By · Last updated 2026-04-18

Kembali ke BlogKeselamatan AI

3.8 Pendedahan PII Harian dalam Pasukan Sokongan

Setiap ejen sokongan yang menggunakan ChatGPT membuat purata 3.8 tampal data sensitif sehari. Untuk pasukan 100 orang, itu bersamaan 380 insiden pendedahan GDPR setiap hari.

April 18, 20268 min baca
accidental PII exposuresupport team ChatGPTCyberhaven 3.8 pastesworkflow PII protectionGDPR daily exposure

Matematik Pendedahan PII Harian

Penyelidikan Cyberhaven mendapati bahawa pekerja perusahaan membuat purata 3.8 tampal data sensitif ke dalam ChatGPT setiap pengguna sehari. Bagi pasukan sokongan 100 orang, itu adalah 380 kejadian rekod pelanggan memasuki ChatGPT setiap hari.

Setiap kejadian boleh menjadi pelanggaran minimisasi data GDPR di bawah Artikel 5(1)(c). Artikel tersebut memerlukan maklumat peribadi menjadi "mencukupi, relevan dan terhad kepada apa yang diperlukan."

Ini bukan pekerja nakal yang mengabaikan dasar. Angka 3.8 mencerminkan kerja biasa. Ejen menyalin e-mel pelanggan untuk menggubal balasan. Mereka menampal teks aduan untuk mendapatkan cadangan yang empati. Mereka menyertakan butiran akaun untuk mendapat jawapan yang peka konteks. Setiap tampal adalah langkah produktiviti yang sah yang kebetulan membawa PII bersama.

Latihan Tingkah Laku Tidak Menyelesaikan Masalah Ini

Audit EU 2024 mendapati bahawa 63% data pengguna ChatGPT mengandungi maklumat pengenalan peribadi. Hanya 22% pengguna tahu mereka boleh menarik diri melalui tetapan alat. Kebanyakan kandungan yang ditampal ke dalam pembantu AI mengandungi PII. Kebanyakan pengguna tidak mengetahui kawalan tersebut. Hasilnya adalah pendedahan harian pada skala besar.

Latihan dasar berhadapan dengan masalah asas. Tabiat salin-tampal berusia beberapa dekad. Pengguna telah menyalin dan menampal teks sejak hari pertama mereka di depan komputer. Menyambungkan alat sembang AI sebagai sasaran tampal menambah destinasi baru. Ia tidak mengubah tabiat.

Dasar "jangan tampal PII pelanggan ke dalam pembantu AI" meminta ejen untuk menyisipkan langkah pengelasan - "adakah teks ini mengandungi PII?" - ke dalam tindakan yang sudah menjadi kebiasaan yang tidak mempunyai jeda semula jadi. Kesan latihan luntur. Hasil kumulatif 380 keputusan tampal harian adalah risiko pematuhan yang tidak boleh ditahan oleh dasar sahaja.

Di Mana Kawalan Teknikal Berkesan

Penyelesaiannya beroperasi pada tindakan tampal itu sendiri. Sambungan pelayar memintas kandungan papan klip pada saat ejen menekan tampal, sebelum teks mencapai medan input. Ejen melihat modal pratonton. Ia menunjukkan apa yang dikesan dan apa yang akan ditanpa namakan sebelum teks dihantar.

Ini bukan kawalan pemblokiran. Ejen boleh meneruskan, mengatasi, atau berhenti. Ia adalah langkah ketelusan. Ia menambah satu saat keterlihatan kepada tindakan yang sebaliknya automatik.

Bayangkan ketua pasukan sokongan e-dagang Jerman yang menggubal balasan kepada aduan pelanggan. Aliran kerja kekal sama: salin aduan, tampal ke dalam ChatGPT, jana balasan. Sambungan menambah semakan dua saat. Ejen melihat bahawa nama, alamat, dan nombor pesanan telah dikesan. Ejen mengklik teruskan. Alat menerima versi yang ditanpa namakan. Pelanggaran pematuhan tidak berlaku.

Panduan pematuhan GDPR kami merangkumi asas undang-undang untuk kawalan ini. Lihat juga perbandingan dasar AI vs kawalan teknikal dan panduan DLP pelayar untuk ChatGPT untuk butiran pelaksanaan.

Sumber

Sedia untuk melindungi data anda?

Mulakan pengenalan PII dengan 285+ jenis entiti dalam 48 bahasa.

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.