By · Last updated 2026-06-05

Powrót do blogaBezpieczeństwo AI

Dane osobowe w firmowym wiki: dane klientów w Confluence

Zespoły wsparcia dokumentują procesy za pomocą zrzutów ekranu kont klientów. Przez trzy lata daje to tysiące naruszeń zasady minimalizacji danych RODO w twoim systemie.

June 5, 20266 min czytania
Confluence GDPRinternal wiki PIIcustomer datadocumentation privacydata minimization

Dane osobowe na zrzutach ekranu w wewnętrznych bazach wiedzy

Wewnętrzne bazy wiedzy — Confluence, Notion, SharePoint, GitBook — przechowują specyficzny typ problemu z danymi osobowymi, który standardowe narzędzia compliance pomijają: dane osobowe klientów osadzone na zrzutach ekranu używanych w dokumentacji procesowej.

Ten schemat powtarza się w tysiącach zespołów wsparcia i operacyjnych.

Agent wsparcia natrafia na niestandardową konfigurację konta. Robi zrzut ekranu strony konta klienta, by udokumentować problem. Zrzut pokazuje imię i nazwisko klienta w nagłówku interfejsu, adres e-mail w ustawieniach konta oraz szczegóły planu.

Artykuł trafia do wewnętrznej bazy wiedzy. Może go teraz przeglądać 150 agentów wsparcia. Może go też zobaczyć dwunastu wykonawców z zewnętrznego helpdesku. Artykuł jest przydatny. Pokazuje, jak obsługiwać ten szczególny przypadek brzegowy. Każdy agent, który w przyszłości napotka taką konfigurację, go przeczyta.

Trzy lata później baza wiedzy zawiera 847 takich artykułów. Każdy z nich zawiera zrzuty ekranu kont klientów. Klienci widoczni na zrzutach nie wyrazili zgody na to wtórne wykorzystanie swoich danych. Większość nie wie, że ich dane są tam przechowywane.

To nie jest mały problem. Rośnie wraz z każdym nowym artykułem.

Narażenie na sankcje RODO: dlaczego to ma znaczenie

Analiza RODO dotycząca zrzutów ekranu w bazach wiedzy jest bezpośrednia.

Minimalizacja danych (art. 5 ust. 1 lit. c)): Dane osobowe muszą być „stosowne, istotne oraz ograniczone do tego, co niezbędne”. Artykuł w bazie wiedzy dotyczący konfiguracji konta nie potrzebuje prawdziwego imienia i nazwiska ani adresu e-mail klienta. Zamazany zrzut ekranu spełnia ten cel równie dobrze. Umieszczenie aktywnych danych klienta nie jest konieczne.

Ograniczenie celu (art. 5 ust. 1 lit. b)): Danych zebranych w jednym celu — obsługa klienta — nie można ponownie wykorzystywać w innym celu — wewnętrzna dokumentacja procesowa — bez podstawy prawnej. Dane kont zostały zebrane na potrzeby świadczenia usług, a nie dokumentacji wewnętrznej. Są to dwa odrębne cele przetwarzania. Korzystanie z tych samych danych w obu przypadkach wymaga ważnej podstawy prawnej, której większość zespołów nie ustaliła.

Kontrola dostępu (art. 5 ust. 1 lit. f) i art. 32): Odpowiednie środki techniczne muszą chronić dane osobowe. Zrzuty ekranu kont klientów w narzędziu otwartym dla wszystkich 150 agentów i wykonawców — w tym tych, którzy nie mają dostępu do bazowego systemu kont — tworzą zbyt szeroki dostęp.

Prawo do usunięcia (art. 17): Osoba, której dane dotyczą, wnioskująca o usunięcie danych, ma prawo do ich usunięcia „bez zbędnej zwłoki”. Jeśli jej dane pojawiają się w 23 artykułach bazy wiedzy jako osadzone zrzuty ekranu, realizacja wniosku wymaga znalezienia i aktualizacji wszystkich 23 artykułów. Bez systemu jest to trudne. Nasz przewodnik po prawie do usunięcia danych RODO szczegółowo opisuje kroki.

Żadne z powyższych nie jest wykładnią przypadkową. To bezpośrednie zastosowanie treści rozporządzenia do powszechnej praktyki.

Obejście kontroli dostępu

Najpoważniejszym problemem compliance związanym ze zrzutami ekranu w Confluence jest obejście kontroli dostępu, które tworzą.

Zespoły wsparcia stosują kontrolę dostępu opartą na rolach (RBAC), by ograniczyć, kto ma dostęp do systemów kont klientów. Agenci pierwszego poziomu widzą podstawowe dane konta. Agenci drugiego poziomu widzą dane rozliczeniowe i techniczne. Menedżerowie widzą pełny profil konta.

Gdy agent drugiego poziomu tworzy artykuł w bazie wiedzy zawierający zrzut ekranu pełnego konta klienta, ten zrzut staje się widoczny dla każdego użytkownika narzędzia. Agenci pierwszego poziomu, którzy nie powinni widzieć danych rozliczeniowych, mogą je teraz przeglądać. Wykonawcy bez dostępu do systemu mogą je przeglądać. Nowi pracownicy na etapie wdrożenia mogą je przeglądać.

