Hvordan anonymize.today Fungerer

Regex-basert deteksjon gir 100% reproducerbare resultater — den samme inngangen gir alltid den samme utgangen. AI og maskinlæringsmodeller kan gi forskjellige resultater mellom kjøringer, lide av modelldrift over tid, og operere som svarte bokser som er vanskelige å revidere. For regulatorisk samsvar under GDPR og ISO 27001, trenger organisasjoner forklarlige, repeterbare prosesser, som er akkurat det regex-basert mønstergjenkjenning leverer.

anonymize.today gir tillitsverdier fra 0.0 til 1.0 for hver deteksjon. Brukere kan sette minimum tillitsgrenser for å kontrollere sensitivitet. Mønsterbaserte enheter som kredittkortnumre og SSN oppnår 95-99% nøyaktighet, mens NLP-baserte enheter som navn og steder oppnår 85-95% nøyaktighet. Plattformen støtter 256 enhetstyper med nøye utformede mønstre for hver.

Ja, hver deteksjon i anonymize.today viser det nøyaktige mønsteret som ble matchet, tillitsverdien og enhetstypen som ble identifisert. Analyzer fremhever oppdagede enheter med kategorispesifikke farger og posisjoner innen teksten. Denne fulle transparensen gjør det enkelt å forklare deteksjonsbeslutninger til revisorer, samsvarsansvarlige eller databeskyttelsesmyndigheter.

Tekst sendt til anonymize.today sendes via TLS 1.3 krypterte forbindelser til ISO 27001-sertifiserte servere i Tyskland. Teksten behandles i minnet ved hjelp av Microsoft Presidio, og resultater returneres umiddelbart. Ingen brukerinnhold lagres på serverne etter behandling. Data forlater aldri Den europeiske union.

anonymize.today støtter automatisk språkdeteksjon for å identifisere hovedspråket i et dokument. For flerspråklige tekster kan brukere lage tilpassede forhåndsinnstillinger som kombinerer enhetstyper på tvers av språkgrenser. Plattformen støtter 27 PII-detekteringsspråk ved hjelp av spaCy, Stanza og Transformer-modeller, noe som muliggjør deteksjon av landsspesifikke enheter som tyske skattenummer, franske NIR-numre eller japanske My Number-ID-er innen samme dokument.