GDPR og personvern i SQL Server
Personvernforordningen (GDPR) gjelder i Norge gjennom personopplysningsloven, og Datatilsynet fører tilsyn. Mye av ansvaret ligger hos virksomheten og i rutinene, men svært mange personopplysninger bor i en SQL Server-database – og der møter juridiske krav som «rett til sletting» og «innebygd personvern» harde tekniske realiteter som backuper, historikktabeller og testmiljøer. Denne guiden går gjennom hva SQL Server kan hjelpe deg med, og hvor de vanlige fallgruvene er. Den er ikke juridisk rådgivning: vurderingene av hva som er lovlig og nødvendig må gjøres sammen med personvernombudet eller en jurist.
- Start med å finne personopplysningene – du kan ikke beskytte eller slette det du ikke vet om.
- Minste privilegium, kryptering og revisjon er de viktigste tekniske tiltakene.
- Dynamisk datamaskering er ikke en sikkerhetsfunksjon. Bruk den til visning, ikke til å skjule data for angripere.
- Lag en dokumentert rutine for sletting som også dekker backuper, historikk og kopier i test.
Hva krever GDPR av databasen?
Forordningen nevner ikke databaser, men flere av prinsippene treffer dem direkte:
| Prinsipp | Hva det betyr i praksis |
|---|---|
| Dataminimering (art. 5) | Ikke lagre kolonner du ikke trenger. Ikke kopier hele produksjonsdatabasen til test. |
| Lagringsbegrensning (art. 5) | Slett eller anonymiser data når formålet er oppfylt – også i logger og historikk. |
| Integritet og konfidensialitet (art. 5 og 32) | Tilgangsstyring, kryptering, backup og revisjon. |
| Innsyn og dataportabilitet (art. 15 og 20) | Du må kunne finne alt om én person, og levere det i et lesbart format. |
| Sletting (art. 17) | Du må kunne slette én persons data på tvers av tabeller og systemer. |
| Innebygd personvern (art. 25) | Personvern skal være en del av designet, ikke noe som legges på etterpå. |
| Avviksmelding (art. 33) | Brudd skal meldes til Datatilsynet innen 72 timer. Du må kunne se hva som er lest eller endret. |
Fødselsnummer har i tillegg egne regler i personopplysningsloven § 12: det skal bare brukes når det er saklig behov for sikker identifisering. Mange databaser bruker det som nøkkel eller søkefelt av gammel vane. Se Datatilsynets veiledning på datatilsynet.no.
Finn personopplysningene
Begynn med en oversikt over hvilke tabeller og kolonner som inneholder personopplysninger. Et enkelt søk på kolonnenavn gir et første utkast:
SELECT s.name AS Skjema, t.name AS Tabell, c.name AS Kolonne, ty.name AS Datatype
FROM sys.columns AS c
JOIN sys.tables AS t ON t.object_id = c.object_id
JOIN sys.schemas AS s ON s.schema_id = t.schema_id
JOIN sys.types AS ty ON ty.user_type_id = c.user_type_id
WHERE c.name LIKE N'%navn%' OR c.name LIKE N'%adresse%'
OR c.name LIKE N'%epost%' OR c.name LIKE N'%email%'
OR c.name LIKE N'%telefon%' OR c.name LIKE N'%mobil%'
OR c.name LIKE N'%fodsel%' OR c.name LIKE N'%fnr%'
OR c.name LIKE N'%personnr%'
ORDER BY s.name, t.name;
Husk også fritekstfelt som «Kommentar» og «Notat», JSON-kolonner og vedlegg – der havner ofte opplysninger ingen har planlagt.
Klassifiser kolonnene
Fra SQL Server 2019 kan du merke kolonner med en sensitivitetsklassifisering. Merkingen lagres i databasen, vises i SSMS og kan tas med i revisjonsloggen, slik at du ser når noen leser sensitive kolonner:
ADD SENSITIVITY CLASSIFICATION TO dbo.Kunde.Fodselsnummer
WITH (LABEL = 'Svært sensitiv', INFORMATION_TYPE = 'Nasjonalt ID-nummer', RANK = CRITICAL);
ADD SENSITIVITY CLASSIFICATION TO dbo.Kunde.Epost, dbo.Kunde.Telefon
WITH (LABEL = 'Konfidensiell', INFORMATION_TYPE = 'Kontaktinformasjon', RANK = MEDIUM);
SELECT SCHEMA_NAME(o.schema_id) AS Skjema, o.name AS Tabell, c.name AS Kolonne,
sc.label, sc.information_type, sc.rank_desc
FROM sys.sensitivity_classifications AS sc
JOIN sys.objects AS o ON o.object_id = sc.major_id
JOIN sys.columns AS c ON c.object_id = sc.major_id AND c.column_id = sc.minor_id;
Begrens tilgangen
Det viktigste tiltaket er kjedelig: gi hver bruker og applikasjon bare tilgangen den trenger. Applikasjonen skal ikke være db_owner, utviklere trenger sjelden lesetilgang til produksjon, og rapportverktøy kan få tilgang til et view uten fødselsnummer i stedet for hele tabellen. Les mer i guiden om sikkerhet.
CREATE VIEW rapport.Kunde
AS
SELECT Kundenr, Postnummer, Kundetype, Opprettet
FROM dbo.Kunde;
GO
GRANT SELECT ON rapport.Kunde TO Rapportleser;
Trenger forskjellige brukere å se forskjellige rader, for eksempel bare kundene i egen region, kan du bruke row-level security med et sikkerhetspredikat.
