имена на продукти.

Билинг на основата на употреба, където API повиквания консумират жетони, изчислени от дължина на текст, брой сущности и режим на обработка (анализ срещу анонимизация). analyze_text: 2–10+ жетони, anonymize_text: 3–20+ жетони, detokenize_text: 1–5+ жетони. Операциите за управление са безплатни.

Всички данни, които могат да идентифицират конкретен индивид пряко или в комбинация с други данни. Примери: имена, имейл адреси, номера на социално осигуряване, IP адреси, биометрични записи.

Необратимия процес на отстраняване или преобразуване на информация за идентифициране, така че индивидите вече не могат да бъдат идентифицирани, пряко или косвено. По GDPR, истински анонимни данни попадат извън обхвата на регулацията.

Замяна на преки идентификатори с изкуствени стойности (псевдоними), докато запазвате способността да преидентифицирате индивиди, използвайки отделен ключ. Чл. 4(5) на GDPR го признава като техника за подобряване на приватността, но не освобождава псевдонимизирани данни от регулацията.

Постоянно отстраняване или маскиране на чувствителна информация от документи, замяна с визуален маркер, като [REDACTED] или черна лента. За разлика от шифроването, редакцията е еднопосочна и оригиналните данни не могат да бъдат възстановени.

Замяна на чувствителни данни с нечувствителен заместител (жетон), който се съответства обратно на оригинала в безопасна сейф. За разлика от шифроването, самия жетон няма математически връзка с оригиналните данни. Използвано в MCP Server, за да позволи деанонимизация на AI отговор.

Еднопосочна трансформация на данни в дайджест с фиксирана дължина, използвайки алгоритми, като SHA-256. Използвано за постоянно псевдонимизиране, дедубликация и проверка на целостност. Хеш стойностите не могат да бъдат обърнати, но могат да бъдат уязвими за атаки на радужна таблица, ако не са осолени.

Всяка здравна информация, свързана с идентифицируем индивид, регулирана под HIPAA в САЩ. Включва диагнози, записи на лечение, застраховочни данни и всеки от 18 HIPAA Safe Harbor идентификатори.

EU регулация 2016/679, основната рамка за защита на данни за Европейския съюз. Приложимо на всяка организация, обработваща лични данни на жители на ЕС. Наказание до €20M или 4% от глобалния годишен приход. Ключови права: достъп, изтриване, преносимост, ограничение, възражение.

САЩ федерален закон, установяващ стандарти за защита на чувствителна информация на пациента. Правилото за приватност управлява използването на PHI; правилото за безопасност изисква административни, физически и технически предпазни мерки за електронна PHI (ePHI). Нарушенията носят наказание до $1.9M на категория на година.

Международен стандарт за системи за управление на информационна безопасност (ISMS). Сертификацията изисква документирани политики, оценки на риск и контроли. EU сървърите на anonym.legal са ISO 27001-сертифицирани, осигуряващи структурирано управление на безопасност.

Стандарт за безопасност за организации, обработващи данни на платежни карти, поддържан от PCI Security Standards Council. Изисква шифроване, контроли на достъп, регистриране и редовно тестване. Несъответствие може да доведе до наказание и загуба на привилегии за обработка на карти.

Закон за приватност на Калифорния, предоставляващ на жителите правото да знаят, изтрият и да откажат продажбата на техните лични информации. Приложимо на бизнеси, отговарящи на приходи, обем на данни или прагове за продажба на данни.

EU регулация 2024/1689, първия комплексен закон за AI в света. Класифицира AI системи по ниво на риск. Изисквания за системи с високо риск — покриващи AI, използван в трудова заетост, кредит, здравеопазване и критична инфраструктура — стават принудителни на 2 август 2026 година. Чл. 10 изисква управление на данни и минимизиране на данни за обучение данни; Чл. 13 изисква прозрачност. Приложимо на AI разработчици, внедрители и вносители, работещи в ЕС.

GDPR чл. 5(1)(в) изисква личните данни да бъдат "адекватни, релевантни и ограничени до необходимото" за целта на обработката. В AI работни процеси, това означава отстраняване на PII от подкани преди изпращане на AI модела — моделът само получава това, което е строго необходимо за задачата. anonymize.dev автоматизира този принцип на MCP протокол слоя, замяна на PII със жетони преди всеки AI модел процес искането.

Практика на развитие, където разработчици описват намеренията на естествен език и разчитат на AI кодиране агенти (Cursor, Windsurf, Claude, GitHub Copilot), за да генерира внедряване. Риск на безопасност: разработчици редовно вставят реални записи на потребители, низове за свързване с база данни, API ключове и файлове на дневник в AI подкани, като контекст. 77% от разработчиците са изпратили корпоративни данни на AI инструменти (седмица на приватност на данни 2026). Без прихващане на PII, това представлява нарушение на GDPR чл. 5 и потенциално нарушение на данни.

