By · Last updated 2026-06-05

Tillbaka till BloggenAI-säkerhet

Skärmdump-PII: Läckor i interna verktyg

Slack, Teams, Jira och e-post tar regelbundet emot skärmdumpar med kundernas personuppgifter. Denna åtkomstkontrollöverträdelse kringgår alla DLP-verktyg.

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

DLP-blinda fläcken du inte har granskat

DLP-verktyg övervakar nätverkstrafik, e-postfiler och filöverföringar. De fångar upp kalkylblad med personnummerkolumner. De flaggar e-post med kundlistor. De blockerar uppladdningar med patientjournaler.

De fångar inte skärmdumpar.

En skärmdump är en bildfil. PII inuti den ritas som pixlar. Det lagras inte som text. DLP-motorer som söker efter PII-mönster hittar ingenting.

Varje dag klistrar anställda in skärmdumpar i Slack, Jira, Teams och e-postkedjor. Noll DLP-larm utlöses.

Hur skärmdumpar sprider PII på arbetsplatsen

Distans- och hybridarbete har gjort delning av skärmdumpar vanligt. Interna verktyg fylls med dem varje dag.

Teammedlemmar delar skärmdumpar för snabbt sammanhang:

  • Supportagenter tar kundkontovyer att dela med teamledare.
  • Utvecklare delar fellogg som innehåller användarinmatad data.
  • Kontoansvariga skickar CRM-poster för att ge sammanhang till ekonomiteam.
  • IT-administratörer tar systemvyer för att dokumentera konfigurationer för entreprenörer.
  • Produktteam delar instrumentpanelsvyer i uppdateringar till intressenter.

Varje bilaga kan innehålla personuppgifter. En kundkontoskärmdump innehåller namn, e-post, status och faktureringsadress. En felloggfil kan innehålla namn, adresser eller telefonnummer inmatade av användare. En CRM-postskärmdump innehåller hela kontoprofilen. En instrumentpanelsfil kan visa användar-ID:n i diagrametiketter.

Åtkomstkontrollproblemet

Delning av skärmdumpar skapar också ett åtkomstkontrollproblem.

De flesta organisationer tillämpar rollbaserade åtkomstkontroller på produktionssystem. En supportagent ser bara sina köposter. En entreprenör ser bara tilldelade projektfiler.

När en agent tar en kundpost och klistrar in den i en Slack-kanal med entreprenörer, kringgås åtkomstkontrollen. Entreprenören får personuppgifter som de inte kunde nå via vanliga vägar. DPA för entreprenörsarbete kanske inte täcker denna överföring. Kundens GDPR-rättigheter kanske inte gäller för den entreprenören.

Detta kringgående är ett problem enligt GDPR Artikel 5(1)(f). Det täcker integritet och konfidentialitet. Det kan också skapa problem med Artikel 28-anpassning om entreprenörer får PII utan rätt DPA. Se vår GDPR-efterlevnadsguide för en checklista över Artikel 28-skyldigheter.

Bild-PII-identifiering som teknisk skyddsåtgärd

Den tekniska skyddsåtgärden mot PII-exponering via skärmdumpar är OCR plus NLP-identifiering. Stegen är enkla.

  1. Anställd tar en skärmdump av ett kundgränssnitt.
  2. Innan delning: laddar upp skärmdumpen till ett identifieringsverktyg.
  3. Verktyget extraherar synlig text via OCR.
  4. NLP hittar PII-entiteter i texten.
  5. Anställd ser en rapport: "Den här skärmdumpen innehåller: [kundnamn], [e-postadress], [konto-ID]."
  6. Anställd redigerar sedan PII, begränsar delningsomfånget eller fortsätter med en skriftlig motivering.

Detta blockerar inte all delning. Det visar personuppgifterna innan de förflyttas. Människor kan sedan fatta välgrundade beslut. Se hur detta passar i din skyddsstapel på skyddsåtgärdssidan.

Användningsfall: SaaS-helpdesk Jira-skärmdumpspolicy

Ett SaaS-företags helpdesk använde Jira för att logga kontoproblem. Filer bifogade till dessa ärenden innehöll användar-PII. Specifikt:

  • Användare-e-postadresser från kontohanteringsskärmar.
  • Prenumerationsplaninformation.
  • Faktureringsbelopp och datum.
  • Partiella betalningsuppgifter i vissa fall.

En GDPR-revision hittade 847 Jira-ärenden skapade under 18 månader. Alla innehöll PII-bilagor. Jira var öppet för alla 200 ingenjörer. Några var entreprenörer utan DPA:er för kundfaktureringsuppgifter.

Åtgärdssteg:

  1. Retroaktiv revision: PII-identifiering på alla befintliga bilagor. 312 ärenden flaggades för DPO-granskning.
  2. Ärendestädning: 89 ärenden hade filer dolda innan de bifogades på nytt.
  3. Processändring: nytt arbetsflöde som kräver en PII-kontroll innan Jira-bilaga.
  4. Utbildning: 15-minuterssession för all helpdesk-personal.

Resultat efter 90 dagar:

  • PII-incidenter i Jira: ned 90 procent.
  • Återstående incidenter: fall där personal fortsatte med en skriftlig diagnostisk motivering.
  • DPA-omfång: uppdaterat för att minska onödig personuppgiftsexponering för entreprenörer.

De 312 historiska ärendena var ett efterlevnadsfynd. Den 90-procentiga minskningen fungerade som bevis på åtgärd i revisionssvaret.

Att integrera skärmdumpsgranskning i teamarbetsflöden

För organisationer som vill ha PII-kontroller utan att bromsa verksamheten finns flera alternativ.

Lättviktsalternativ: Ett webbläsarverktyg som anställda använder innan de klistrar in i Slack eller Jira. Dra skärmdumpen, få en PII-rapport på fem sekunder, fortsätt sedan eller redigera.

Jira- eller ServiceNow-hook: Identifiering som körs innan filer når ärenden. Det fungerar som virusskanning innan en filuppladdning.

Slack-bot: En bot som tar emot skärmdumpsuppladdningar i valda kanaler. Den kör PII-identifiering. Den lägger upp ett trådsvar med identifierade entiteter. Detta gör personuppgifter synliga utan att blockera arbetsflödet.

Teamnorm plus stickprov: En veckovis automatiserad kontroll. Ta 10 procent av skärmdumparna i samarbetsverktyg som stickprov. Kör identifiering. Rapportera fynd till teamledaren. Detta bygger ansvarsskyldighet utan att blockera något arbetsflöde.

För GDPR-dokumentation: skärmdumps-PII-kontrollen räknas som en "organisatorisk åtgärd" enligt Artikel 32. Dokumentera skyddsåtgärden — policy plus tekniskt verktyg. Lägg till bevis på användning. Detta uppfyller Artikel 5(2)-ansvarsskyldighetsregeln. Se vår efterlevnadssida och ordlisteposten för Artikel 32.

Vill du se hur anonym.legal hanterar detta för ditt team? Besök vår prissida eller läs grundarens uttalande om de-identifiering.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper på 48 språk.

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.