GDPR adatminimalizálás: Valós idejű API
2026-ra frissítve
A GDPR 5. cikk (1)(c) bekezdése azt mondja: csak azt gyűjtse össze, amire szüksége van. Ez az adatminimalizálási szabály. A legtöbb csapat az űrlaptervezésen, nem rossz szándékon keresztül szegi meg. A szabad szöveges mezők neveket, címeket és azonosítószámokat szívnak be, amelyeket senki sem tervezett.
Az adatbázis utólagos megtisztítása nem javítja ezt. A jogsértés az adatok gyűjtésekor történt. A forrásból való megakadályozás az egyetlen valódi megoldás. Az űrlapbeküldésnél elvégzett valós idejű API-ellenőrzés megakadályozza a túlzott adatgyűjtést, mielőtt elkezdődne.
Lássa a megfelelési áttekintőnket és a biztonsági gyakorlatainkat, hogyan támogatjuk a GDPR 5. cikkét.
Miért gyűjtenek az űrlapok túl sok adatot
A webalkalmazások szabad szöveges mezői tervezett személyes adatot gyűjtenek:
- Ügyfélszolgálati jegyek „ok” mezői, amelyek orvosi históriával és biztosítási számokkal vannak kitöltve
- Felmérési „egyéb megjegyzések” szakaszok teljes neveket és telefonszámokat tartalmazva
- HR-„megjegyzések” oszlopok évek óta tárolt strukturálatlan személyes részletekkel
- Rendelési „megjegyzések” mezők problémák megoldásához megadott ügyfél-azonosítószámokkal
A minimalizálási szabály megköveteli, hogy ez a személyes adat soha ne kerüljön be a rendszerekbe. Az utólagos tisztítás a tünetet kezeli. A valós idejű észlelés eltávolítja az okot.
Miért nem elegendő az utólagos tisztítás
A tárolt személyes adatokat megtisztító csapatok négy problémával szembesülnek.
Teljesség. A mintaillesztés megtalálja a nyilvánvaló személyes adatokat, mint e-mail-cím és azonosítószámok. Kihagyja a kontextusfüggő hivatkozásokat. „A nővérem, Sophie ugyanolyan problémával volt” tartalmaz egy nevet, amelyet a legtöbb vizsgálat kihogy.
Jogi időzítés. A jogsértés gyűjtéskor történik. Az adatok hónapokkal later megtisztítása nem javítja. Ha egy szabályozó felülvizsgálja azt az időszakot, amikor az adatokat tárolták, a jogsértés már nyilvántartásban van.
Hiányos törlés. Az adatbázisok biztonsági másolatot készítenek. A rendszerek naplókat írnak. Az elemző eszközök adatokat exportálnak. Még a fő adatbázisból való törlés után is maradhatnak másolatok a biztonsági fájlokban és auditnaplókban.
Szivárgáskitettség. A gyűjtés és a tisztítás között a felesleges személyes adat a rendszerekben ül. Egy ebben az ablakban bekövetkező szivárgás a túlzottan gyűjtött adatot a hatókörbe helyezi.
A forrásból való gyűjtés megakadályozása mindnégyet megoldja. Az adat, amely soha nem kerül be, nem lehet megsértve, nem igényel törlést és nem számít jogsértésnek.
Észlelési minták az űrlapérvényesítéshez
Három módja van a valós idejű személyes adat-észlelés hozzáadásának egy űrlaphoz.
Ügyféloldal (Chrome-bővítmény). A bővítmény figyeli a böngészőmezőkbe történő beillesztést, és a felismeréshez az anonym.legal EU-ban üzemeltetett API-jának küldi a szöveget. Kiemeli a talált entitásokat, a felhasználó pedig beküldés előtt eltávolítja őket. Az entitástípusok definíciói a szószedetben találhatók.
Szerveroldali (API-integráció). Az űrlap a szerverre kerül. Az adatbázis-írás előtt a kódja meghívja az észlelési API-t. Az API visszaadja az entitástípusokat megbízhatósági pontszámokkal. A magas megbízhatóságú egyezések blokkolják a beküldést egy egyértelmű üzenettel. A közepes megbízhatóságú egyezések felülvizsgálati lépést kérnek. Az adatok tiszták, mielőtt tárolnák.
