anonym.legal

By · Last updated 2026-06-05

Назад към блогаСигурност на AI

Снимки на екрана с лични данни: течове в корпоративни инструменти

Slack, Teams, Jira и имейлът редовно получават снимки на екрана, съдържащи лични данни на клиенти. Това нарушение на контрола на достъпа заобикаля всеки DLP инструмент.

June 5, 20266 мин. четене
screenshot PIIinternal toolsGDPR compliancedata leakageJira Slack security

Слепото петно на DLP, което не сте одитирали

DLP инструментите следят мрежовия трафик, имейл файловете и прехвърлянията. Хващат електронни таблици с колони ЕГН. Маркират имейли с клиентски списъци. Блокират качвания с медицински досиета.

Те не хващат снимки на екрана.

Снимката на екрана е файл с изображение. Личните данни в нея са нарисувани като пиксели. Те не се съхраняват като текст. DLP двигателите, които сканират за шаблони на лични данни, не намират нищо.

Всеки ден служителите поставят снимки на екрана в Slack, Jira, Teams и имейл вериги. Нито един DLP сигнал не се задейства.

Как снимките на екрана разпространяват лични данни на работното място

Дистанционната и хибридната работа направи споделянето на снимки ежедневно. Вътрешните инструменти се запълват с тях всеки ден.

Членовете на екипа споделят снимки за бърз контекст:

  • Служителите в поддръжката хващат изгледи на клиентски акаунти, за да ги споделят с ръководители на екипи.
  • Разработчиците споделят дневници с грешки, съдържащи данни, въведени от потребители.
  • Мениджърите по акаунти изпращат CRM записи, за да дадат контекст на финансовите екипи.
  • ИТ администраторите снимат системни изгледи, за да документират конфигурации за изпълнители.
  • Продуктовите екипи споделят изгледи на табла в актуализации за заинтересованите страни.

Всеки прикачен файл може да съдържа лична информация. Снимката на клиентски акаунт съдържа име, имейл, статус и адрес за фактуриране. Файл с грешки може да включва имена, адреси или телефони, въведени от потребители. Снимка на CRM запис съдържа пълния профил на акаунта. Файл с табло може да показва потребителски идентификатори в етикети на диаграми.

Проблемът с контрола на достъпа

Споделянето на снимки на екрана създава и проблем с контрола на достъпа.

Повечето организации прилагат ролеви контрол на достъпа (RBAC) в производствените системи. Служителят в поддръжката вижда само собствените си записи от опашката. Изпълнителят вижда само назначените му файлове по проекта.

Когато служителят хване снимка на клиентски запис и я постави в Slack канал с изпълнители, контролът на достъпа е заобиколен. Изпълнителят получава лични данни, до които не би могъл да достигне по нормални пътища. Споразумението за обработка на данни за работата с изпълнители може да не обхваща това прехвърляне. Правата по GDPR на клиента може да не важат за този изпълнител.

Това заобикаляне е проблем по член 5(1)(f) от GDPR. Той обхваща цялостност и поверителност. Може да създаде и проблеми по член 28, ако изпълнители получат лични данни без надлежни DPA. Вижте нашето ръководство за съответствие с GDPR за контролен списък на задълженията по член 28.

Засичане на лични данни в изображения като техническа защитна мярка

Техническата защитна мярка срещу разкриването на лични данни чрез снимки е OCR плюс NLP засичане. Стъпките са прости.

  1. Служителят прави снимка на клиентски интерфейс.
  2. Преди споделяне: качва снимката в инструмент за засичане.
  3. Инструментът извлича видимия текст чрез OCR.
  4. NLP открива обекти с лични данни в текста.
  5. Служителят вижда доклад: "Тази снимка съдържа: [име на клиент], [имейл адрес], [идентификатор на акаунт]."
  6. Служителят след това заличава личните данни, стеснява обхвата на споделяне или продължава с писмена обосновка.

Това не блокира всяко споделяне. То показва личната информация преди да се премести. Хората могат тогава да вземат информирани решения. Вижте как това се вписва в стека за защита на страницата за мерки за сигурност.

Казус: Политика за снимки в Jira на SaaS помощно бюро

Помощното бюро на SaaS компания използваше Jira за регистриране на проблеми с акаунти. Файловете, приложени към тези тикети, съдържаха лични данни на потребители. По-конкретно:

  • Имейл адреси на потребители от екрани за управление на акаунти.
  • Данни за абонаментен план.
  • Суми и дати на фактуриране.
  • Частични платежни данни в някои случаи.

Одитът по GDPR откри 847 Jira тикета, създадени за 18 месеца. Всички съдържаха приложени файлове с лични данни. Jira беше достъпна за всичките 200 инженери. Някои от тях бяха изпълнители без DPA за клиентски данни за фактуриране.

Стъпки за отстраняване:

  1. Ретроактивен одит: засичане на лични данни на всички съществуващи приложени файлове. 312 тикета маркирани за преглед от DPO.
  2. Почистване на тикети: 89 тикета с размити файлове преди повторно прикачване.
  3. Промяна на процеса: нов работен процес, изискващ проверка на лични данни преди прикачване в Jira.
  4. Обучение: 15-минутна сесия за всички служители в помощното бюро.

Резултати след 90 дни:

  • Инциденти с лични данни в Jira: намалени с 90 процента.
  • Останали инциденти: случаи, в които служителите са продължили с писмена диагностична обосновка.
  • Обхват на DPA: актуализиран, за да намали ненужното разкриване на лични данни пред изпълнители.

Те 312 исторически тикета представляваха констатация за несъответствие. Спадът от 90 процента послужи като доказателство за отстраняване в отговора на одита.

Включване на проверката на снимки в работните процеси на екипа

За организации, които искат контрол на личните данни без забавяне на операциите, съществуват няколко варианта.

Лек вариант: Браузър инструмент, използван от служителите преди поставяне в Slack или Jira. Плъзнете снимката, получете доклад за лични данни за пет секунди, след което продължете или заличете.

Jira или ServiceNow hook: Засичане, което работи преди файловете да достигнат до тикети. Работи като сканиране за вируси преди качване на файл.

Slack бот: Бот, получаващ качванията на снимки в избрани канали. Изпълнява засичане на лични данни. Публикува отговор в нишката с откритите обекти. Прави личната информация видима, без да блокира работния процес.

Екипна норма плюс извадково тестване: Седмична автоматична проверка. Вземете извадка от 10 процента от снимките в инструментите за сътрудничество. Изпълнете засичане. Докладвайте констатациите на ръководителя на екипа. Това изгражда отчетност без блокиране на работния процес.

За GDPR записи: контролът на лични данни в снимките се счита за "организационна мярка" по член 32. Документирайте защитната мярка -- политика плюс технически инструмент. Добавете доказателство за използване. Това отговаря на правилото за отчетност по член 5(2). Вижте нашата страница за съответствие и записа в речника за член 32.

Искате да видите как anonym.legal се справя с това за вашия екип? Посетете страницата ни с планове или прочетете изявлението на основателя за деидентификация.

Източници

Готови ли сте да защитите данните си?

Започнете анонимизация на PII с 285+ типа субекти на 48 езика.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.