Dynamisk datamaskering – til visning, ikke sikkerhet
Dynamisk datamaskering (DDM) viser maskerte verdier til brukere uten UNMASK-rettighet:
ALTER TABLE dbo.Kunde
ALTER COLUMN Epost ADD MASKED WITH (FUNCTION = 'email()');
ALTER TABLE dbo.Kunde
ALTER COLUMN Fodselsnummer ADD MASKED WITH (FUNCTION = 'partial(6, "*****", 0)');
WHERE Fodselsnummer LIKE '01017%' og gjette seg fram. Bruk DDM til å skjule data i skjermbilder og support-verktøy, og tilgangsstyring eller kryptering for å beskytte dem.
Kryptering
| Funksjon | Beskytter mot | Beskytter ikke mot |
|---|---|---|
| TLS | Avlytting av nettverkstrafikken | Noen som har tilgang til serveren |
| TDE | Stjålne datafiler og backuper | Brukere og administratorer med tilgang til databasen |
| Backupkryptering | Stjålne eller feilsendte backupfiler | Tilgang til den kjørende databasen |
| Always Encrypted | Også DBA-er og verter i skyen – nøkkelen finnes bare i klienten | Brukere av applikasjonen som har nøkkelen |
Always Encrypted passer for noen få, svært sensitive kolonner, som fødselsnummer eller helseopplysninger. Med deterministisk kryptering kan du fortsatt søke på likhet; med secure enclaves også på mønstre og områder. Ulempen er at sortering, indeksering og rapporter mot de krypterte kolonnene blir begrenset.
Revisjon: hvem så hva?
Ved et avvik må du kunne svare på hva som er lest eller endret, og av hvem. SQL Server Audit logger dette til fil eller Windows-loggen:
USE master;
CREATE SERVER AUDIT Personvern
TO FILE (FILEPATH = N'D:\Audit\', MAXSIZE = 1 GB, MAX_ROLLOVER_FILES = 50)
WITH (ON_FAILURE = CONTINUE);
ALTER SERVER AUDIT Personvern WITH (STATE = ON);
GO
USE Salg;
CREATE DATABASE AUDIT SPECIFICATION KundeTilgang
FOR SERVER AUDIT Personvern
ADD (SELECT, UPDATE, DELETE ON dbo.Kunde BY public)
WITH (STATE = ON);
Revisjonsloggen inneholder i seg selv personopplysninger (hvem som gjorde hva), så den trenger tilgangsbegrensning og en lagringstid.
Sletting i praksis
Retten til sletting er sjelden én DELETE. Data om en person ligger gjerne i mange tabeller, og noe må beholdes av andre grunner – regnskapsloven krever for eksempel at bilag oppbevares i fem år. Et vanlig mønster er å anonymisere personen i stedet for å slette raden, slik at ordrer og statistikk fortsatt henger sammen:
CREATE OR ALTER PROCEDURE personvern.AnonymiserKunde
@Kundenr int
AS
BEGIN
SET XACT_ABORT ON;
BEGIN TRAN;
UPDATE dbo.Kunde
SET Navn = N'Slettet kunde', Epost = NULL, Telefon = NULL,
Adresse = NULL, Fodselsnummer = NULL, Anonymisert = SYSDATETIME()
WHERE Kundenr = @Kundenr;
DELETE FROM dbo.Kundenotat WHERE Kundenr = @Kundenr;
INSERT INTO personvern.Slettelogg (Kundenr, Tidspunkt) -- ingen personopplysninger her
VALUES (@Kundenr, SYSDATETIME());
COMMIT;
END;
Backuper
Du kan ikke slette én person fra en backupfil. Den vanlige praksisen er å la backupene utløpe etter sin normale lagringstid, sørge for at de ikke brukes til noe annet enn gjenoppretting, og føre en slettelogg som gjør det mulig å slette eller anonymisere personene på nytt hvis en backup noen gang gjenopprettes. Dokumenter rutinen, og hold lagringstiden for backuper så kort som driftsbehovet tillater. Se backup og gjenoppretting.
Historikk, logger og kopier
- Temporale tabeller beholder gamle versjoner av radene. Anonymiserer du en kunde, ligger de gamle verdiene fortsatt i historikktabellen. Sett en oppbevaringstid, eller slå av versjonering midlertidig og rydd.
- Ledger-tabeller (SQL Server 2022) er laget for å bevise at data ikke er endret. Append-only-ledgertabeller kan ikke slettes fra, så ikke legg personopplysninger der uten en plan.
- Test- og utviklingsmiljøer med kopier av produksjon er en av de vanligste personvernsvakhetene. Anonymiser kopien før den gis til utviklere, eller bruk syntetiske testdata.
- Feillogger, eksportfiler og Excel-uttrekk utenfor databasen må med i oversikten.
Vanlige spørsmål
Er TDE nok til å oppfylle GDPR?
Nei. TDE beskytter mot tyveri av filer, men alle som kan logge på databasen ser dataene i klartekst. Det er ett tiltak blant flere, ikke en løsning.
Er pseudonymiserte data fortsatt personopplysninger?
Ja, så lenge noen kan koble dem tilbake til personen, for eksempel via en nøkkeltabell. Pseudonymisering reduserer risikoen, men data er først anonyme når koblingen er umulig.
Kan vi bruke Azure eller andre skytjenester?
Ja, med databehandleravtale og en vurdering av overføring til tredjeland. Velg regionene Norway East eller Norway West hvis dataene skal ligge i Norge. Se guiden om Azure SQL.