Prywatność & Technologia AI Słownik

Otwarty protokół Anthropic umożliwiający modelom AI interakcję z zewnętrznymi narzędziami i źródłami danych w ustandaryzowany sposób. anonym.legal implementuje serwer MCP, aby narzędzia kodowania AI mogły wywoływać anonimizację bez opuszczania przepływu pracy.

Integracja serwera MCP anonym.legal umożliwia asystentom kodowania AI (Claude Desktop, Cursor, VS Code Copilot) wywoływanie API anonimizacji bezpośrednio jako narzędzie. PII jest usuwana z kodu, promptów i kontekstu przed wysłaniem do modelu AI. Połącz się poprzez HTTP: https://anonym.legal/mcp z Authorization: Bearer nagłówkiem — instalacja nie jest wymagana.

Wyspecjalizowana kategoria DLP skupiająca się na zapobieganiu włączaniu PII i danych poufnych do promptów wysyłanych do generatywnych modeli AI (ChatGPT, Claude, Gemini). Rozszerzenie Chrome anonym.legal i Serwer MCP rozwiązują to ryzyko w punkcie wejścia.

Dyscyplina bezpieczeństwa i kategoria narzędzi oprogramowania, które wykrywają i zapobiegają nieautoryzowanemu przesyłaniu wrażliwych danych poza organizację. anonym.legal funkcjonuje jako rozwiązanie DLP warstwy przeglądarki i warstwy AI dla PII.

Strategia zastępowania zastosowana do wykrytego PII. anonym.legal wspiera: REPLACE (tekst zastępczy), REDACT (pusty ciąg), MASK (gwiazdki), HASH (skrót SHA-256), ENCRYPT (reversible AES-256-GCM), i KEEP (pass-through, przydatne do testowania).

Zdefiniowane przez użytkownika wzorce PII dodane do wbudowanych 267+ typów jednostek anonym.legal. Obsługuje wzorce regex, listy słów i listy zablokowania. Przydatne dla identyfikatorów specyficznych dla organizacji, takich jak identyfikatory pracowników, wewnętrzne kody projektów lub zastrzeżone nazwy produktów.

Rachunek oparty na użytkowaniu, gdzie wywołania API zużywają tokeny obliczone z długości tekstu, liczby jednostek i trybu przetwarzania (analiza vs. anonimizacja). analyze_text: 2–10+ tokenów, anonymize_text: 3–20+ tokenów, detokenize_text: 1–5+ tokenów. Operacje zarządzania są bezpłatne.

Dowolne dane, które mogą identyfikować konkretną osobę bezpośrednio lub w połączeniu z innymi danymi. Przykłady: imiona i nazwiska, adresy e-mail, numery ubezpieczenia społecznego, adresy IP, rekordy biometryczne.

Nieodwracalny proces usuwania lub przekształcania informacji identyfikujących, aby osoby nie mogły być już identyfikowane, bezpośrednio ani pośrednio. Zgodnie z GDPR, naprawdę anonimowe dane są poza zakresem rozporządzenia.

Zastępowanie bezpośrednich identyfikatorów sztucznymi wartościami (pseudonimami) przy zachowaniu możliwości ponownej identyfikacji osób za pomocą oddzielnego klucza. Artykuł 4(5) GDPR uznaje to za technikę poprawiającą prywatność, ale nie zwalnia pseudonimizowanych danych z rozporządzenia.

Trwałe usuwanie lub zaciemnianie wrażliwych informacji z dokumentów, zastępując je znacznikiem wizualnym, takim jak [REDACTED] lub czarny pasek. W przeciwieństwie do szyfrowania, redakcja jest jednokierunkowa i nie można odzyskać oryginalnych danych.

Zastępowanie wrażliwych danych nieniewrażliwym symbolem zastępczym (tokenem), który mapuje z powrotem na oryginał w bezpiecznym magazynie. W przeciwieństwie do szyfrowania, sam token nie ma matematycznego związku z oryginalnymi danymi. Używany w serwerze MCP, aby umożliwić deanonimizację odpowiedzi AI.

Jednokierunkowa transformacja danych w stały skrót za pomocą algorytmów takich jak SHA-256. Używany do spójnej pseudonimizacji, deduplikacji i weryfikacji integralności. Wartości hash nie mogą być odwracalne, ale mogą być podatne na ataki z tęczową tabelą, jeśli nie są solone.

Dowolne informacje związane ze zdrowiem powiązane z identyfikowalną osobą, regulowane w ramach HIPAA w USA. Obejmuje diagnozy, rekordy leczenia, dane ubezpieczeniowe i dowolne z 18 identyfikatorów HIPAA Safe Harbor.

