By · Last updated 2026-06-05

Kembali ke BlogKeselamatan AI

PII Tangkapan Skrin: Kebocoran dalam Alat Dalaman

Slack, Teams, Jira, dan e-mel kerap menerima tangkapan skrin yang mengandungi PII pelanggan. Pelanggaran kawalan akses ini memintas setiap alat DLP.

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

Titik Buta DLP yang Belum Anda Audit

Alat DLP memantau trafik rangkaian, fail e-mel, dan pemindahan fail. Mereka menangkap hamparan dengan lajur SSN. Mereka menandai e-mel dengan senarai pelanggan. Mereka menyekat muat naik dengan rekod perubatan.

Mereka tidak menangkap tangkapan skrin.

Tangkapan skrin adalah fail gambar. PII di dalamnya dilukis sebagai piksel. Ia tidak disimpan sebagai teks. Enjin DLP yang mengimbas corak PII tidak menemui apa-apa.

Setiap hari, pekerja menampal tangkapan skrin ke dalam Slack, Jira, Teams, dan rantai e-mel. Sifar makluman DLP dikeluarkan.

Cara Tangkapan Skrin Menyebarkan PII di Tempat Kerja

Kerja jauh dan hibrid menjadikan perkongsian tangkapan skrin perkara biasa. Alat dalaman dipenuhi dengan tangkapan skrin setiap hari.

Ahli pasukan berkongsi tangkapan skrin untuk konteks pantas:

  • Ejen sokongan merakam pandangan akaun pelanggan untuk dikongsi bersama ketua pasukan.
  • Pembangun berkongsi log ralat yang mengandungi data input pengguna.
  • Pengurus akaun menghantar rekod CRM untuk memberi konteks kepada pasukan kewangan.
  • Pentadbir IT merakam pandangan sistem untuk mendokumentasikan persediaan bagi kontraktor.
  • Pasukan produk berkongsi pandangan papan pemuka dalam kemas kini pemegang kepentingan.

Setiap lampiran mungkin membawa maklumat peribadi. Tangkapan skrin akaun pelanggan mengandungi nama, e-mel, status, dan alamat pengebilan. Fail log ralat boleh menyertakan nama, alamat, atau nombor telefon yang dimasukkan oleh pengguna. Tangkapan skrin rekod CRM mengandungi profil akaun penuh. Fail papan pemuka mungkin menunjukkan ID pengguna dalam label carta.

Masalah Kawalan Akses

Berkongsi tangkapan skrin juga mencipta masalah kawalan akses.

Kebanyakan organisasi menguatkuasakan kawalan akses berasaskan peranan (RBAC) pada sistem pengeluaran. Ejen sokongan hanya melihat rekod baris gilir mereka. Kontraktor hanya melihat fail projek yang ditetapkan.

Apabila ejen merakam rekod pelanggan dan menampalnya ke dalam saluran Slack bersama kontraktor, kawalan akses dipintas. Kontraktor mendapat data peribadi yang tidak dapat mereka capai melalui laluan biasa. DPA untuk kerja kontraktor mungkin tidak meliputi pemindahan ini. Hak GDPR pelanggan mungkin tidak terpakai kepada kontraktor tersebut.

Pintas ini adalah isu Artikel 5(1)(f) GDPR. Ia meliputi integriti dan kerahsiaan. Ia juga boleh mencipta masalah penjajaran Artikel 28 jika kontraktor mendapat PII tanpa DPA yang betul. Lihat panduan pematuhan GDPR kami untuk senarai semak kewajipan Artikel 28.

Pengesanan PII Imej sebagai Perlindungan Teknikal

Perlindungan teknikal untuk pendedahan PII berasaskan tangkapan adalah OCR ditambah pengesanan NLP. Langkah-langkahnya mudah.

  1. Pekerja merakam skrin antara muka pelanggan.
  2. Sebelum berkongsi: muat naik tangkapan ke alat pengesanan.
  3. Alat mengekstrak teks yang kelihatan melalui OCR.
  4. NLP menemui entiti PII dalam teks.
  5. Pekerja melihat laporan: "Tangkapan ini mengandungi: [nama pelanggan], [alamat e-mel], [ID akaun]."
  6. Pekerja kemudian meredaksi PII, menyempitkan skop perkongsian, atau meneruskan dengan sebab bertulis.

