By · Last updated 2026-06-05

Takaisin BlogiinAI Turvallisuus

Kuvakaappaukset ja Henkilötiedot: Vuodot Sisäisissä Työkaluissa

Slack, Teams, Jira ja sähköposti vastaanottavat päivittäin kuvakaappauksia, joissa on asiakkaiden henkilötietoja. Tämä kulunvalvonnan ohittaminen pettää jokaisen DLP-työkalun.

June 5, 20266 min lukuaika
screenshot PIIinternal toolsGDPR compliancedata leakageJira Slack security

DLP:n Kuollut Kulma, Jota Et Ole Auditoinut

Tietovuodon estämistyökalut valvovat verkkoliikennettä, sähköpostiliitteitä ja tiedostonsiirtoja henkilötietojen varalta. Ne nappivat laskentataulukot, joissa on henkilötunnussarakkeita. Ne merkitsevät sähköpostiviestit asiakaslistojen kanssa. Ne estävät potilasasiakirjojen lataukset.

Ne eivät nappaa kuvakaappauksia.

Kuvakaappaus on kuvatiedosto. Siinä olevat henkilötiedot on piirretty pikseleinä — ne eivät ole tallennettu tekstinä. DLP-moottorit, jotka etsivät henkilötietokuvioita, eivät löydä mitään.

Joka päivä työntekijät liittävät kuvakaappauksia Slackiin, Jiraan, Teamsiin ja sähköpostiketjuihin. Ei yhtään DLP-hälytystä laukeaa.

Miten Kuvakaappaukset Levittävät Henkilötietoja Työssä

Etä- ja hybridityö on tehnyt kuvakaappausten jakamisesta tavanomaista. Sisäiset työkalut täyttyvät niistä päivittäin.

Kollegat jakavat niitä nopean kontekstin vuoksi:

  • Tukihenkilöt ottavat kuvakaappauksia asiakastilien näkymistä jaettavaksi tiiminvetäjille.
  • Kehittäjät jakavat virhelokeja, jotka sisältävät käyttäjien syöttämiä tietoja.
  • Asiakkuuspäälliköt lähettävät CRM-tietueita antaakseen kontekstin taloustiimeille.
  • IT-ylläpitäjät ottavat kuvakaappauksia järjestelmänäkymistä dokumentoidakseen konfiguraatioita urakoitsijoille.
  • Tuotetiimit jakavat koontinäyttönäkymiä sidosryhmäpäivityksissä.

Jokainen liite voi sisältää henkilötietoja. Asiakastilin kuvakaappaus sisältää nimen, sähköpostiosoitteen, tilan ja laskutusosoitteen. Lokitiedosto voi sisältää käyttäjien syöttämiä nimiä, osoitteita tai puhelinnumeroita. CRM-tietueen kuvakaappaus näyttää koko tilin profiilin. Koontinäyttökuva voi näyttää käyttäjätunnukset kaavioiden selitteissä.

Kulunvalvonnan Ongelma

Kuvakaappausten jakaminen luo myös kulunvalvontaongelman.

Useimmissa organisaatioissa on roolipohjainen kulunvalvonta (RBAC) tuotantojärjestelmissä. Tukihenkilö näkee vain oman jonon tietueet. Urakoitsija näkee vain hänelle osoitetut projektitiedostot.

Kun tukihenkilö ottaa asiakastietueen kuvakaappauksen ja liittää sen Slack-kanavalle, jossa on urakoitsijoita, kulunvalvonta ohitetaan. Urakoitsija saa henkilötietoja, joihin hänellä ei olisi pääsyä normaaleja kanavia pitkin. Urakoitsijan työtä koskeva tietojenkäsittelysopimus ei välttämättä kata tätä siirtoa. Asiakkaan GDPR-oikeudet eivät välttämättä koske kyseistä urakoitsijaa.

Tämä ohittaminen on GDPR:n 5 artiklan 1 kohdan f alakohdan mukainen ongelma. Se kattaa eheyden ja luottamuksellisuuden. Se voi myös aiheuttaa 28 artiklan noudattamisongelmia, jos urakoitsijat saavat henkilötietoja ilman asianmukaisia tietojenkäsittelysopimuksia. Tutustu GDPR-vaatimustenmukaisuusoppaaseemme 28 artiklan velvoitteiden tarkistuslistaa varten.

Kuvien Henkilötietojen Havaitseminen Teknisenä Toimenpiteenä

Tekninen toimenpide kuvakaappausten henkilötietovuotoja vastaan on OCR yhdistettynä NLP-tunnistukseen. Vaiheet ovat yksinkertaiset.

