By · Last updated 2026-06-05

Bumalik sa BlogSeguridad ng AI

Screenshot PII: Mga Pagtagas sa mga Internal na Tool

Ang Slack, Teams, Jira, at email ay regular na nakatanggap ng mga screenshot na naglalaman ng PII ng customer. Nilalampasan ng paglabag sa access control na ito ang bawat DLP tool.

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

Ang DLP Blind Spot na Hindi Mo Pa Na-audit

Binabantayan ng mga DLP tool ang trapiko ng network, mga file ng email, at mga paglilipat ng file. Hinahawakan nila ang mga spreadsheet na may mga kolum ng SSN. Nagba-flag sila ng mga email na may mga listahan ng customer. Nino-block nila ang mga upload na may mga medikal na rekord.

Hindi nila nahuhuli ang mga screen capture.

Ang isang screen capture ay isang picture file. Ang PII sa loob nito ay iginuhit bilang mga pixel. Hindi ito nakaimbak bilang teksto. Walang nakikita ang mga DLP engine na nagsa-scan para sa mga pattern ng PII.

Araw-araw, ang mga empleyado ay nagpe-paste ng mga screen capture sa Slack, Jira, Teams, at mga email chain. Zero na mga DLP alert ang pumupunta.

Paano Kumakalat ang Mga Screen Capture ng PII sa Trabaho

Ginawa ng remote at hybrid na trabaho ang pagbabahagi ng mga capture na karaniwang gawi. Ang mga internal na tool ay puno ng mga ito araw-araw.

Nagbabahagi ang mga miyembro ng team ng mga capture para sa mabilis na konteksto:

  • Nagkukuha ang mga support agent ng mga view ng account ng customer para ibahagi sa mga team lead.
  • Nagbabahagi ang mga developer ng mga error log na naglalaman ng data na ipinasok ng user.
  • Nagpapadala ang mga account manager ng mga rekord ng CRM para magbigay ng konteksto sa mga koponan ng pananalapi.
  • Nakukuha ng mga IT admin ang mga view ng system para idokumento ang mga setup para sa mga kontratista.
  • Nagbabahagi ang mga product team ng mga view ng dashboard sa mga update ng stakeholder.

Ang bawat attachment ay maaaring nagdadala ng personal na impormasyon. Ang isang customer account capture ay nagtatago ng isang pangalan, email, katayuan, at billing address. Ang isang error log file ay maaaring magsama ng mga pangalan, address, o numero ng telepono na ipinasok ng mga user. Ang isang CRM record capture ay nagtatago ng buong profile ng account. Ang isang dashboard file ay maaaring magpakita ng mga user ID sa mga label ng chart.

Ang Problema sa Access Control

Lumilikha rin ng problema sa access control ang pagbabahagi ng mga screen capture.

Ang karamihan ng mga organisasyon ay nagpapatupad ng role-based access controls sa mga sistema ng produksyon. Nakikita lang ng isang support agent ang kanilang mga rekord ng pila. Nakikita lang ng isang kontratista ang mga assigned na project file.

Kapag kumukuha ang isang agent ng rekord ng customer at pina-paste ito sa isang Slack channel na may mga kontratista, nilalampasan ang access control. Nakakakuha ang kontratista ng personal na datos na hindi nila maabot sa pamamagitan ng mga normal na landas. Maaaring hindi saklaw ng DPA para sa gawain ng kontratista ang paglilipat na ito. Maaaring hindi nalalapat ang mga karapatan ng GDPR ng customer sa kontratistang iyon.

Ang bypass na ito ay isang GDPR Article 5(1)(f) na isyu. Sumasaklaw ito sa integridad at kumpidensyalidad. Maaari rin itong lumikha ng mga problema sa pagkakahanay ng Article 28 kung makakakuha ang mga kontratista ng PII nang walang tamang mga DPA. Tingnan ang aming GDPR conformance guide para sa checklist ng mga tungkulin ng Article 28.

Image PII Detection bilang Technical Safeguard

Ang teknikal na pangkaligtasan para sa pagkakalantad ng PII na nakabatay sa capture ay OCR kasama ang NLP detection. Simple ang mga hakbang.

  1. Kina-capture ng empleyado ang isang screen ng interface ng customer.
  2. Bago magbahagi: ini-upload ang capture sa isang detection tool.
  3. Kinukuha ng tool ang nakikitang teksto sa pamamagitan ng OCR.
  4. Natutuklasan ng NLP ang mga PII entity sa teksto.
  5. Nakikita ng empleyado ang isang ulat: "Naglalaman ang capture na ito ng: [pangalan ng customer], [email address], [account ID]."
  6. Ang empleyado ay nag-redact ng PII, pinipigilan ang saklaw ng pagbabahagi, o nagpapatuloy na may nakasulat na dahilan.

