GDPR-auto-maskering, anonymisera personuppgifter i din PDF automatiskt
Identifierar namn, IBAN, e-post, telefonnummer, adresser, födelsedatum och personnummer via regex och heuristik. Acceptera varje träff individuellt och maskera dem sedan permanent. 100 % i webbläsaren, GDPR-kompatibelt, ingen registrering.
Så fungerar det, GDPR-auto-maskering i 3 steg
Välj PDF
Ladda in din PDF lokalt i webbläsaren. PDF.js extraherar text och koordinater utan serverkontakt.
Granska träffar
Regex-motorn identifierar IBAN, e-post, telefon, adresser och namn. Acceptera eller avvisa varje träff individuellt.
Maskera & ladda ner
pdf-lib ritar svarta rektanglar som grafik över accepterade områden. Texten tas bort permanent.
GDPR-auto-maskering: anonymisera PDF:er på sekunder, GDPR-kompatibelt
GDPR (och CCPA, HIPAA-motsvarigheter) kräver att varje organisation anonymiserar eller pseudonymiserar personuppgifter innan dokument delas. Manuell maskering är felbenägen och långsam, särskilt för avtal, läkarintyg eller kontoutdrag med dussintals känsliga uppgifter per sida. PDF Monsters auto-maskeringsverktyg skannar den extraherade texten i din PDF med en regex/heuristik-motor och flaggar IBAN, e-post, telefonnummer, postadresser, födelsedatum, personnummer och troliga personnamn.
Varje träff visas i den högra sidopanelen med ett förhandsfragment, kategori och sidnummer. Du har kontrollen: en enda kryssruta avgör om en träff faktiskt maskeras. Det undviker falska positiva utan att förlora automatiseringens hastighet. Efter bekräftelse genererar pdf-lib en ny PDF med en svart rektangel över varje accepterat område, originaltexten tas bort via omkodning och kan inte återställas via textmarkering eller OCR.
GDPR-kompatibelt eftersom din PDF aldrig når vår server
Riktiga integritetsverktyg körs lokalt. Auto-maskeringsverktyget är helt klientsidan, ingen uppladdning, ingen spårning, inga loggar. Inte ens webbservern vet något om din PDF:s innehåll.
Bearbetning i webbläsaren
PDF.js läser din PDF i JavaScript-heapen. Regex-detektering och pdf-lib-maskering sker i samma minne. Ingen filöverföring.
Permanent maskering
pdf-lib ritar svarta rektanglar som grafiska objekt. Det finns ingen text undertill, markera, söka eller OCR hjälper inte.
Pseudonymisering art. 4 GDPR
Lämplig för dataminimering och pseudonymisering enligt art. 4.5 GDPR före delning med leverantörer eller myndigheter.
Offline-kapabelt
Efter första sidladdningen körs verktyget utan internetanslutning. Maximal kontroll för känsliga dokument.
Typiska GDPR-användningsfall
Anonymisera kontoutdrag
Ta bort IBAN, namn och adresser från kontoutdrag innan du delar med revisorer, hyresvärdar eller banker.
Avtalskopior för tredje part
Identifiera och maskera automatiskt namn, telefonnummer och födelsedatum för avtalsparter, idealt för revisorer eller extern juridisk rådgivning.
Läkarintyg och journaler
Ta bort patientnamn, födelsedatum och adresser innan vetenskaplig utvärdering eller delning med forskningspartner.
Dela HR-dokument
Maskera personnummer, adresser och lönedata från ansökningar, referenser och lönebesked före intern vidaresändning.
GDPR art. 15-begäranden
När andra personer nämns i en begäran om registerutdrag måste deras data maskeras, perfekt för autoidentifiering.
Domstols- och myndighetshandlingar
Förbered handlingar för insyn: identifiera och maskera permanent tredje parters namn, adresser och kontouppgifter.
Varför PDF Monster för auto-maskering?
7 detekteringskategorier
Namn, IBAN, e-post, telefon, adress, datum och personnummer, alla viktiga PII-typer identifieras direkt.
Human in the loop
Varje träff accepteras individuellt, ingen blind automatisering, inga falska positiva katastrofer.
Permanent maskering
Svarta rektanglar som grafik, inget sätt att åter-extrahera via markering eller OCR.
Helt lokalt
PDF.js + pdf-lib i din webbläsare. Ingen uppladdning, inga serverloggar, ingen spårning.
Vanliga frågor om GDPR-auto-maskering
Wie funktioniert die automatische Schwärzung?
Das Tool analysiert den Text deines PDFs mit PDF.js und sucht über Regex-Muster und Heuristiken nach typischen personenbezogenen Daten: Namen, IBAN, E-Mail-Adressen, Telefonnummern, Postleitzahlen mit Städten, Geburtsdaten und Steuer-IDs. Jede Fundstelle wird in einer Liste angezeigt, du kannst sie einzeln annehmen oder ablehnen. Erst beim Klick auf "Schwärzen & Download" werden die akzeptierten Stellen mit pdf-lib dauerhaft im PDF überdeckt.
Ist die Auto-Schwärzung DSGVO-konform?
Ja. Das PDF verlässt zu keinem Zeitpunkt deinen Browser, die gesamte Analyse und Schwärzung läuft client-seitig in JavaScript. Es findet keine Übertragung an unsere Server statt, keine Protokollierung, keine Drittanbieter. Damit erfüllst du die Anforderungen der DSGVO an Datenminimierung und Pseudonymisierung selbst bei sensiblen Dokumenten wie Arztberichten oder Verträgen.
Welche Datentypen werden erkannt?
Erkannt werden IBAN (alle EU-Länder), E-Mail-Adressen, deutsche Telefon- und Mobilfunknummern, Datumsangaben (Geburtsdaten), Postleitzahlen mit Stadtnamen (deutsche Adressen), 11-stellige deutsche Steuer-Identifikationsnummern sowie Namen (zwei aufeinanderfolgende großgeschriebene Wörter, gefiltert gegen häufige Wörter und Anreden).
Werden auch Falscherkennungen markiert?
Das kann vorkommen, besonders bei der Namens-Heuristik, da kein NLP eingesetzt wird. Genau deshalb zeigt das Tool jede Fundstelle einzeln mit Vorschau-Text an, damit du selbst entscheidest, was wirklich geschwärzt werden soll. Mit den Buttons "Alle annehmen" und "Alle ablehnen" kannst du auch schnell pauschal vorgehen.
Kann jemand die Schwärzung rückgängig machen?
Nein. Nach der Schwärzung wird das PDF mit pdf-lib neu geschrieben und das Schwarz-Rechteck als reine Grafikoperation eingefügt, der ursprüngliche Text liegt nicht mehr darunter. Zusätzlich werden Metadaten bereinigt. Das geschwärzte PDF kann nicht durch Markieren oder OCR rückwärts gelesen werden.
Anonymisera PDF:er på ett GDPR-kompatibelt sätt, ingen programvara, ingen uppladdning
GDPR-auto-maskering är en del av PDF Monsters integritetssvit. För manuell kontroll använder du verktyget för manuell maskering, skydda dessutom känsliga dokument med ett lösenord eller ta bort metadata som författare och skapelsedatum. Alla verktyg körs lokalt i webbläsaren, är GDPR-kompatibla och kräver ingen registrering.