anonym.legal

By · Last updated 2026-06-05

กลับไปที่บล็อกความปลอดภัยของ AI

ข้อมูลส่วนบุคคลใน Wiki ภายใน: ข้อมูลลูกค้าใน Confluence

ทีมสนับสนุนบันทึกกระบวนการด้วยภาพหน้าจอของบัญชีลูกค้า ในช่วง 3 ปี นั่นคือการละเมิดการลดข้อมูล GDPR หลายพันครั้งใน wiki ของคุณ

June 5, 20266 อ่านประมาณ
Confluence GDPRinternal wiki PIIcustomer datadocumentation privacydata minimization

ข้อมูลส่วนบุคคลในภาพหน้าจอในฐานความรู้ภายใน

ฐานความรู้ภายใน — Confluence, Notion, SharePoint, GitBook — มีปัญหาข้อมูลส่วนบุคคลเฉพาะประเภทที่เครื่องมือการปฏิบัติตามกฎระเบียบทั่วไปพลาด: ข้อมูลส่วนบุคคลของลูกค้าที่ฝังอยู่ในภาพหน้าจอที่ใช้สำหรับเอกสารกระบวนการ

รูปแบบนี้เล่นซ้ำในทีมสนับสนุนและปฏิบัติการหลายพันทีม

เจ้าหน้าที่ฝ่ายสนับสนุนพบการตั้งค่าบัญชีที่ผิดปกติ ถ่ายภาพหน้าจอของหน้าบัญชีลูกค้าเพื่อบันทึกปัญหา ภาพหน้าจอแสดงชื่อลูกค้าในส่วนหัว UI อีเมลในการตั้งค่าบัญชี และรายละเอียดแผน

บทความออนไลน์ในฐานความรู้ภายใน เจ้าหน้าที่ฝ่ายสนับสนุน 150 คนสามารถดูได้ ผู้รับเหมาภายนอก 12 คนในฝ่ายช่วยเหลือสามารถดูได้เช่นกัน บทความมีประโยชน์ แสดงวิธีจัดการกรณีขอบนั้น

สามปีต่อมา ฐานความรู้มีบทความดังกล่าว 847 ฉบับ แต่ละฉบับมีภาพหน้าจอของบัญชีลูกค้า ลูกค้าที่แสดงไม่ได้ยินยอมต่อการใช้งานรองนี้ ส่วนใหญ่ไม่รู้ว่าข้อมูลของตนถูกจัดเก็บที่นั่น

นี่ไม่ใช่ปัญหาเล็กน้อย มันเติบโตขึ้นทุกบทความใหม่

การเปิดเผย GDPR: ทำไมสิ่งนี้จึงสำคัญ

การวิเคราะห์ GDPR สำหรับภาพหน้าจอฐานความรู้ตรงไปตรงมา

การลดข้อมูล (Article 5(1)(c)): ข้อมูลส่วนบุคคลต้อง "เพียงพอ เกี่ยวข้อง และจำกัดเฉพาะสิ่งที่จำเป็น" บทความฐานความรู้เกี่ยวกับการตั้งค่าบัญชีไม่จำเป็นต้องมีชื่อและอีเมลจริงของลูกค้า ภาพหน้าจอที่เบลอก็ใช้งานได้เช่นเดียวกัน

การจำกัดวัตถุประสงค์ (Article 5(1)(b)): ข้อมูลที่รวบรวมเพื่อวัตถุประสงค์หนึ่ง — บริการลูกค้า — ไม่สามารถนำมาใช้ใหม่เพื่อวัตถุประสงค์อื่น — เอกสารกระบวนการภายใน — โดยไม่มีฐานทางกฎหมาย บันทึกบัญชีถูกรวบรวมเพื่อการให้บริการ ไม่ใช่สำหรับเอกสารภายใน

การควบคุมการเข้าถึง (Article 5(1)(f) และ Article 32): มาตรการทางเทคนิคที่เหมาะสมต้องปกป้องข้อมูลส่วนบุคคล ภาพหน้าจอบัญชีลูกค้าในเครื่องมือที่เปิดให้เจ้าหน้าที่ 150 คนและผู้รับเหมา — รวมถึงผู้ที่ไม่มีสิทธิ์เข้าถึงระบบบัญชีพื้นฐาน — สร้างการเข้าถึงที่กว้างเกินไป

สิทธิ์ในการลบข้อมูล (Article 17): เจ้าของข้อมูลที่ขอลบข้อมูลมีสิทธิ์ให้บันทึกของตนถูกลบ "โดยไม่ล่าช้าเกินควร" หากข้อมูลของพวกเขาปรากฏใน 23 บทความฐานความรู้เป็นภาพหน้าจอที่ฝังไว้ คำขอต้องค้นหาและอัปเดตบทความทั้ง 23 ฉบับ ซึ่งยากโดยไม่มีระบบ

การหลีกเลี่ยงการควบคุมการเข้าถึง

ปัญหาการปฏิบัติตามกฎระเบียบที่ร้ายแรงที่สุดกับภาพหน้าจอ Confluence คือการหลีกเลี่ยงการควบคุมการเข้าถึงที่สร้างขึ้น

ทีมสนับสนุนใช้การควบคุมการเข้าถึงตามบทบาท (RBAC) เพื่อจำกัดว่าใครสามารถดูระบบบัญชีลูกค้าได้ เจ้าหน้าที่ Tier 1 เห็นรายละเอียดบัญชีพื้นฐาน เจ้าหน้าที่ Tier 2 เห็นบันทึกการเรียกเก็บเงินและเทคนิค ผู้จัดการเห็นโปรไฟล์บัญชีเต็ม