  1. Työntekijä ottaa kuvakaappauksen asiakasliittymästä.
  2. Ennen jakamista: lataa kuvakaappaus tunnistustyökaluun.
  3. Työkalu poimii näkyvän tekstin OCR:n avulla.
  4. NLP tunnistaa henkilötietokohteet tekstistä.
  5. Työntekijä näkee raportin: "Tämä kuvakaappaus sisältää: [asiakkaan nimi], [sähköpostiosoite], [tilin tunnus]."
  6. Työntekijä joko peittää henkilötiedot, rajaa jakamisen laajuutta tai jatkaa kirjallisella perustelulla.

Tämä ei estä kaikkea jakamista. Se tekee henkilötiedot näkyviksi ennen niiden siirtymistä, mahdollistaen tietoisen päätöksenteon. Tutustu siihen, miten tämä sopii suojauspinoosi suojaustoimenpiteiden sivulla.

Tapaustutkimus: SaaS-Helpdeskin Jira-Kuvakaappauslinjaus

Erään SaaS-yrityksen IT-helpdesk käytti Jiraa tiliongelmien kirjaamiseen. Tiketteihin liitetyt tiedostot sisälsivät käyttäjien henkilötietoja, erityisesti:

  • Käyttäjien sähköpostiosoitteet tilihallinnan näytöistä.
  • Tilaussuunnitelman tiedot.
  • Laskutusmäärät ja -päivämäärät.
  • Joissakin tapauksissa osittaisia maksutietoja.

GDPR-auditointi löysi 847 18 kuukauden aikana luotua Jira-tikettiä, jotka kaikki sisälsivät henkilötietoliitteitä. Jira oli kaikkien 200 insinöörin käytettävissä, mukaan lukien joitain urakoitsijoita, joilla ei ollut asiakkaiden laskutustietoja koskevia tietojenkäsittelysopimuksia.

Korjaustoimenpiteet:

  1. Takautuva auditointi: henkilötietojen havaitseminen kaikissa olemassa olevien tikettien liitteissä. 312 tikettiä merkittiin tietosuojavastaavan tarkistettavaksi.
  2. Tikettien puhdistaminen: 89 tiketin tiedostot sumentiin ennen uudelleenliittämistä.
  3. Prosessimuutos: uusi työnkulku, joka edellyttää henkilötietotarkistusta ennen Jira-liittämistä.
  4. Koulutus: 15 minuutin sessio kaikelle helpdesk-henkilöstölle.

Tulokset 90 päivää myöhemmin:

  • Henkilötietoloukkaukset Jirassa: laski 90 prosenttia.
  • Jäljelle jääneet tapaukset: tapaukset, joissa henkilöstö jatkoi kirjallisella diagnostisella perustelulla.
  • Tietojenkäsittelysopimuksen laajuus: päivitetty vähentämään tarpeetonta henkilötietojen altistumista urakoitsijoille.

312 historiallista tikettiä olivat vaatimustenmukaisuushavainto. 90 prosentin lasku toimi todisteena korjaavista toimista auditoinnin vastauksessa.

Kuvakaappausten Tarkistuksen Integroiminen Tiimin Työnkulkuihin

Organisaatioille, jotka haluavat hallita henkilötietoja hidastamatta toimintaa, on useita vaihtoehtoja.

Kevyt integraatio: Selaintyökalu, jota työntekijät käyttävät ennen Slackiin tai Jiraan liittämistä. Vedä kuvakaappaus, saat henkilötietoraportin viidessä sekunnissa, jatka sitten tai peitä tiedot.

Jira- tai ServiceNow-koukku: Havaitseminen, joka suoritetaan ennen kuin tiedostot päätyvät tiketteihin. Toimii kuten virustarkistus ennen tiedoston lataamista.

Slack-botti: Botti, joka vastaanottaa kuvakaappauksia valituilla kanavilla, suorittaa henkilötietojen havaitsemisen ja julkaisee vastauksen ketjuun havaittujen kohteiden kanssa. Tekee henkilötiedot näkyviksi estämättä työnkulkua.

Tiimin normi ja otanta: Viikoittainen automaattinen tarkistus. Otos 10 prosenttia yhteistyötyökalujen kuvakaappauksista, suoritetaan havaitseminen ja raportoidaan tulokset tiiminvetäjälle. Rakentaa vastuullisuutta ilman työnkulkujen estämistä.

GDPR-dokumentaatiota varten: kuvakaappausten henkilötietotarkistus lasketaan "organisatoriseksi toimenpiteeksi" 32 artiklan mukaisesti. Dokumentoi toimenpide — käytäntö ja tekninen työkalu — ja lisää käyttötodiste. Tämä täyttää 5 artiklan 2 kohdan vastuullisuussäännön. Tutustu vaatimustenmukaisuussivuumme ja 32 artiklan sanastokohtaan.

Haluatko nähdä, miten anonym.legal hoitaa tämän tiimillesi? Vieraile hinnoittelusivulla tai lue perustajan lausunto de-identifioinnista.

Lähteet

Valmiina suojaamaan tietojasi?

Aloita PII-anonymisointi yli 285 entiteettityypillä 48 kielellä.

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.