خصوصية البيانات والاختيار الآمن للأدوات وإخفاء الهوية

المكاسب:

• إخفاء الهوية وتقييم الضرورة قبل إعطاء بيانات العميل الحساسة والمالية لأدوات الذكاء الاصطناعي
• القدرة على التمييز بين الاختلافات بين أدوات الذكاء الاصطناعي الخاصة بالشركات والعامة في الخصوصية والاحتفاظ بالبيانات واستخدامها في التعليم
• القدرة على إدارة اختراق البيانات وفترة الاحتفاظ ومخاطر مشاركة الطرف الثالث في إطار KVKK

التأمين هو أحد المهن التي تتعامل مع البيانات الأكثر حساسية. ملف التأمين وقد تتضمن معلومات الهوية، والعنوان، والدخل، والحساب المصرفي، والتاريخ الصحي، وسجلات الأضرار، ولوحة الترخيص، وسند الملكية، وحتى معلومات العائلة. تخضع بعض هذه البيانات لأعلى مستويات الحماية باعتبارها "بيانات شخصية ذات طبيعة خاصة" في قانون حماية البيانات الشخصية (KVKK)؛ وتعد البيانات الصحية والقياسات الحيوية وما شابه ذلك أمثلة نموذجية على ذلك. إن المشاركة غير المنضبطة لهذه البيانات عند استخدام أدوات الذكاء الاصطناعي (خاصة تلك المستندة إلى السحابة) تشكل خطرًا جسيمًا للانتهاك وفقدان الثقة. بمجرد تسرب البيانات، لا يمكن استرجاعها. في هذه الوحدة، ستتعلم كيفية إخفاء هوية بيانات العملاء (إزالة معلومات التعريف الشخصية) قبل تسليمها إلى الذكاء الاصطناعي، واختلافات الخصوصية بين أدوات الشركة والأدوات العامة، وكيفية إدارة مخاطر خرق البيانات وتخزينها ومشاركتها مع طرف ثالث ضمن إطار عمل KVKK. هذه الوحدة ليست مشورة قانونية؛ يشرح المبادئ العامة، ويستشير قسم الامتثال/الشؤون القانونية في حالة محددة.

لماذا تعتبر الخصوصية أمرًا بالغ الأهمية: أنواع البيانات

في التأمين من الضروري فصل البيانات حسب مستوى الحماية:

• بيانات الهوية: الاسم، اللقب، رقم هوية TR، تاريخ الميلاد، جهة الاتصال. يحدد هوية الشخص بشكل مباشر.
• البيانات المالية: الدخل، الحساب البنكي، تاريخ الدفع. شخصية وحساسة.
• بيانات ذات جودة خاصة: الصحة، البيانات البيومترية. أعلى حماية؛ مطلوب شروط أكثر صرامة (موافقة صريحة أو استثناء قانوني) للمعالجة.
• بيانات الملف: رقم البوليصة، لوحة الترخيص، سند الملكية، تفاصيل الضرر. وعندما يقترن بالآخرين، فإنه يمكن أن يكشف عن الهوية.

الخطر الأكبر هو إمكانية تحديد الهوية التي تحدث عند تجميع هذه البيانات معًا. في حين أن "امرأة تبلغ من العمر 45 عامًا" مجهولة المصدر، فإن "امرأة تبلغ من العمر 45 عامًا + لوحة ترخيص معينة + عنوان معين" يمكن أن تكشف عن الهوية.

تنبيه: إن قول "حذف" بعد إعطاء البيانات لأداة الذكاء الاصطناعي لا يؤدي في الواقع إلى حذفها. تقوم بعض الأدوات بتخزين المدخلات وحتى استخدامها لتدريب النموذج. القاعدة: لا ترسل أبدًا بيانات حساسة؛ يأتي إخفاء الهوية قبل الإرسال.