Zrzut ekranu omija kontrolki RBAC systemu kont klientów. Dane osobowe, które RBAC miał chronić, są teraz dostępne dla każdego, kto ma dostęp do bazy wiedzy.

To nie jest ryzyko teoretyczne. Jest to normalny wynik przepływu pracy dokumentacyjnej. Zrzut ekranu znajduje się tam bez daty wygaśnięcia, bez dziennika dostępu i bez ścieżki audytu.

Praktyczne kroki naprawcze

Dla zespołów, które odkryją ten problem podczas audytu RODO:

Działania naprawcze wsteczne:

  1. Zidentyfikuj wszystkie strony bazy wiedzy z załączonymi obrazami
  2. Uruchom wykrywanie danych osobowych w obrazach dla każdego załącznika
  3. Przejrzyj oznaczone obrazy: trafienia o wysokim poziomie ufności trafiają do kolejki przeglądowej
  4. Dla każdego oznaczonego obrazu: zastąp go oczyszczoną wersją lub ogranicz dostęp do strony
  5. Zaloguj działania naprawcze w dokumentacji RODO

Skala działań naprawczych wstecznych zależy od wielkości bazy wiedzy. W przypadku trzyletniej bazy wiedzy 50-osobowego zespołu wsparcia liczba obrazów może sięgać tysięcy. Wsadowe przetwarzanie obrazów czyni to wykonalnym. Ręczna weryfikacja oznaczonych obrazów jest kluczowym wąskim gardłem.

Kontrole prospektywne:

  1. Szkol wszystkich pracowników wsparcia w zakresie oczyszczania zrzutów ekranu przed publikacją w bazie wiedzy
  2. Zapewnij narzędzia: narzędzia do adnotacji zrzutów ekranu rozmywające imiona i nazwiska klientów przed wklejeniem
  3. Dodaj krok weryfikacyjny: wyznaczony recenzent sprawdza artykuły przed publikacją, szukając konkretnie danych osobowych klientów w obrazach
  4. Uruchamiaj kwartalne wsadowe skanowanie obrazów wszystkich załączników w Confluence

Minimalna kontrola wykonalna: Lista kontrolna przy publikacji: „Przed opublikowaniem usuń lub zamaż wszystkie imiona i nazwiska klientów, adresy e-mail i identyfikatory kont ze zrzutów ekranu.” Niskotechnologiczne, nieautomatyczne, ale tworzy udokumentowaną kontrolę. Dla małych zespołów to punkt wyjścia.

Zapoznaj się z naszym przeglądem zgodności z RODO dotyczącym szerszych ram prawnych oraz z artykułem dlaczego polityka bez kontroli technicznych zawodzi, by zrozumieć, dlaczego podejście oparte wyłącznie na listach kontrolnych zawodzi przy dużej skali.

Dlaczego problem narasta z czasem

Bez systematycznych kontroli narażenie bazy wiedzy na dane osobowe kumuluje się.

Wolumen: Każdy nowy artykuł z zrzutem ekranu klienta zwiększa całkowite narażenie. Wraz z rozwojem zespołu wsparcia i rozbudową bazy wiedzy rośnie też skumulowana ilość danych osobowych. Cechy, które czynią te narzędzia użytecznymi — łatwość publikacji, trwałość, szeroki dostęp — sprawiają, że problem z danymi osobowymi staje się poważniejszy.

Zapomniane artykuły: Artykuły o starych przypadkach brzegowych, które już się nie pojawiają, pozostają dostępne. Zawierają dane osobowe klientów, którzy od tego czasu złożyli wnioski o usunięcie danych. Nikt nie sprawdza artykułu ostatnio aktualizowanego w 2022 r.

Rozprzestrzenianie się między zespołami: Bazy wiedzy często przekraczają granice funkcjonalne. Artykuł wsparcia zawierający zrzuty ekranu klientów może być udostępniany zespołowi produktowemu, inżynierskiemu lub zewnętrznym wykonawcom w celu dostarczenia kontekstu do prośby o funkcję lub raportu o błędzie. Każde udostępnienie poszerza grono odbiorców danych osobowych.

Zaległości w usuwaniu danych: Wraz z gromadzeniem się kolejnych rekordów klientów w bazie wiedzy, realizacja wniosków o usunięcie danych staje się coraz bardziej złożona. Bez systemu nie ma wiarygodnego sposobu na potwierdzenie, że znaleziono i usunięto każde wystąpienie danych danej osoby. Zespół nie może złożyć wiarygodnego potwierdzenia usunięcia danych.

Zapobieganie problemom z danymi osobowymi w bazie wiedzy jest łatwiejsze niż ich naprawianie. Kontrole wdrożone teraz pozwolą uniknąć narastającego problemu naprawczego. Każdy artykuł opublikowany bez zamazanego zrzutu ekranu to zadanie naprawcze odłożone na przyszłość.

Źródła

Gotowy, aby chronić swoje dane?

Rozpocznij anonimizację PII z 285+ typami podmiotów w 48 językach.

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.