Excel آپ کی سب سے زیادہ خطرناک فائل کیوں ہے
Excel فائلیں زیادہ تر کاروباری اداروں میں سب سے بڑے GDPR خطرات میں سے ایک ہیں۔ طبی ریکارڈ فی قطار زیادہ حساس ڈیٹا رکھ سکتے ہیں۔ لیکن اسپریڈ شیٹس تیزی سے PII جمع کرتی ہیں — اور تعمیل ٹیمیں اکثر انہیں نظر انداز کرتی ہیں۔
تین چیزیں Excel فائلوں کو سنبھالنا مشکل بناتی ہیں۔
حجم: ایک XLSX فائل میں 50,000 قطاریں اور 100 کالم ہو سکتے ہیں۔ یعنی پچاس لاکھ سیل۔ کوئی دستی جائزہ ان سب کو جانچ نہیں سکتا۔
گرڈ لے آؤٹ: متن ایک سمت میں بہتا ہے۔ Excel ڈیٹا کو قطاروں اور کالموں میں پھیلاتا ہے۔ ذاتی ڈیٹا اس گرڈ میں کہیں بھی چھپ سکتا ہے۔
ملا جلا مواد: تنخواہ کی حدیں، شعبہ کوڈز، اور ملازمت کی درجات SSNs اور ای میل پتوں کی اسی فائل میں ہوتے ہیں۔ سب کچھ مٹانا فائل کو بیکار بنا دیتا ہے۔
طویل رکھ رکھاؤ: ملازمین کی فہرستیں اور کسٹمر ریکارڈ سالوں تک Excel میں رہتے ہیں۔ GDPR آرٹیکل 5(1)(e) کہتا ہے کہ ڈیٹا «ضروری سے زیادہ عرصے کے لیے» نہیں رکھا جانا چاہیے۔
معیاری متن اسکین اسپریڈ شیٹس پر کیوں ناکام ہوتے ہیں
متن تجزیہ ٹولز دستاویزات کے لیے بنائے گئے تھے۔ یہ اسپریڈ شیٹس پر کچھ عام طریقوں سے ٹوٹتے ہیں۔
SSN-بطور-نمبر مسئلہ
Excel Social Security Numbers کو بغیر ڈیشز کے (123456789) سادہ نمبروں کے طور پر محفوظ کرتا ہے — متن کے طور پر نہیں۔ ###-##-#### تلاش کرنے کے لیے بنا ہوا ایک اسکینر انہیں چھوڑ دے گا۔ ایک اچھے ٹول کو جاننا چاہیے کہ «SSN» نامی کالم میں 9 ہندسے کا نمبر Social Security Number ہے۔
تاریخ-بطور-نمبر مسئلہ
Excel تاریخیں سیریل نمبروں کے طور پر محفوظ کرتا ہے۔ 6 فروری 2024 کو 45329 کے طور پر محفوظ کیا گیا ہے۔ CSV ایکسپورٹ «Date of Birth» کالم میں «45329» دکھائے گا۔ اسکینر کو وہ نمبر کو flag کرنے سے پہلے ایک حقیقی تاریخ میں تبدیل کرنا چاہیے۔
جزوی SSN مسئلہ
کچھ سسٹم SSN کے صرف آخری چار ہندسے دکھاتے ہیں (*--1234)۔ پورا نمبر ایک مقفل کالم میں ہے۔ جزوی قدر کو اب بھی گمنام کرنا ہے — چاہے یہ مکمل SSN جیسی نہ لگے۔
فارمولا PII مسئلہ
کچھ سیل دوسرے سیلوں سے PII بناتے ہیں۔ =CONCATENATE(B2," ",C2) والا سیل پورا نام دکھاتا ہے۔ اگر آپ کالم B اور C صاف کریں، تو فارمولا سیل میں وہ پورا نام اب بھی نظر آتا ہے۔ ایک ٹول جو صرف محفوظ قدریں پڑھتا ہے — فارمولا لنک نہیں — PII کو جگہ پر چھوڑ دے گا۔
ملٹی شیٹ مسئلہ
ایک بڑی ورک بک میں پانچ شیٹیں ہو سکتی ہیں: Customer List، Orders، Support Tickets، Billing، اور Analytics۔ کسٹمر کے نام پانچوں میں ظاہر ہوتے ہیں۔ ایک شیٹ میں «John Smith» کو ہر دوسری شیٹ میں — «PERSON_0047» — کا یکساں token ملنا چاہیے۔ دو مختلف tokens ریکارڈ لنک توڑ دیتے ہیں۔
کالم ہیڈرز بطور اشارہ
اسپریڈ شیٹ PII detection میں سب سے اچھی بہتری کالم ہیڈر تجزیہ ہے۔
«SSN» نامی کالم ٹول کو بتاتا ہے کہ اس کالم کی تمام قدریں Social Security Numbers ہیں۔ یہ تب بھی کام کرتا ہے جب قدریں جزوی ہوں، عجیب طریقے سے format ہوں، یا نمبروں کے طور پر محفوظ ہوں۔
| کالم ہیڈر | یہ کیا اشارہ کرتا ہے |
|---|---|
| SSN / Social Security / Tax ID | 9 ہندسے کے نمبروں کو SSNs سمجھیں |
| Email / E-mail / Email Address | جزوی ای میل patterns بھی flag کریں |