Hindi nito hinaharangan ang lahat ng pagbabahagi. Ipinapakita nito ang personal na impormasyon bago ito gumalaw. Ang mga tao ay maaaring gumawa ng matalinong mga pagpili. Tingnan kung paano ito naaangkop sa iyong protection stack sa safeguards page.

Use Case: SaaS Helpdesk Jira Capture Policy

Ginagamit ng helpdesk ng isang SaaS company ang Jira para mag-log ng mga isyu sa account. Naglalaman ng user PII ang mga file na naka-attach sa mga tiket na iyon. Partikular:

  • Mga email address ng user mula sa mga screen ng pamamahala ng account.
  • Mga detalye ng subscription plan.
  • Mga halaga at petsa ng billing.
  • Bahagyang data ng pagbabayad sa ilang kaso.

Natuklasan ng isang GDPR audit ang 847 na Jira tiket na ginawa sa loob ng 18 buwan. Lahat ay nagtatago ng mga PII attachment. Bukas ang Jira sa lahat ng 200 inhinyero. Ang ilan ay mga kontratista na walang mga DPA para sa mga rekord ng billing ng customer.

Mga hakbang sa remediation:

  1. Retroactive audit: PII detection sa lahat ng umiiral na attachment. 312 na tiket ang na-flag para sa pagsusuri ng DPO.
  2. Paglilinis ng tiket: 89 na tiket ang may mga file na na-obscure bago muling i-attach.
  3. Pagbabago ng proseso: bagong workflow na nangangailangan ng PII check bago mag-attach sa Jira.
  4. Pagsasanay: 15-minutong session para sa lahat ng helpdesk staff.

Mga resulta pagkatapos ng 90 araw:

  • Mga insidente ng PII sa Jira: bumaba ng 90 porsyento.
  • Mga natitirang insidente: mga kaso kung saan nagpatuloy ang mga staff na may nakasulat na dahilan ng diagnostic.
  • Saklaw ng DPA: na-update upang bawasan ang hindi kinakailangang pagkakalantad ng personal na datos para sa mga kontratista.

Ang 312 na makasaysayang tiket ay isang natuklasang conformance. Ang 90 porsyentong pagbaba ay nagsilbing patunay ng remediation sa tugon ng audit.

Pagtatayo ng Capture Review sa mga Workflow ng Koponan

Para sa mga organisasyong nagnanais ng mga kontrol ng PII nang hindi pinapabagal ang mga operasyon, maraming opsyon ang umiiral.

Magaang na opsyon: Isang browser tool na ginagamit ng mga empleyado bago mag-paste sa Slack o Jira. I-drag ang capture, makakuha ng PII report sa loob ng limang segundo, pagkatapos ay magpatuloy o mag-redact.

Jira o ServiceNow hook: Ang detection na tumatakbo bago maabot ng mga file ang mga tiket. Gumagana ito tulad ng virus scanning bago ang file upload.

Slack bot: Isang bot na tumatanggap ng mga capture upload sa mga piniling channel. Nagpapatakbo ito ng PII detection. Nagpost ito ng thread reply na may mga natukoy na entity. Ginagawa nitong nakikita ang personal na impormasyon nang hindi hinaharangan ang workflow.

Team norm kasama ang sampling: Isang lingguhang automated na pagsusuri. Sample ang 10 porsyento ng mga capture sa mga collaborative na tool. Patakbuhin ang detection. Iulat ang mga natuklasan sa team lead. Nagtatayo ito ng accountability nang hindi hinaharangan ang anumang workflow.

Para sa mga rekord ng GDPR: ang capture PII control ay binibilang bilang isang "organisational measure" sa ilalim ng Article 32. Isulat ang pangkaligtasan — polisiya kasama ang teknikal na tool. Magdagdag ng patunay ng paggamit. Natutugunan nito ang tuntunin ng accountability ng Article 5(2). Tingnan ang aming conformance page at ang glossary entry para sa Article 32.

Gusto mong makita kung paano pinangangalagaan ito ng anonym.legal para sa iyong koponan? Bisitahin ang aming pahina ng mga plano o basahin ang pahayag ng founder sa de-identification.

Mga Pinagkukunan

Handa nang protektahan ang iyong data?

Simulan ang anonymization ng PII gamit ang 285+ uri ng entidad sa 48 wika.

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.