Yksityisyys & AI-teknologia Sanasto

Anthropic:n avoin protokolla, joka mahdollistaa AI-mallien vuorovaikutuksen ulkoisten työkalujen ja tietolähteiden kanssa standardoidulla tavalla. anonym.legal toteuttaa MCP-palvelimen, joten AI-koodausvälineet voivat kutsua anonymointia jättämättä niiden työnkulku.

anonym.legal:n MCP-palvelimen integraatio mahdollistaa AI-koodausavustajien (Claude Desktop, Cursor, VS Code Copilot) kutsua anonymointi-API:ta suoraan työkaluna. PII poistetaan koodista, kehotteista ja kontekstista ennen lähettämistä AI-mallille. Yhdistä HTTP:n kautta: https://anonym.legal/mcp kanssa Authorization: Bearer otsikko — ei asennusta vaadita.

Erikoistunut DLP-kategoria, joka keskittyy PII:n ja luottamuksellisten tietojen sisältymisen estämiseen generatiivisen AI:n malleihin lähetetyissä kehotteissa (ChatGPT, Claude, Gemini). anonym.legal:n Chrome-laajennus ja MCP-palvelin käsittelevät tätä riskiä syötön kohdassa.

Turvallisuustiede ja ohjelmistotyökalujen kategoria, jotka tunnistavat ja estävät arkaluonteisten tietojen luvattoman siirron organisaation ulkopuolelle. anonym.legal toimii selaimen kerroksena ja AI-kerroksena DLP-ratkaisuna PII:lle.

Korvaus strategia, jota sovelletaan tunnistettuun PII:hen. anonym.legal tukee: KORVAA (paikan pitäjä teksti), MUOKKAA (tyhjä merkkijono), PEITÄ (asteriskit), TIIVISTE (SHA-256 tiiviste), SALAA (palautuva AES-256-GCM), ja PIDÄ (läpikulku, hyödyllinen testaukseen).

Käyttäjän määrittelemät PII-kaavat, jotka lisätään anonym.legal:n sisäänrakennettuihin 267+ entitytyypeille. Tukee regex-kaavoja, sanalistoja ja kieltoluetteloita. Hyödyllinen organisaation spesifisille tunnistajille, kuten työntekijän tunnuksille, sisäisille projektkoodeille tai omille tuotteille.

Käytöntarpeen mukainen laskutus, jossa API-kutsut kuluttavat tunnuksia, jotka lasketaan tekstitekstin pituudesta, entiteetien lukumäärästä ja käsittelytavasta (analysoi vs. anonymoida). analyze_text: 2–10+ tunnuksia, anonymize_text: 3–20+ tunnuksia, detokenize_text: 1–5+ tunnuksia. Hallinnolliset toiminnot ovat ilmaisia.

Mikä tahansa tieto, joka voi tunnistaa tietyn yksilön suoraan tai yhdessä muiden tietojen kanssa. Esimerkkejä: nimet, sähköpostiosoitteet, sosiaaliturvatunnukset, IP-osoitteet, biometriset tietueet.

Palautumaton prosessi tunnistamistietojen poistamiselle tai muuttamiselle niin, että yksilöitä ei voi enää tunnistaa, suoraan tai epäsuorasti. GDPR:n mukaan todella anonymisoidut tiedot jäävät säännösten ulkopuolelle.

Suorien tunnistajien korvaaminen keinotekoisten arvojen kanssa (pseudonyymit) samalla kun säilytetään kyky tunnistaa yksilöt uudelleen erillisen avaimen avulla. GDPR-artikkeli 4(5) tunnistaa sen yksityisyyden parantavaksi tekniikaksi, mutta ei vapauta pseudonymisoiduja tietoja säännöksestä.

Arkaluonteisten tietojen pysyvä poistaminen tai peittäminen asiakirjoista ja korvaaminen visuaalisella merkinnällä, kuten [MUOKATTU] tai musta palkki. Toisin kuin salaus, muokkaus on yksisuuntainen ja alkuperäisiä tietoja ei voi palauttaa.

Arkaluonteisten tietojen korvaaminen ei-arkaluonteisella paikan pitäjällä (token), joka vastaa alkuperäistä turvallisessa holviassa. Toisin kuin salauksessa, tunnuksella itsellään ei ole matemaattista suhdetta alkuperäisiin tietoihin. Käytetään MCP-palvelimessa AI-vastauksen anonymisaation poistamiseen.

Tietojen yksisuuntainen muuntaminen kiinteän pituuden tiivistteeseen käyttäen algoritmeja, kuten SHA-256. Käytetään johdonmukaiseen pseudonymisaatioon, poistamiseen ja eheyden varmistamiseen. Tiivistearvoja ei voi palauttaa, mutta ne voivat olla haavoittuvia rainbow table -hyökkäyksille, jos niitä ei suolata.

Mikä tahansa terveyspalveluihin liittyvä tieto, joka on linkitetty tunnistettavaksi yksilöksi, säännellään HIPAA:n mukaisesti Yhdysvalloissa. Sisältää diagnoosit, hoitotietueet, vakuutustiedot ja mitä tahansa 18 HIPAA Safe Harbor -tunnuksista.