Rozporządzenie UE 2016/679, główny ramy ochrony danych dla Unii Europejskiej. Stosuje się do dowolnej organizacji przetwarzającej dane osobowe rezydentów UE. Grzywny do €20M lub 4% globalnego rocznego przychodu. Kluczowe prawa: dostęp, usunięcie, przenośność, ograniczenie, sprzeciw.

Federalne prawo USA ustanawiające normy ochrony wrażliwych informacji o zdrowiu pacjenta. Reguła Prywatności rządzi używaniem PHI; Reguła Bezpieczeństwa wymaga zabezpieczeń administracyjnych, fizycznych i technicznych dla elektronicznego PHI (ePHI). Naruszenia wiążą się z grzywną do $1,9M na kategorię rocznie.

Międzynarodowy standard dla systemów zarządzania bezpieczeństwem informacji (ISMS). Certyfikacja wymaga udokumentowanych zasad, ocen ryzyka i kontroli. Serwery EU anonym.legal są certyfikowane ISO 27001, zapewniając ustrukturyzowane zarządzanie bezpieczeństwem.

Standard bezpieczeństwa dla organizacji obsługujących dane karty płatniczej, utrzymywany przez PCI Security Standards Council. Wymaga szyfrowania, kontroli dostępu, rejestrowania i regularnego testowania. Niezgodność może skutkować grzywną i utratą uprawnień do przetwarzania kart.

Prawo prywatności Kalifornii przyznające mieszkańcom prawo do wiedzy, usuwania i rezygnacji ze sprzedaży swoich danych osobowych. Stosuje się do firm spełniających progi przychodów, wolumenu danych lub sprzedaży danych.

Rozporządzenie UE 2024/1689, pierwsze na świecie kompleksowe prawo AI. Klasyfikuje systemy AI według poziomu ryzyka. Wymogi dla systemów wysokiego ryzyka — obejmujące AI używane w zatrudnieniu, kredycie, opiece zdrowotnej i infrastrukturze krytycznej — stają się wykonalne 2 sierpnia 2026. Art. 10 wymaga zarządzania danymi i minimalizacji danych dla danych treningowych; Art. 13 wymaga przejrzystości. Stosuje się do programistów AI, wdrażających i importerów działających w UE.

GDPR Art. 5(1)(c) wymaga, aby dane osobowe były "odpowiednie, istotne i ograniczone do tego, co jest niezbędne" do celu ich przetwarzania. W przepływach pracy AI oznacza to usunięcie PII z promptów przed wysłaniem do modelu AI — model otrzymuje tylko to, co jest absolutnie niezbędne do wykonania zadania. anonymize.dev automatyzuje tę zasadę na warstwie protokołu MCP, zastępując PII tokenami przed przetworzeniem żądania przez jakikolwiek model AI.

Praktyka programistyczna, w której deweloperzy opisują intencje w języku naturalnym i opierają się na agentach kodowania AI (Cursor, Windsurf, Claude, GitHub Copilot) w celu wygenerowania implementacji. Ryzyko bezpieczeństwa: deweloperzy rutynowo wklejają rzeczywiste rekordy klientów, ciągi połączeń bazy danych, klucze API i pliki dziennika do promptów AI jako kontekst. 77% deweloperów wysłało dane firmowe do narzędzi AI (Data Privacy Week 2026). Bez intercepcji PII stanowi to naruszenie GDPR Art. 5 i potencjalne naruszenie danych.

Używanie niezatwierdzonych narzędzi AI — często poprzez konta osobiste — poza widzą i kontrolą IT. 88% organizacji używa AI w co najmniej jednej funkcji biznesowej; z nich prawie połowa użytkowników generatywnego AI opiera się na osobistych aplikacjach AI, które działają poza ramami zarządzania. Shadow AI dodał średnio €670 000 do kosztów naruszenia, a 20% organizacji doświadczyło naruszeń bezpośrednio spowodowanych shadow AI (Kiteworks 2026). Zapewnienie zatwierdzonych, bezpiecznych dla prywatności narzędzi AI zmniejsza nieautoryzowane użycie o 89%.

Systemy AI, które autonomicznie planują i wykonują wieloetapowe zadania — przeglądanie sieci Web, wywoływanie API, pisanie i uruchamianie kodu, dostęp do plików — często z minimalnym nadzorem człowieka. Brytyjski Urząd Komisarza Ochrony Danych (ICO) opublikował wytyczne w styczniu 2026, podkreślając, że AI agentowe zaostrza ryzyko ochrony danych, ponieważ nadzór człowieka staje się trudny, gdy agenty działają autonomicznie w dużych wolumenach danych osobowych. Intercepcja PII oparta na MCP (anonymize.dev) ma zastosowanie na warstwie protokołu, chroniąc dane niezależnie od poziomu autonomii agenta.