Hibrid (ajánlott). Az ügyféloldali kiemelés gyors visszajelzést ad a felhasználóknak. A szerveroldali ellenőrzések biztosítják a megfelelési garanciát. Ha egy felhasználó figyelmen kívül hagyja az ügyféloldali figyelmeztetést, a szerver-ellenőrzés még mindig elkapja a személyes adatot. Semmi sem kerül az adatbázisba ellenőrzés nélkül. Lásd a GYIK-et az észlelési küszöbértékekre vonatkozó kérdésekhez.
Példa: Egészségügyi betegportál
Egy betegportál lehetővé teszi a betegek számára, hogy egy szabad szöveges mezőben írják le tüneteiket az időpontfoglalás előtt. A mező rendszeresen kap olyan bejegyzéseket, amelyek más betegek neveit, azonosítószámait és otthoni címeit tartalmazzák. Ezek egyike sem tartozik a foglalási rendszerbe.
Valós idejű észlelés előtt:
- Személyes adat a tünetmezőben: a beküldések körülbelül 12%-a
- Tisztítási módszer: heti kötegelési folyamat
- Megfelelési státusz: reaktív — az 5. cikk (1)(c) bekezdése szerinti jogsértés gyűjtéskor következett be
API-integráció beküldésnél után:
- Az API magas megbízhatóságú személyes adatot észlel, mielőtt bármit az adatbázisba írna
- A beteg ezt látja: „Az üzenete személyes adatot látszik tartalmazni. Kérjük, távolítsa el azt a beküldés előtt.”
- A beteg felülvizsgálja és újra beküld
- Az adatbázis csak a tünetleírást kapja
Ebben a forgatókönyvben a mezőben lévő személyes adat a beküldések körülbelül 12%-áról 1% alá csökkent. A megfelelés most szerveroldali észlelési naplókkal van igazolva, nem utólagos tisztítási futamokkal.
Auditnaplók a gyűjtési ponton
A szabályozók különbözőképpen kezelik a reaktív csapatokat azoktól, amelyeknek vannak ellenőrzéseik. A GDPR 25. cikke — tervezési és alapértelmezett adatvédelem — jutalmazza az utóbbiakat.
A gyűjtési ponton végzett észlelés hasznos auditnaplókat hoz létre:
- Észlelési napló. Minden űrlapvizsgálat mentésre kerül a talált entitástípusokkal, megbízhatósági pontszámokkal, végrehajtott intézkedéssel és eredménnyel.
- Havi jelentések. Az összefoglalók az észlelési arányt mutatják mező és entitástípus szerint, és azt, hogyan reagálnak a felhasználók.
- Konfigurációs nyilvántartások. Küszöbértékek beállításai, érintett mezők és figyelt entitástípusok — ez egyértelmű, felügyelt szabályzatot mutat.
Ezek a nyilvántartások segítenek a szabályozói felülvizsgálatokban. Támogatják a belső auditot és az adatkezelési nyilvántartásokat is. Lásd a esettanulmányokat a gyűjtési ponton végzett ellenőrzések példáiért.
AI-eszközök és adatminimalizálás
Az ügyfélszolgálati ügynökök gyakran beillesztik az ügyféle-mail-jeit az AI-szövegező eszközökbe. Ezek az e-mailek tartalmazhatnak neveket, címeket és számlaszámokat. Ennek AI-modellhez küldése meghaladhatja a szükségeset.
Az MCP-szerver egy észlelési lépést ad a szöveg a modellhez való jutása előtt. Az ügyféladatok [ÜGYFÉL]-re változnak. A specifikus részletek megtisztítódnak. Az AI a megtisztított szöveg alapján tervez egy választ. Az ügynök csak azt adja vissza, amire a válasznak szüksége van.
Ez megfelel az AI-használat adatminimalizálási szabályának. A modell csak azt kapja, ami szükséges — ami általában egyáltalán nem tartalmaz személyes adatot. Lásd az entitásokat az észlelt entitástípusok teljes listájáért.