إخفاء الهوية: كيفية القيام بذلك

إخفاء الهوية هو إزالة المعلومات التي يمكن تحديدها واستبدالها بما يعادلها من الحقائق؛ الهدف هو جعل الشخص غير معروف مع الحفاظ على جودة المخرجات. إخفاء الهوية الجيد:

• يزيل الاسم ومعرف TR والهاتف والعنوان ورقم السياسة ولوحة الترخيص ومعلومات سند الملكية.
• وهو يستبدلها بما يعادلها من الناحية التحليلية: "45 عامًا، ذكر، بوليصة تأمين، وسط الأناضول، تصادم من جانب واحد".
• إنه يتجنب التركيبات النادرة/المميزة: مهنة محددة جدًا + مكان صغير جدًا، والذي وحده يمكنه أن يفتح الهوية.
• يحتفظ بالمعنى الطبي/التقني: مثل "الصحة التكميلية، جراحة العظام المخطط لها".

نصيحة: بعد إخفاء هويتك، اسأل نفسك: "إذا قرأ شخص غريب هذا النص، فهل يمكنه العثور عليه؟" إذا كانت الإجابة بنعم، قم بالتعميم أكثر. تعتبر المجموعات النادرة بشكل خاص (منطقة صغيرة + حدث محدد) خطيرة.

أدوات المؤسسة مقابل الأدوات العامة

لا تتمتع جميع أدوات الذكاء الاصطناعي بنفس مستوى الخصوصية. وهي تختلف في ثلاثة أبعاد:

1. الاحتفاظ بالبيانات: هل يحتفظ بالمدخلات وإلى متى؟
2. الاستخدام في التدريب: هل يستخدم المدخلات لتدريب النموذج؟
3. الموقع والعقد: أين تتم معالجة البيانات، هل هناك اتفاقية لمعالجة بيانات الشركة؟

غالبًا ما توفر الأدوات المؤسسية (ضمانات معالجة البيانات التعاقدية للمؤسسة) حدودًا على عدم استخدام البيانات وتخزينها في التعليم. يمكن للأدوات العامة المجانية تخزين المدخلات واستخدامها في التدريب. القاعدة: تتم معالجة البيانات الحساسة فقط بالوسائل المعتمدة من المؤسسة والمتعاقد عليها وبشكل مجهول المصدر قدر الإمكان. إن إدخال بيانات العميل في أداة غير معتمدة يجعل معالج البيانات غير قابل للتدقيق.

خطوة بخطوة: العمل بشكل آمن مع البيانات السرية

1. تصنيف البيانات. الهوية / المالية / الجودة الخاصة / بيانات الملف.
2. اختبار الضرورة. هل هذه البيانات ضرورية حقًا لهذه المهمة؟ إذا لم يكن الأمر كذلك، فلا تستخدمه.
3. إخفاء الهوية. إزالة المعرفات، واستبدال المعادلات الفعلية، وتعميم المجموعات النادرة.
4. اختر مركبة. المركبات المعتمدة والمتعاقد عليها فقط من قبل الوكالة؛ لا توجد بيانات حساسة متاحة للأداة العامة.
5. العمل مع الحد الأدنى من البيانات. شارك بالحد الأدنى من المعلومات المطلوبة للمهمة.
6. إدارة التخزين والمشاركة. أين تقوم بتخزين المخرجات ومع من تشاركها؟ الامتثال لفترة الاحتفاظ بـ KVKK وقواعد الطرف الثالث. اترك بصمتك.

ثلاث حالات صغيرة

الحالة 1 - حماية البيانات الحساسة. أراد أحد متخصصي المطالبات أن يسأل الذكاء الاصطناعي عن ملف تأمين صحي معقد. بدلاً من كتابة الاسم والهوية والتشخيص للمؤمن عليه، قام بإنشاء سياق مجهول مثل "52 عامًا، أنثى، بوليصة صحية تكميلية، جراحة صمام القلب المخطط لها، المبلغ المتنازع عليه". ولم تنخفض جودة المخرجات؛ البيانات الخاصة لم تذهب إلى أي سحابة. تخضع البيانات الصحية لأعلى مستويات الحماية؛ هذه العادة منعت المخالفة.