EU-asetus 2016/679, Euroopan unionin ensisijainen tietosuojapuitteistto. Koskee mitä tahansa organisaatiota, joka käsittelee EU-asukkaiden henkilötietoja. Sakot jopa 20 M euroa tai 4 % vuotuisista globaaleista tuloista. Avainoikeudet: pääsy, poistaminen, siirrettävyys, rajoittaminen, vastalause.

Yhdysvaltain liittovaltion laki, joka perustetaan herkkien potilaan terveystietojen suojaamisstandardeille. Yksityissääntö hallitsee PHI:n käyttöä; turvallisuussääntö vaatii hallinnolliset, fyysiset ja tekniset suojatoimet elektroniselle PHI:lle (ePHI). Rikkomuksista aiheutuu sakot jopa 1,9 miljoonaa dollaria luokkaa kohti vuodessa.

Kansainvälinen standardi tietoturvan hallintajärjestelmille (ISMS). Sertifiointiin vaaditaan dokumentoidut käytännöt, riskien arvioinnit ja hallintakeinot. anonym.legal:n EU-palvelimet ovat ISO 27001 -sertifioituja, mikä varmistaa rakenteellisen turvallisuuden hallintaa.

Turvallisuusstandardi organisaatioille, jotka käsittelevät maksukorttitietoja ja joita ylläpitää PCI Security Standards Council. Vaatii salausta, pääsyn hallintaa, lokitusta ja säännöllistä testausta. Vaatimuksenmukaisuuden epäonnistuminen voi johtaa sakkoihin ja korttien käsittelyprivilegien menettämiseen.

Kalifornian yksityisyyslaki, joka antaa asukkaille oikeuden tietää, poistaa ja kieltäytyä heidän henkilötietojensa myynnistä. Koskee yrityksiä, jotka täyttävät tulojen, tietojen määrän tai tietomyynnin kynnykset.

EU-asetus 2024/1689, maailman ensimmäinen kattava tekoälylaki. Luokittelee AI-järjestelmät riskitason mukaan. Korkean riskin järjestelmän vaatimukset — kattavat AI:n käytön työllisyydessä, luotossa, terveydenhuollossa ja kriittisissä infrastruktuureissa — tulevat voimaan 2. elokuuta 2026. Art. 10 vaatii tietojen hallintaa ja tietojen minimointia harjoittelutiedoille; Art. 13 vaatii läpinäkyvyyttä. Koskee AI-kehittäjiä, käyttöönottajia ja tuojia, jotka toimivat EU:ssa.

GDPR Art. 5(1)(c) vaatii, että henkilötiedot ovat "riittävät, asiaankuuluvat ja rajoittuneet tarpeellisiin" niiden käsittelytarkoitukseen. AI-työnkuluissa tämä tarkoittaa PII:n poistamista kehotteista ennen lähettämistä AI-mallille — malli saa vain mitä on tiukasti tarpeellista tehtävälle. anonymize.dev automatisoi tämän periaatteen MCP-protokolla tasolla, korvaten PII:n tunnuksilla ennen kuin mikään AI-malli käsittelee pyyntöä.

Kehittämiskäytäntö, jossa kehittäjät kuvaavat aikomusta luonnollisella kielellä ja luottavat AI-koodausagenteihin (Cursor, Windsurf, Claude, GitHub Copilot) toteutuksen tuottamiseen. Turvallisuusriski: kehittäjät liittävät rutiininomaisesti todellisia asiakastietueita, tietokannan yhteysjonoja, API-avaimia ja lokitiedostoja AI-kehotteisiin kontekstina. 77 % kehittäjistä on lähettänyt yritystietoja AI-välineisiin (Data Privacy Week 2026). Ilman PII-poimimista, tämä on GDPR Art. 5 -rikkomus ja mahdollinen tietomurto.

Hyväksymättömien AI-välineiden käyttö — usein henkilökohtaisten tilien kautta — IT:n näkyvyyden ja hallinnan ulkopuolella. 88 % organisaatioista käyttää AI:ta vähintään yhdessä liiketoiminnon funktiossa; näistä lähes puolet generatiivisen AI:n käyttäjistä luottavat henkilökohtaisiin AI-sovelluksiin, jotka toimivat hallintokehikon ulkopuolella. Shadow AI on lisännyt murto-kustannuksia keskimäärin 670 000 euroa ja 20 % organisaatioista on kokenut murtautumisia, joita aiheutti suoraan shadow AI (Kiteworks 2026). Hyväksyttyjen, yksityisyyden turvallisten AI-välineiden toimittaminen vähentää valtuuton käyttöä 89 %.

AI-järjestelmät, jotka itsenäisesti suunnittelevat ja toteuttavat monivaiheisia tehtäviä — selaamalla verkkoa, kutsumalla API:a, kirjoittamalla ja ajamalla koodia, käyttämällä tiedostoja — usein minimaalisella ihmisen valvonnalla. Yhdistyneen kuningaskunnan tietosuojavirasto (ICO) julkaisi ohjauksen tammikuussa 2026, jossa korostettiin, että agenttinen AI pahentaa tietosuojan riskejä, koska ihmisen valvonta on vaikeaa, kun agentit toimivat itsenäisesti suurissa henkilötietojen volyymeissa. MCP-pohjainen PII-poiminta (anonymize.dev) pätee protokollatasolle, suojaten tietoja riippumatta agentin autonomiatasosta.