| Phone / Telephone / Mobile / Cell | کوئی بھی phone format قبول کریں |
| DOB / Date of Birth / Birthday | سیریل نمبروں کو تاریخوں میں تبدیل کریں |
| First Name / Last Name / Full Name | نام detection کی حد کم کریں |
| Address / Street / City / ZIP | قریبی مقام فیلڈز ملائیں |
| Patient ID / MRN / Record Number | healthcare ID patterns لگائیں |
کالم سیاق و سباق مواد اسکیننگ کی جگہ نہیں لیتا۔ یہ اسے بڑھاتا ہے۔
ساخت برقرار رکھیں، نام ہٹائیں
زیادہ تر Excel GDPR مقدمات میں مقصد فائل کو تباہ کرنا نہیں ہے۔ یہ ذاتی ڈیٹا ہٹانا ہے جبکہ فائل کو مفید بنانے والے حصے برقرار رکھنا ہے۔
15,000 قطاروں کی ملازمین ریکارڈ فائل کے لیے، ایک تعمیل افسر کو درکار ہے:
ہٹانے کے لیے:
- ملازم کے نام → PERSON_XXXX tokens
- SSNs → REDACTED
- ای میل پتے → REDACTED
- فون نمبر → REDACTED
- گھر کے پتے → REDACTED
رکھنے کے لیے:
- شعبہ کوڈز
- ملازمت کے عنوانات (صرف عمومی کردار)
- تنخواہ کی حدیں (وسیع زمرے)
- کارکردگی کے اسکور (گروپ ڈیٹا)
- شروع کی تاریخیں (تجربہ کے اعداد و شمار کے لیے)
- مینیجر کوڈز (اگر pseudonymized ہوں)
ایک ٹول جو «لوگوں کی شناخت کرنے والے ڈیٹا» اور «ملازمتوں کو بیان کرنے والے ڈیٹا» کے درمیان فرق جانتا ہے، آپ کو ایک فائل دیتا ہے جو HR تجزیہ کے لیے کام کرتی ہے — اور GDPR data minimization قواعد کو پورا کرتی ہے۔
حقیقی کیس: M&A HR ڈیٹا ٹرانسفر
ایک خریداری کرنے والی کمپنی کو ہدف فرم کے ملازمین ریکارڈ ملتے ہیں: 40 کالموں کے ساتھ 15,000 قطاروں کا XLSX۔ فائل کو فوائد کی منصوبہ بندی کے لیے ایک بیرونی HR فرم کو بھیجنا ضروری ہے۔ GDPR کہتا ہے کہ صرف اس کام کے لیے ضروری ڈیٹا شیئر کیا جا سکتا ہے۔
پروسیسنگ سے پہلے: مکمل نام، SSNs، ای میل، گھر کے پتے، ایمرجنسی رابطے، اور بینک ڈیٹا کے ساتھ 40 کالم۔
کالم سیاق و سباق پروسیسنگ کے بعد:
- 12 کالم جو براہ راست لوگوں کی شناخت کرتے ہیں (نام، SSNs، ای میل، فون، پتے، بینک ڈیٹا): مستقل tokens سے بدلے گئے
- 3 کالم جو بالواسطہ لوگوں کی شناخت کرتے ہیں (ملازم ID، مینیجر کوڈ، ملازمت کوڈ): pseudonymous tokens سے بدلے جو فائل کے اندر میچ کرتے ہیں
- 25 کالم مجموعی ڈیٹا (تنخواہ کی حد، شعبہ، تجربہ، درجہ): بغیر تبدیلی کے
وقت: 600,000 سیل کے لیے 8 منٹ
آؤٹ پٹ: یکساں XLSX لے آؤٹ، 40 کالم، 15 گمنام، 25 بغیر تبدیلی کے
آڈٹ لاگ: ہر کارروائی کا cell-level ریکارڈ entity قسم، confidence score، اور استعمال شدہ کالم اشارے کے ساتھ
HR فرم کو اپنے کام کے لیے مکمل ڈیٹا سیٹ ملتا ہے — بغیر کسی نام یا ID کے۔
GDPR آرٹیکل 5 کے تین قواعد، ایک عمل
منظم اسپریڈ شیٹ anonymization ایک ساتھ تین قواعد پورے کرتا ہے۔
ڈیٹا minimization (آرٹیکل 5(1)(c)): صرف وہ کالم جو کام کے لیے ضروری ہیں وصول کنندہ کو جاتے ہیں۔ شناخت کرنے والے کالم مٹائے جاتے ہیں۔
ذخیرہ کی حد (آرٹیکل 5(1)(e)): اصل فائل قانونی رکھ رکھاؤ کے لیے رہتی ہے۔ شیئر کرنے کے لیے صاف کاپی بنائی جاتی ہے — کم یا بغیر رکھ رکھاؤ کی ضرورت کے۔
سالمیت اور رازداری (آرٹیکل 5(1)(f)): کوئی بھی شناخت کرنے والا ڈیٹا کنٹرول زون سے نہیں نکلتا۔ صرف صاف کاپیاں شیئر ہوتی ہیں۔
عمل سے آڈٹ لاگ بھی آپ کا آرٹیکل 5(2) ثبوت ہے۔ یہ دکھاتا ہے کہ ہر فائل کے لیے ہر قاعدہ کیسے پورا ہوا۔