Ini tidak menyekat semua perkongsian. Ia menunjukkan maklumat peribadi sebelum ia berpindah. Orang kemudian boleh membuat pilihan yang tepat. Lihat cara ini sesuai dengan tindanan perlindungan anda di halaman perlindungan.

Kes Penggunaan: Dasar Tangkapan Jira Meja Bantuan SaaS

Meja bantuan syarikat SaaS menggunakan Jira untuk merekodkan isu akaun. Fail yang dilampirkan pada tiket tersebut mengandungi PII pengguna. Khususnya:

  • Alamat e-mel pengguna daripada skrin pengurusan akaun.
  • Butiran pelan langganan.
  • Jumlah dan tarikh pengebilan.
  • Data pembayaran separa dalam sesetengah kes.

Audit GDPR mendapati 847 tiket Jira yang dibuat selama 18 bulan. Semua mengandungi lampiran PII. Jira terbuka kepada semua 200 jurutera. Sebahagian adalah kontraktor tanpa DPA untuk rekod pengebilan pelanggan.

Langkah pemulihan:

  1. Audit retroaktif: pengesanan PII pada semua lampiran sedia ada. 312 tiket ditandai untuk semakan DPO.
  2. Pembersihan tiket: 89 tiket mempunyai fail yang dikaburkan sebelum dilampirkan semula.
  3. Perubahan proses: aliran kerja baharu yang memerlukan semakan PII sebelum lampiran Jira.
  4. Latihan: sesi 15 minit untuk semua kakitangan meja bantuan.

Keputusan selepas 90 hari:

  • Insiden PII dalam Jira: turun 90 peratus.
  • Insiden yang tinggal: kes di mana kakitangan meneruskan dengan sebab diagnostik bertulis.
  • Skop DPA: dikemas kini untuk mengurangkan pendedahan data peribadi yang tidak perlu bagi kontraktor.

312 tiket sejarah adalah dapatan pematuhan. Penurunan 90 peratus berfungsi sebagai bukti pemulihan dalam respons audit.

Membina Semakan Tangkapan ke dalam Aliran Kerja Pasukan

Bagi organisasi yang mahukan kawalan PII tanpa melambatkan operasi, beberapa pilihan wujud.

Pilihan ringan: Alat pelayar yang digunakan pekerja sebelum menampal ke Slack atau Jira. Seret tangkapan, dapatkan laporan PII dalam lima saat, kemudian teruskan atau redaksi.

Cangkuk Jira atau ServiceNow: Pengesanan yang berjalan sebelum fail sampai ke tiket. Ia berfungsi seperti pengimbasan virus sebelum muat naik fail.

Bot Slack: Bot yang menerima muat naik tangkapan dalam saluran yang dipilih. Ia menjalankan pengesanan PII. Ia menyiarkan balasan ulir dengan entiti yang dikesan. Ini menjadikan maklumat peribadi kelihatan tanpa menyekat aliran kerja.

Norma pasukan ditambah pensampelan: Semakan automatik mingguan. Sampel 10 peratus tangkapan dalam alat kolaborasi. Jalankan pengesanan. Laporkan dapatan kepada ketua pasukan. Ini membina akauntabiliti tanpa menyekat sebarang aliran kerja.

Untuk rekod GDPR: kawalan PII tangkapan dikira sebagai "langkah organisasi" di bawah Artikel 32. Tuliskan perlindungan — dasar ditambah alat teknikal. Tambah bukti penggunaan. Ini memenuhi peraturan akauntabiliti Artikel 5(2). Lihat halaman pematuhan kami dan entri glosari untuk Artikel 32.

Ingin melihat cara anonym.legal mengendalikan ini untuk pasukan anda? Lawati halaman pelan kami atau baca pernyataan pengasas tentang penyahanoniman.

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.