Kriittinen haavoittuvuusluokka MCP-mahdollisissa AI-agenteissa, joissa haitallis sisältö ulkoisista lähteistä (GitHub-ongelmat, verkkosivut, asiakirjat) voi kaapata agentin ja aiheuttaa sen poimia tietoja yhdistettyistä välineistä. Dokumentoitu esimerkki: hyökkääjät istuttivat haitallista sisältöä GitHub-ongelmiin, mikä sai GitHub MCP -palvelimen vuotamaan yksityisen varaston tietoja. PII-poiminta ennen agentin konteksti koostuu lieventää tätä hyökkäysluokkaa varmistamalla, että todellisia henkilötietoja ei ole koskaan agentin työntekijän kontekstissa.

Työkalujen ja teknikkoiden luokka, joka mahdollistaa tietojen analytiikka ja AI-työnkulut samalla kun säilyttää yksilön yksityisyyden. Sisältää: tokenisaatio (anonymize.dev), erilainen yksityisyys (lisää melua tilastollisiin tuotteisiin), k-anonymity (varmistaa, että kukin tietue on erottuva k−1 muista), synteettisen datan tuotanto, liittoutuneet oppiminen ja turvallinen monet-osapuolen laskenta. EU:n 2026 tietosuojan maisema yhä enemmän vaatii organisaatioita ottamaan PETs:t käyttöön osana Privacy-by-Design (GDPR Art. 25) -toteutusstrategiaa.

Todistettu salausalgoritmia yhdistävät AES-256 (256-bittiä avain) Galois/Counter tilalla sekä luottamuksella että eheydellle. Käytetään anonym.legal:n palautettavassa anonymoinnissa korvattujen entiteettien salaamiseen. Tarjoaa sekä salaisuuden että manipuloinnin tunnistuksen.

Kryptografinen tiivistefunktio, joka tuottaa 256-bittiä tiivistteen. Käytetään anonym.legal:ssa HMAC:n todentamiseen API-pyynnöistä, ZK:n todentamisen todistuksista ja johdonmukaisesta entiteetin pseudonymisaatiosta (tiivistys suolalla tuottaa saman korvauksen samalle alkuperäiselle arvolle).

Kryptografinen protokolla, joka turvaa tiedot siirtämisen aikana. anonym.legal pakottaa TLS 1.2 minimin TLS 1.3 -suosituksella, HSTS yhdellä vuotella max-age ja HTTP/2. Kaikki liikenne asiakkaiden ja palvelimen välillä on salattu siirtämisen aikana.

Salaus, jossa vain viestinvaihtajat voivat lukea viestejä; palvelun tarjoajalla ei ole pääsyä selkotekstiin. anonym.legal:n ZK Auth -tilassa salausavaimet eivät koskaan poistu asiakkaan laitteelta, saavuttaen E2EE:n anonymisoidun tuotoksen tallennukseen.

Henkilötietojen luokka, jonka tunnistusmoottori tunnistaa ja voi anonymisoida. Esimerkkejä: PERSON, EMAIL_ADDRESS, PHONE_NUMBER, CREDIT_CARD, IBAN_CODE, US_SSN, IP_ADDRESS. anonym.legal tukee 267+ entitytyyppiä 48 kielen yli.

Entitytyypit tunnistetaan riippumatta tekstitekstin kielestä, tyypillisesti muoto-pohjaisen regex-validoinnin kanssa. Esimerkkejä: CREDIT_CARD, IBAN_CODE, EMAIL_ADDRESS, PHONE_NUMBER, IP_ADDRESS, URL, CRYPTO osoite.

Entitytyypit kansallisille ja hallituksen antamille tunnistajille: US_SSN, US_PASSPORT, UK_NHS, ES_NIF, DE_PERSONALAUSWEIS, FR_INSEE, IT_FISCAL_CODE ja 50+ muu maankohtainen ID-muotoja. Tunnistetaan käyttäen maakohtaisen regex + tarkistussumma kuvioita.

Entitytyypit, jotka kattavat rahoituksellisen tunnistajia: CREDIT_CARD (Luhn tarkistussumma), IBAN_CODE (ISO 13616 tarkistussumma), SWIFT_CODE (BIC muoto), US_BANK_NUMBER, NRP (Espanjan verotunnus). Tunnistetaan tarkistussumman validoinnilla väärän positiivisen vähentämiseksi.

Entitytyypit 18 HIPAA Safe Harbor -tunnistajille ja lisäksi terveyspalveluihin liittyvälle PII:lle: US_MRN (lääketieteelliset tietuesumerot), MEDICAL_LICENSE, HEALTHCARE_PLAN_BENEFICIARY ja diagnoosi/hoito konteksti entiteetit.