الحالة 2 - فخ مركب نادر. كتب أحد الخبراء: "38 عامًا، أنثى، صيدلانية فقط في [مقاطعة صغيرة جدًا]، سياسة المسؤولية المهنية". وعلى الرغم من أن هذا من الناحية الفنية لم يكن يحتوي على اسم، إلا أنه كشف هويته بشكل مباشر لأنه كان الصيدلي الوحيد في تلك المنطقة. لاحظ الخبير ذلك وعمّمه على أنه "مهنة رعاية صحية صغيرة". إن إخفاء الهوية لا يقتصر على حذف الاسم فحسب، بل إنه يدمر إمكانية التعرف عليه.

الحالة 3 - اختيار أداة خاطئة. من أجل السرعة، يقوم الموظف بتحميل تفاصيل مطالبة العميل إلى أداة عامة مجانية. تدخل سياسة الفريق حيز التنفيذ: تتم معالجة بيانات العميل فقط في الأداة المتعاقد عليها المعتمدة من المؤسسة. قام الموظف أولاً بإخفاء هوية البيانات ثم قام بتشغيلها في الأداة المعتمدة. إذا تم استخدام أداة غير معتمدة، فإن خطر تخزين البيانات واستخدامها في التعليم سيكون لا يمكن السيطرة عليه.

أربع مطالبات قابلة للنسخ

1) مساعد إخفاء الهوية:

قم بإزالة جميع البيانات الشخصية والبيانات التعريفية من النص التالي: الاسم واللقب والمعرف وتاريخ الميلاد والهاتف والعنوان ورقم البوليصة ولوحة الترخيص وسند الملكية ورقم الحساب الدولي (IBAN). استبدلها بمعادل واقعي ذو معنى تحليلي (على سبيل المثال، "45 عامًا، ذكر، بوليصة تأمين، تصادم من جانب واحد"). تعميم المجموعات النادرة/المميزة (مكان صغير + مهنة خاصة). احتفظ بالمعنى الطبي/التقني. النص: [لصق]

2) التحقق من التعرف:

تحقق من النص المجهول التالي للتعرف عليه: [text]اسأل: هل يمكن لشخص غريب العثور على الشخص الذي يحمل هذا النص؟ هل هناك مجموعة نادرة (مستوطنة صغيرة + مهنة/حدث محدد)، تاريخ أو مبلغ فريد؟ قم بتسليط الضوء على كل نقطة محفوفة بالمخاطر واقترح كيفية التعميم بشكل أكثر أمانًا.

3) متطلبات البيانات وتصنيفها:

تصنيف واختبار البيانات المطلوبة للمهمة التالية:المهمة: [الوصف] البيانات المتوفرة لدي: [قائمة]لكل بيانات: النوع (هوية/مالية/خاص/ملف)، هل هي مطلوبة لهذه المهمة (نعم/لا)، إذا لزم الأمر، كيفية استخدامها بشكل مجهول. ضع علامة على البيانات غير الضرورية بـ "لا تستخدم".

4) قائمة اختيار المركبات:

قم بإنشاء قائمة مرجعية قبل استخدام أداة الذكاء الاصطناعي مع بيانات التأمين. تتضمن أسئلة: هل المركبة معتمدة من قبل المؤسسة؟ هل هناك اتفاقية معالجة البيانات؟ هل يقوم بتخزين/استخدام المدخلات في التدريب؟ أين تتم معالجة البيانات؟ ما هو نوع البيانات المناسب/غير المناسب؟ هل إخفاء الهوية كافٍ؟

موجه ضعيف / موجه قوي

ضعيف: "قم بتقييم ملف العميل أحمد يلماز (TC 123...، مرفق التقرير الطبي)."

