Kāpēc Excel ir jūsu augstākā riska failu veids
Excel faili ir viens no lielākajiem GDPR riskiem lielākajā daļā uzņēmumu. Medicīniskie ieraksti var glabāt jutīgākus datus vienā rindā. Bet izklājlapas ātri uzkrāj PII — un atbilstības komandas tās bieži palaiž garām.
Tris lietas padara Excel failus grūti pārvaldāmus.
Apjoms: Viens XLSX fails var glabāt 50 000 rindu un 100 kolonnu. Tas ir pieci miljoni šūnu. Nekāda manuālā pārskatīšana nevar pārbaudīt visas.
Režģa izkārtojums: Teksts plūst vienā virzienā. Excel izklāj datus pa rindām un kolonnām. Personas dati var slēpties jebkur šajā režģī.
Jaukts saturs: Algu joslas, nodaļu kodi un darba pakāpes atrodas vienā failā kopā ar SSN un e-pasta adresēm. Viss izdzēšana padara failu bezjēdzīgu.
Ilgstoša glabāšana: Darbinieku saraksti un klientu ieraksti paliek Excel failos gadiem. GDPR 5. panta 1. punkta e) apakšpunkts nosaka, ka dati jāglabā "ne ilgāk, nekā nepieciešams". Faili, kas "varētu noderēt", bieži paliek daudz ilgāk par šo punktu.
Kāpēc standarta teksta skenēšana neizdodas ar izklājlapām
Teksta analīzes rīki tika veidoti dokumentiem. Tie neizdodas ar izklājlapām dažos izplatītos veidos.
SSN kā cipara problēma
Excel saglabā sociālās apdrošināšanas numurus bez svītrām (123456789) kā vienkāršus ciparus — nevis tekstu. Skeneris, kas veidots, lai atrastu ###-##-####, tos palaidīs garām. Labam rīkam jāzina, ka 9 ciparu skaitlis kolonnā ar nosaukumu "SSN" ir sociālās apdrošināšanas numurs.
Datuma kā cipara problēma
Excel glabā datumus kā seriālos ciparus. 2024. gada 6. februāris ir saglabāts kā 45329. CSV eksports rādīs "45329" kolonnā "Dzimšanas datums". Skenerim šis cipars jāpārvērš par reālu datumu, pirms tas var atzīmēt vērtību.
Daļēja SSN problēma
Dažas sistēmas rāda tikai pēdējos četrus SSN ciparus (*--1234). Pilnais skaitlis atrodas bloķētā kolonnā. Daļējai vērtībai joprojām jābūt anonimizētai — pat ja tā neizskatās pēc pilna SSN.
Formulas PII problēma
Dažas šūnas veido PII no citām šūnām. Šūna ar =CONCATENATE(B2," ",C2) rāda pilnu vārdu. Ja dzēšat B un C kolonnas, pilnais vārds joprojām ir redzams formulas šūnā. Rīks, kas lasa tikai saglabātās vērtības — nevis formulu saites — atstās PII savā vietā.
Vairāku lapu problēma
Lielai darbgrāmatai var būt piecas lapas: Klientu saraksts, Pasūtījumi, Atbalsta pieteikumi, Rēķini un Analītika. Klientu vārdi parādās visās piecās. "Jānis Bērziņš" vienā lapā jākļūst par vienu un to pašu tokenu — "PERSON_0047" — katrā citā lapā. Divi dažādi tokeni pārrāvj ierakstu saites.
Kolonnu galvenes kā signāls
Labākais uzlabojums izklājlapu PII noteikšanā ir kolonnu galveņu analīze.
Kolonna ar nosaukumu "SSN" norāda rīkam, ka visas vērtības šajā kolonnā ir sociālās apdrošināšanas numuri. Tas darbojas pat tad, ja vērtības ir daļējas, dīvaini formatētas vai saglabātas kā cipari.
| Kolonnas galvene | Ko tā signalizē |
|---|---|
| SSN / Sociālā apdrošināšana / Nodokļu ID | Uztveriet 9 ciparu ciparus kā SSN |
| E-pasts / E-mail / E-pasta adrese | Atzīmējiet pat daļējos e-pasta modeļus |
| Tālrunis / Telefons / Mobīlais / Šūna | Pieņemiet jebkuru tālruņa formātu |
| Dzimšanas datums / Dzimšanas diena | Konvertējiet seriālos ciparus datumos |
| Vārds / Uzvārds / Pilns vārds | Pazeminiet latiņu vārdu noteikšanai |
| Adrese / Iela / Pilsēta / Pasta indekss | Apvienojiet tuvumā esošos atrašanās vietas laukus |
| Pacienta ID / MRN / Ieraksta numurs | Pielietojiet veselības aprūpes ID modeļus |
Kolonnas konteksts neaizstāj satura skenēšanu. Tas to papildina. Kolonna ar nosaukumu "SSN" ar 100 vērtībām: satura skenēšana nozvejo 99 labi formatētas. Kolonnas konteksts nozvejo vienu, kas izskatās dīvaini.