Krytyczna klasa luki w agentach AI włączonych MCP, w której złośliwa zawartość ze źródeł zewnętrznych (problemy GitHub, strony internetowe, dokumenty) może przejąć agenta i spowodować, aby ekstrahował dane z połączonych narzędzi. Udokumentowany przykład: atakujący umieścili złośliwą zawartość w problemach GitHub, które spowodowały przeciek prywatnych danych repozytorium serwera GitHub MCP. Intercepcja PII przed zebraniem kontekstu agenta łagodzi tę klasę ataku, zapewniając, że rzeczywiste dane osobowe nigdy nie są obecne w kontekście roboczym agenta.

Kategoria narzędzi i technik, które umożliwiają analizę danych i przepływy pracy AI przy jednoczesnym zachowaniu prywatności jednostkowej. Obejmuje: tokenizację (anonymize.dev), prywatność różniczkową (dodaje szum do wydajności statystycznej), k-anonimowość (zapewnia, że każdy rekord nie da się odróżnić od k−1 innych), generowanie danych syntetycznych, uczenie federalne i bezpieczne obliczenia wieloparty. Krajobraz prywatności danych UE w 2026 r. coraz częściej wymaga od organizacji wdrażania technologii PET jako część strategii implementacji Privacy-by-Design (GDPR Art. 25).

Algorytm szyfrowania uwierzytelnionym łączący AES-256 (klucz 256-bitowy) z trybem Galois/Counter dla zarówno poufności jak i integralności. Używany w odwracalnej anonimizacji anonym.legal do szyfrowania zastępowanych jednostek. Zapewnia zarówno tajemnicę, jak i wykrywanie manipulacji.

Kryptograficzna funkcja hash produkująca skrót 256-bitowy. Używany w anonym.legal do uwierzytelniania HMAC żądań API, dowodów uwierzytelniania ZK i spójnej pseudonimizacji jednostek (hashing z solą produkuje takie samo zastępowanie dla tej samej oryginalnej wartości).

Protokół kryptograficzny zabezpieczający dane w tranzycie. anonym.legal egzekwuje minimum TLS 1.2 z preferowanym TLS 1.3, HSTS z maksymalnym wiekiem jednego roku i HTTP/2. Cały ruch między klientami a serwerem jest szyfrowany w tranzycie.

Szyfrowanie, w którym tylko strony komunikujące mogą czytać wiadomości; dostawca usług nie ma dostępu do tekstu jawnego. W trybie ZK Auth anonym.legal klucze szyfrowania nigdy nie opuszczają urządzenia klienta, osiągając E2EE dla magazynu wyjściowego anonimowego.

Kategoria informacji osobistych, którą silnik detekcji rozpoznaje i może anonimizować. Przykłady: PERSON, EMAIL_ADDRESS, PHONE_NUMBER, CREDIT_CARD, IBAN_CODE, US_SSN, IP_ADDRESS. anonym.legal wspiera 267+ typów jednostek w 48 językach.

Typy jednostek wykrywane niezależnie od języka tekstu, zazwyczaj poprzez regex oparte na formacie z walidacją sumy kontrolnej. Przykłady: CREDIT_CARD, IBAN_CODE, EMAIL_ADDRESS, PHONE_NUMBER, IP_ADDRESS, URL, adres CRYPTO.

Typy jednostek dla identyfikatorów krajowych i wydanych przez rząd: US_SSN, US_PASSPORT, UK_NHS, ES_NIF, DE_PERSONALAUSWEIS, FR_INSEE, IT_FISCAL_CODE i 50+ innych formatów ID specyficznych dla kraju. Wykrywane za pomocą regex specyficznych dla kraju + wzorce sumy kontrolnej.

Typy jednostek pokrywające identyfikatory finansowe: CREDIT_CARD (suma kontrolna Luhn), IBAN_CODE (suma kontrolna ISO 13616), SWIFT_CODE (format BIC), US_BANK_NUMBER, NRP (hiszpański identyfikator podatkowy). Wykrywane z walidacją sumy kontrolnej, aby zminimalizować fałszywe pozytywy.

Typy jednostek dla 18 identyfikatorów HIPAA Safe Harbor i dodatkowych PII związanych ze zdrowiem: US_MRN (numery rekordów medycznych), MEDICAL_LICENSE, HEALTHCARE_PLAN_BENEFICIARY i jednostki kontekstu diagnozy/leczenia.