anonym.legal

By · Last updated 2026-06-05

Terug naar BlogAI Beveiliging

Screenshot PII: Lekken In Interne Tools

Slack, Teams, Jira en e-mail ontvangen regelmatig screenshots met klant-PII. Deze schending van toegangscontrole omzeilt elk DLP-systeem.

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

De DLP-Blinde Vlek Die U Nog Niet Heeft Geauditeerd

DLP-tools bewaken netwerkverkeer, e-mailbestanden en bestandsoverdrachten. Ze onderscheppen spreadsheets met BSN-kolommen. Ze markeren e-mails met klantenlijsten. Ze blokkeren uploads met medische dossiers.

Ze onderscheppen geen schermafbeeldingen.

Een schermafbeelding is een afbeeldingsbestand. De PII erin is als pixels weergegeven. Het wordt niet als tekst opgeslagen. DLP-engines die zoeken naar PII-patronen vinden niets.

Elke dag plakken medewerkers schermafbeeldingen in Slack, Jira, Teams en e-mailketens. Nul DLP-waarschuwingen worden geactiveerd.

Hoe Schermafbeeldingen PII Verspreiden Op Het Werk

Hybride en thuiswerken hebben het delen van schermafbeeldingen normaal gemaakt. Interne tools lopen er dagelijks mee vol.

Teamleden delen afbeeldingen voor snelle context:

  • Supportmedewerkers pakken klantaccountweergaven op om te delen met teamleiders.
  • Ontwikkelaars delen foutlogs die gebruikersinvoerdata bevatten.
  • Accountmanagers sturen CRM-records om context te geven aan financiële teams.
  • IT-beheerders leggen systeemweergaven vast om instellingen te documenteren voor aannemers.
  • Productteams delen dashboardweergaven in stakeholderupdates.

Elke bijlage kan persoonsgegevens bevatten. Een klantaccountafbeelding bevat naam, e-mail, status en factuuradres. Een foutlogbestand kan namen, adressen of telefoonnummers bevatten die gebruikers hebben ingevoerd. Een CRM-recordafbeelding bevat het volledige accountprofiel. Een dashboardbestand kan gebruikers-ID's in grafiekabels bevatten.

Het Toegangscontrolprobleem

Het delen van schermafbeeldingen creëert ook een toegangscontrolprobleem.

De meeste organisaties hanteren op rollen gebaseerde toegangscontroles op productiesystemen. Een supportmedewerker ziet alleen hun wachtrij-records. Een aannemer ziet alleen toegewezen projectbestanden.

Wanneer een medewerker een klantrecord pakt en het in een Slack-kanaal met aannemers plakt, wordt toegangscontrole omzeild. De aannemer krijgt persoonsgegevens die hij via normale wegen niet kon bereiken. De DPA voor aannemerswerk dekt deze overdracht mogelijk niet. De AVG-rechten van de klant zijn mogelijk niet van toepassing op die aannemer.

Deze omzeiling is een AVG-artikel 5(1)(f)-kwestie. Dit dekt integriteit en vertrouwelijkheid. Het kan ook artikel 28-problemen creëren als aannemers PII ontvangen zonder de juiste DPA's. Zie onze AVG-conformiteitsgids voor een checklist van artikel 28-verplichtingen.

Afbeeldings-PII-Detectie Als Technische Waarborg

De technische waarborg voor op afbeeldingen gebaseerde PII-blootstelling is OCR plus NLP-detectie. De stappen zijn eenvoudig.

  1. Medewerker legt een scherm van een klantinterface vast.
  2. Vóór het delen: uploadt de afbeelding naar een detectietool.
  3. Tool extraheert zichtbare tekst via OCR.
  4. NLP vindt PII-entiteiten in de tekst.
  5. Medewerker ziet een rapport: "Deze afbeelding bevat: [klantnaam], [e-mailadres], [account-ID]."
  6. Medewerker redacteert de PII, beperkt het deelbereik, of gaat door met een schriftelijke reden.

Dit blokkeert niet alle deling. Het toont de persoonsgegevens vóór ze worden verplaatst. Mensen kunnen dan weloverwogen keuzes maken. Zie hoe dit past in uw beschermingsstack op de waarborgenpagina.

Use Case: SaaS Helpdesk Jira Afbeeldingsbeleid

De helpdesk van een SaaS-bedrijf gebruikte Jira om accountproblemen vast te leggen. Bijlagen bij die tickets bevatten gebruikers-PII. Specifiek:

  • Gebruikers-e-mailadressen van accountbeheerschermen.
  • Abonnementsplandetails.
  • Factureringsbedragen en -datums.
  • Gedeeltelijke betalingsdata in sommige gevallen.

Een AVG-audit vond 847 Jira-tickets gemaakt over 18 maanden. Alle bevatten PII-bijlagen. Jira was open voor alle 200 ingenieurs. Sommigen waren aannemers zonder DPA's voor klantfactureringsrecords.

Herstelstappen:

  1. Retroactieve audit: PII-detectie op alle bestaande bijlagen. 312 tickets gemarkeerd voor DPO-review.
  2. Ticketopschoning: 89 tickets hadden bestanden verduisterd vóór herbevestiging.
  3. Proceswijziging: nieuwe workflow die een PII-controle vereist vóór Jira-bijlage.
  4. Training: 15-minuten sessie voor alle helpdeskmedewerkers.

Resultaten na 90 dagen:

  • PII-incidenten in Jira: 90 procent gedaald.
  • Resterende incidenten: gevallen waarbij medewerkers doorgingen met een schriftelijke diagnostische reden.
  • DPA-bereik: bijgewerkt om onnodige persoonsgegevensblootstelling voor aannemers te verminderen.

De 312 historische tickets waren een conformiteitsbevinding. De 90 procent daling diende als bewijs van herstel in de auditreactie.

Afbeeldingsreview Inbouwen In Teamworkflows

Voor organisaties die PII-controles willen zonder operaties te vertragen, bestaan verschillende opties.

Lichtgewicht optie: Een browsertool die medewerkers gebruiken vóór het plakken in Slack of Jira. Sleep de afbeelding, ontvang een PII-rapport in vijf seconden, ga dan door of redacteer.

Jira of ServiceNow-koppeling: Detectie die wordt uitgevoerd vóór bestanden tickets bereiken. Het werkt als virusscanning vóór een bestandsupload.

Slack-bot: Een bot die afbeeldinguploads ontvangt in geselecteerde kanalen. Het voert PII-detectie uit. Het plaatst een draadantwoord met gedetecteerde entiteiten. Dit maakt persoonsgegevens zichtbaar zonder de workflow te blokkeren.

Teamnorm plus steekproef: Een wekelijkse geautomatiseerde controle. Steekproef 10 procent van afbeeldingen in samenwerkingstools. Voer detectie uit. Rapporteer bevindingen aan de teamleider. Dit bouwt verantwoording op zonder een workflow te blokkeren.

Voor AVG-records: de afbeeldings-PII-controle telt als een "organisatorische maatregel" onder artikel 32. Schrijf de waarborg op — beleid plus technische tool. Voeg bewijs van gebruik toe. Dit voldoet aan de artikel 5(2)-verantwoordingsregel. Zie onze conformiteitspagina en de woordenlijstvermelding voor artikel 32.

Wilt u zien hoe anonym.legal dit voor uw team verwerkt? Bezoek onze abonnementenpagina of lees de oprichtersverklaring over de-identificatie.

Bronnen

Klaar om uw gegevens te beschermen?

Begin met het anonimiseren van PII met 285+ entiteitstypen in 48 talen.

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.