المشكلة: تتم مشاركة بيانات الهوية والبيانات الحساسة (الصحة) مباشرةً؛ خطر كبير لانتهاك KVKK.

Strong: "ضع في اعتبارك السياق المجهول التالي: العمر 52 عامًا، أنثى، سياسة صحية تكميلية، عملية جراحية مخطط لها، المبلغ المتنازع عليه. لا توجد معلومات تعريفية."

لماذا هو جيد: يتم الحفاظ على المعنى التحليلي، ولا يتم الكشف عن الهوية والبيانات الحساسة.

مخطط المقارنة

نوع البيانات

مستوى الحماية

استخدامها في الذكاء الاصطناعي

الاسم/TC/جهة الاتصال

عالية

إزالة، وضع ما يعادلها

المالية (الدخل/رقم الحساب المصرفي الدولي)

عالية

إزالة/تعميم

مؤهلات صحية/خاصة

أعلى

أبدا الخام. مجهول + مركبة معتمدة

رقم البوليصة/اللوحة/سند الملكية

متوسطة عالية

إزالة؛ وحده أمر محفوف بالمخاطر

الإجمالي / الإحصائيات

منخفض

متاح (في حالة عدم الاتصال)

الأخطاء الشائعة

• لصق البيانات الشخصية/الصحية الخام. الانتهاك الأكثر شيوعا والأكثر خطورة.
• أعتقد أن مجرد حذف الاسم يكفي. قد لا تزال المجموعات النادرة تكشف عن الهوية.
• الاعتماد على قول "احذف لاحقًا". قد تقوم الأداة بتخزين/استخدام البيانات في التدريب.
• القيادة غير المعتمدة / العامة. معالجة البيانات غير المنضبطة.
• عدم إدارة التخزين والمشاركة. تخزين غير محدود للمخرجات، ومشاركة غير منضبطة مع أطراف ثالثة.

باختصار

بيانات التأمين حساسة للغاية؛ تخضع البيانات الخاصة مثل الصحة لأعلى مستويات الحماية بموجب KVKK. تصنيف البيانات وتحديها وإخفاء هويتها قبل إعطائها للذكاء الاصطناعي: إزالة المعرفات، وإدخال معادلات واقعية، وتعميم المجموعات النادرة. معالجة البيانات الحساسة فقط في الأدوات المعتمدة من المؤسسة والمتعاقد عليها وإلى الحد الأدنى. إدارة فترة التخزين ومشاركة الطرف الثالث في إطار KVKK وترك أثر. استشر الامتثال/القانون في الحالة المحددة؛ لا يمكن استرجاع البيانات المسربة.

مهمة التطبيق

احصل على نص ضرر/مرجع حقيقي (لأغراض الاختبار). إخفاء الهوية باستخدام الموجه رقم 1، ثم التحقق من التعرف باستخدام الموجه رقم 2: هل لا تزال هناك مجموعات نادرة في النص يمكن أن تكشف عن الشخص؟ قم بتعميم كل خطر تجده. قم أيضًا بتقييم أداة الذكاء الاصطناعي التي تستخدمها من خلال قائمة التحقق رقم 4: هل هي مناسبة للبيانات الحساسة؟

قائمة مرجعية

• [ ] صنفت البيانات حسب أنواعها.
• [ ] قمت بتطبيق اختبار الضرورة؛ لم أستخدم البيانات غير الضرورية.
• [ ] لقد قمت بإزالة المعرفات واستبدلتها بمكافئ واقعي.
• [ ] قمت بتعميم مجموعات نادرة/مميزة.
• [ ] لقد قمت بالتحقق من إمكانية التعرف.
• [ ] لم أستخدم سوى المركبات المتعاقد عليها والمعتمدة من الشركة.
• [ ] قمت بإدارة التخزين والمشاركة مع طرف ثالث وفقًا لـ KVKK؛ لقد تركت علامة.