เมื่อเจ้าหน้าที่ Tier 2 สร้างบทความฐานความรู้พร้อมภาพหน้าจอของบัญชีลูกค้าเต็ม ภาพหน้าจอนั้นจะมองเห็นได้สำหรับผู้ใช้เครื่องมือทุกคน เจ้าหน้าที่ Tier 1 ที่ไม่ควรเห็นบันทึกการเรียกเก็บเงินตอนนี้สามารถดูได้ ผู้รับเหมาที่ไม่มีสิทธิ์เข้าถึงระบบสามารถดูได้

ภาพหน้าจอหลีกเลี่ยงการควบคุม RBAC บนระบบบัญชีลูกค้า ข้อมูลส่วนบุคคลที่ RBAC สร้างขึ้นเพื่อปกป้องตอนนี้เปิดเผยต่อทุกคนที่มีสิทธิ์เข้าถึงฐานความรู้

นี่ไม่ใช่ความเสี่ยงเชิงทฤษฎี แต่เป็นผลลัพธ์ปกติของขั้นตอนการทำงานเอกสาร

ขั้นตอนการแก้ไขในทางปฏิบัติ

สำหรับทีมที่พบปัญหานี้ในระหว่างการตรวจสอบ GDPR:

การแก้ไขย้อนหลัง:

  1. ระบุหน้าฐานความรู้ทั้งหมดที่มีไฟล์แนบรูปภาพ
  2. รันการตรวจหาข้อมูลส่วนบุคคลรูปภาพบนไฟล์แนบทุกรายการ
  3. ตรวจสอบรูปภาพที่ถูกระบุ: รายการที่มีความเชื่อมั่นสูงไปยังคิวตรวจสอบ
  4. สำหรับแต่ละรูปภาพที่ถูกระบุ: แทนที่ด้วยเวอร์ชันที่ผ่านการทำความสะอาดหรือจำกัดการเข้าถึงหน้า
  5. บันทึกการดำเนินการแก้ไขสำหรับบันทึก GDPR

การควบคุมเชิงรุก:

  1. ฝึกอบรมเจ้าหน้าที่ฝ่ายสนับสนุนทั้งหมดให้ทำความสะอาดภาพหน้าจอก่อนเผยแพร่ในฐานความรู้
  2. จัดให้มีเครื่องมือ: เครื่องมือใส่คำอธิบายภาพหน้าจอที่เบลอชื่อลูกค้าก่อนวาง
  3. เพิ่มขั้นตอนตรวจสอบ: ผู้ตรวจสอบที่กำหนดตรวจบทความก่อนเผยแพร่ มองหาข้อมูลส่วนบุคคลของลูกค้าในรูปภาพโดยเฉพาะ
  4. รันการสแกนรูปภาพแบตช์รายไตรมาสบนไฟล์แนบ Confluence ทั้งหมด

การควบคุมขั้นต่ำที่ทำได้: รายการตรวจสอบการเผยแพร่: "ลบหรือเบลอชื่อลูกค้า อีเมล และ ID บัญชีทั้งหมดจากภาพหน้าจอก่อนเผยแพร่" เทคโนโลยีต่ำ ไม่อัตโนมัติ แต่สร้างการควบคุมที่บันทึกไว้

ดู ภาพรวมการปฏิบัติตาม GDPR ของเราสำหรับกรอบกฎหมายที่กว้างขึ้น

ทำไมปัญหาจึงเติบโตตามเวลา

โดยไม่มีการควบคุมอย่างเป็นระบบ การเปิดเผยข้อมูลส่วนบุคคลในฐานความรู้จะทบทวี

ปริมาณ: แต่ละบทความใหม่ที่มีภาพหน้าจอลูกค้าเพิ่มการเปิดเผยทั้งหมด เมื่อทีมสนับสนุนเติบโตและฐานความรู้ขยาย ข้อมูลส่วนบุคคลที่สะสมก็เติบโตด้วย

บทความที่ถูกลืม: บทความเกี่ยวกับกรณีขอบเก่าที่ไม่เกิดขึ้นอีกยังคงเข้าถึงได้ มีข้อมูลส่วนบุคคลจากลูกค้าที่ยื่นคำขอลบข้อมูลแล้ว ไม่มีใครตรวจสอบบทความที่อัปเดตล่าสุดในปี 2022

การแพร่กระจายข้ามทีม: ฐานความรู้มักข้ามหน้าที่ บทความสนับสนุนที่มีภาพหน้าจอลูกค้าอาจถูกแชร์กับทีมผลิตภัณฑ์ ทีมวิศวกรรม หรือผู้รับเหมาภายนอก

งานค้างการลบข้อมูล: เมื่อบันทึกลูกค้าสะสมในฐานความรู้มากขึ้น การตอบสนองคำขอลบข้อมูลก็ซับซ้อนมากขึ้น

ข้อมูลส่วนบุคคลในฐานความรู้ง่ายกว่าที่จะป้องกันมากกว่าแก้ไข การควบคุมที่นำมาใช้ตอนนี้หลีกเลี่ยงปัญหาการแก้ไขที่ทบทวีได้ ทุกบทความที่เผยแพร่โดยไม่มีภาพหน้าจอที่เบลอคือภารกิจการแก้ไขที่เลื่อนไปในอนาคต

แหล่งอ้างอิง

พร้อมที่จะปกป้องข้อมูลของคุณหรือยัง?

เริ่มทำให้ PII เป็นนิรนามด้วยประเภทเอนทิตีมากกว่า 285 ประเภทใน 48 ภาษา.

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.