Употребата на неодобрени AI инструменти — често чрез личен сметки — извън видимост и контрол на IT. 88% от организациите използват AI поне в една бизнес функция; на тези, почти половин от потребителите на генеративни AI разчитат на личен AI приложения, които работят извън управление рамки. Shadow AI добави средно €670,000 към разходи на нарушения и 20% от организациите са изпитали нарушения, пряко причинени от shadow AI (Kiteworks 2026). Предоставяне на одобрени, приватност-безопасни AI инструменти намалява неоторизирана употреба с 89%.

AI системи, които автономно планират и изпълняват многостепни задачи — преглед на уеб, повикване на API, писане и изпълнение на код, достъп до файлове — често с минимален човешки надзор. Администрацията на информационния комисар на Великобритания (ICO) публикува ръководство през януари 2026, което подчертава, че agentic AI обостря рискове на защита на данни, защото човешкия надзор става трудно, когато агенти работят автономно в големи обеми лични данни. MCP-базирано прихващане на PII (anonymize.dev) се приложи на протокол слоя, защитавайки данни независимо от ниво на автономност на агенти.

Критичен класс уязвимост в MCP-включени AI агенти, където злонамерено съдържание във външни източници (GitHub издания, уеб страници, документи) могат да отвличат агента и да го причинят да експортира данни от свързани инструменти. Документиран пример: нападатели засадиха злонамерено съдържание в GitHub издания, което причини GitHub MCP сървър да теч на частни хранилище данни. Прихващане на PII преди събиране на контекст на агент смекчава този клас атака, осигуряващ реални лични данни никога присъстват в работния контекст на агенти.

Категория инструменти и техники, които позволяват аналитика на данни и AI работни процеси, докато запазват индивидуална приватност. Включва: жетониране (anonymize.dev), диференциална приватност (добавя шум към статистически резултати), k-анонимност (осигурява всеки запис е неразличим от k−1 други), синтетично генериране на данни, федерирано обучение и безопасна многостранна изчисление.Ландшафтът на приватност на данни на ЕС за 2026 година все повече изисква организациите да внедрят PETs като част от стратегия за внедряване на Privacy-by-Design (GDPR чл. 25).

Удостоверена шифроване алгоритъм, комбиниращ AES-256 (256-бит ключ) с Galois/Counter режим за конфиденциалност и целостност. Използвано при обратим анонимизация на anonym.legal за шифроване на замянени сущности. Осигурява както тайна, така и тамперване детекция.

Криптографска хеш функция, произвеждаща дайджест от 256-бит. Използвано в anonym.legal за HMAC удостоверяване на API искания, ZK удостоверяване доказателства и постоянен псевдонимизиране на сущности (хеширане със сол произвежда същата замяна за същата оригинална стойност).

Криптографския протокол, защитавайки данни в транзит. anonym.legal прилага TLS 1.2 минимум с TLS 1.3 предпочитано, HSTS с един-година макс-възраст и HTTP/2. Всички трафик между клиенти и сървър е шифрован в транзит.

Шифроване, при което само комунициращи страни могат да четат съобщенията; сервизният доставчик няма достъп до плътен текст. В режим ZK Auth на anonym.legal, ключовете за шифроване никога не напускат устройството на клиент, постигайки E2EE за съхранение на анонимни резултати.

Категория лична информация, която машинката за детекция признава и может да анонимизира. Примери: PERSON, EMAIL_ADDRESS, PHONE_NUMBER, CREDIT_CARD, IBAN_CODE, US_SSN, IP_ADDRESS. anonym.legal поддържа 267+ типове сущности в 48 езика.

Типове сущности, детектирани независимо от езика на текста, обикновено чрез формат-базиран regex с проверка на контролна сума. Примери: CREDIT_CARD, IBAN_CODE, EMAIL_ADDRESS, PHONE_NUMBER, IP_ADDRESS, URL, CRYPTO адрес.

Типове сущности за национални и издадени от правителство идентификатори: US_SSN, US_PASSPORT, UK_NHS, ES_NIF, DE_PERSONALAUSWEIS, FR_INSEE, IT_FISCAL_CODE, и 50+ други страна-специфични ID формати. Детектирана използвайки страна-специфични regex + модели на контролна сума.

Типове сущности, покриващи финансови идентификатори: CREDIT_CARD (Luhn контролна сума), IBAN_CODE (ISO 13616 контролна сума), SWIFT_CODE (BIC формат), US_BANK_NUMBER, NRP (испански данък ID). Детектирана със валидиране на контролна сума, за да се минимизират фалшивите положителни.

Типове сущности за 18 HIPAA Safe Harbor идентификатори и допълнително здравна-свързана PII: US_MRN (медицински номера записа), MEDICAL_LICENSE, HEALTHCARE_PLAN_BENEFICIARY и диагноза/лечение контекст сущности.