Saglabājiet struktūru, noņemiet vārdus
Mērķis lielākajā daļā Excel GDPR gadijumu nav iznīcināt failu. Tas ir atdalīt personas datus, vienlaikus saglabājot daļas, kas padara failu noderīgu.
15 000 rindu darbinieku ierakstu failam atbilstības virsniekiem nepieciešams:
Noņemt:
- Darbinieku vārdus → PERSON_XXXX tokeni
- SSN → REDACTED
- E-pasta adreses → REDACTED
- Tālruņu numurus → REDACTED
- Mājas adreses → REDACTED
Saglabāt:
- Nodaļu kodus
- Amata nosaukumus (tikai vispārīgās lomas)
- Algu joslas (plašas kategorijas)
- Veiktspējas rādītājus (grupu dati)
- Sākuma datumus (stāža statistikai)
- Vadītāja kodus (ja pseidonimizēts)
Rīks, kas zina atšķirību starp "datiem, kas nosau cilvēkus" un "datiem, kas apraksta darbus", dod failu, kas joprojām darbojas HR analīzei — un atbilst GDPR datu minimizācijas noteikumiem.
Reāls gadijums: M&A HR datu pārsūtīšana
Piegādes uzņēmums saņem darbinieku ierakstus no mērķa uzņēmuma: 15 000 rindu XLSX ar 40 kolonnām. Fails jānosūta ārējai HR firmai pabalstu plānošanai. GDPR nosaka, ka var kopīgot tikai tos datus, kas nepieciešami šim uzdevumam.
Pirms apstrādes: 40 kolonnas ar pilniem vārdiem, SSN, e-pastiem, mājas adresēm, ārkārtas kontaktiem un bankas datiem.
Pēc kolonnas konteksta apstrādes:
- 12 kolonnas tieši identificē cilvēkus (vārdi, SSN, e-pasti, tālrunis, adreses, bankas dati): aizstātas ar konsekventiem tokeneem
- 3 kolonnas netieši identificē cilvēkus (darbinieka ID, vadītāja kods, darba kods): aizstātas ar pseidonīmiskiem tokeneem, kas saskan failā
- 25 kolonnas ir apkopotie dati (algu josla, nodaļa, stāžs, pakāpe): paliek nemainīgas
Laiks: 8 minūtes 600 000 šūnām
Izvade: Viens un tas pats XLSX izkārtojums, 40 kolonnas, 15 anonimizētas, 25 nemainītas
Audita žurnāls: Šūnu līmeņa ieraksts par katru darbību ar entītijas veidu, ticamības rādītāju un izmantoto kolonnas signālu
HR firma saņem pilnu datu kopu savam darbam — bez vārdiem vai ID. Atbilstības ieraksts saņem pierādijumu, ka tika kopīgoti tikai pareizi dati.
Šis izaicinājums nav unikāls Excel failiem. Katrs faila formāts neizdodas savā veidā. Skatiet kā formātu sadrumstalotība ietekmē PII noteikšanu par pārskatu pa failu veidiem.
Tris GDPR 5. panta noteikumi, viens process
Strukturēta izklājlapu anonimizācija vienlaikus atbilst trim noteikumiem.
Datu minimizācija (5. panta 1. punkta c) apakšpunkts): Tikai kolonnas, kas nepieciešamas uzdevumam, dodas pie saņēmēja. Identificējošās kolonnas tiek notīrītas.
Glabāšanas ierobežojums (5. panta 1. punkta e) apakšpunkts): Oriģinālais fails paliek juridiskai glabāšanai. Tiek veidota tīra kopija kopīgošanai — ar īsāku vai nekādu glabāšanas nepieciešamību.
Integritāte un konfidencialitāte (5. panta 1. punkta f) apakšpunkts): Nevieni identificējoši dati nepamet kontroles zonu. Tiek kopīgotas tikai tīras kopijas.
Audita žurnāls no procesa arī ir jūsu 5. panta 2. punkta pierādijums. Tas rāda, kā katrs noteikums tika ievērots katram failam.
Ja jūsu komanda apstrādā DSAR vai lielus datu eksportus, tā pati loģika attiecas uz API līmeni. Skatiet kā GDPR datu minimizācija darbojas reāllaika API.
Komandām, kas strādā ar lieliem apjomiem ierobežotos termiņos, skatiet GDPR DSAR partijas apstrādi apjomā par darbplūsmas modeļiem, kas attiecas arī šeit.