Печалби:
- Възможност за класифициране на данъкоплатците и финансовите данни в рамките на задължението за поверителност на KVKK и Закона за данъчния процес и определяне на нивото на защита
- Възможност за прилагане на анонимизация, маскиране и стъпки за избор на безопасни/институционални инструменти, преди да предоставите данни на изкуствения интелект
- Способност за придобиване на навик за избягване на шофиране без надзор чрез познаване на правните, наказателни и професионални последици от нарушения на поверителността.
Професионалистът вижда най-интимната информация на данъкоплатеца: оборот, печалба, банкови движения, заплати на служителите, TR ID номера, договори, партньорски структури. Тази информация е защитена от два отделни правни слоя: KVKK (Закон за защита на личните данни, законът, забраняващ неразрешеното обработване на лична информация) и задължението за поверителност на Закона за данъчния процес (задължението на професионалиста да пази поверителна информацията, която научава поради задълженията си). В ерата на изкуствения интелект тази защита е изправена пред нова заплаха: залепване на чувствителни данни в неконтролиран инструмент. Принципът на това устройство е единичен: данните са защитени преди да влязат в AI; Никакви чувствителни данни не влизат в ненадзорното превозно средство.
Двуслойна защита и защо трябва да се вземе на сериозно
- KVKK слой: Цялата информация (име, TR ID, заплата, контакт), принадлежаща на реални лица, е лична информация. Неоторизирана обработка, прехвърляне и неадекватна защита ще доведат до административни глоби и компенсации.
- Слой на поверителност на VUK: Професионалистът не може да споделя финансовите тайни на данъкоплатеца с трети страни. Нарушението носи както наказателни, така и професионални (дисциплинарни) последици.
Пробен баланс или ведомост за заплати, поставени в публично достъпен AI инструмент, може да се считат за „прехвърлени на трета страна“. Често не е ясно как инструментът съхранява данните и дали се използва в обучението. Тази несигурност сама по себе си е достатъчен риск.
Внимание: Идеята, че „така или иначе никой няма да го види“ не е правна защита. След като данните влязат в неконтролирана система, те са извън вашия контрол. Нарушаването на поверителността е опасно не поради възможността да се случи, а защото е необратимо, след като се случи.
Преди да дадете данни на AI: стъпки за защита
- Класифицирайте. Лична, финансова тайна или публични ли са данните, които имате? Определете съответно нивото на защита.
- Необходимост на въпроса. Наистина ли е необходимо да дадете тези данни на модела или задачата може да се изпълни с анонимни/обобщени данни?
- Анонимизиране/маскиране. Имената им са К1, К2; фирми №1, №2; Заменете TR ID и номерата на сметки с маска. Обобщете уникални подробности, които осигуряват индиректна диагноза.
- Изберете безопасно превозно средство. Ако е възможно, използвайте корпоративен/одобрен инструмент, който гарантира запазване на данни.
- Дръжте следата. Запишете кои данни сте дали на кой инструмент и с каква защита.
Тип данни
пример
консервационен подход
данни за самоличност
Име, TR ID
Маскиране/анонимизиране; никога не давайте сурови
финансова тайна
Оборот, печалба, банка
Обобщаване/анонимизиране; корпоративно превозно средство
данни за връзката
партньор, доставчик
Генерализирайте; премахване на уникален детайл
публичен
деклариран счетоводен баланс
може да се обработва нормално
Как се извършва анонимизирането на практика?
Анонимизирането прави самоличността неразличима, като същевременно запазва данните полезни. Например, ще имате анализирана ведомост: поставяте пореден номер вместо име и TR ID, анализът на разпределението на заплатите няма да бъде нарушен, но никой не може да бъде идентифициран. Критичната точка е индиректната диагноза: изрази като "единствената жена генерален мениджър" или "единствената 92-годишна в компания от 35 души" издават човека, дори ако изтриете името; Те също са обобщени.
три мини калъфа
Случай 1 — Изтичане на заплати. Стажант качва ведомост на 3500 души (име, лична карта, заплата) в безплатен уеб инструмент и казва "обобщи". Има риск данните да бъдат смесени в хранилището на превозното средство; Срещат се нарушения на поверителността както на KVKK, така и на VUK. Ако клиентът разбере, всичко е свършено. Правилният начин беше да използвате превозно средство, одобрено от компанията, или да дадете само разпределението на заплатите, като маскирате вашето име/TR ID.
Случай 2 — Индиректна диагноза. Консултант дава на модела списък, в който изтрива имената, но оставя фразата „единственият чуждестранен национален мениджър на компанията“. Това твърдение издава човека; Липсва анонимизация. Урок: уникалните детайли, които осигуряват индиректна диагноза, също трябва да бъдат обобщени.
Случай 3 — Добро управление. Преди да подаде чувствителни данни към модела, офисът преминава през стандартна стъпка за анонимизиране: използвайки шаблон, той преобразува имена, идентификатори и имена на марки в кодове, след което ги анализира. Качеството на анализа не намалява, няма изтичане на самоличност. Поверителността и ефективността са защитени заедно.
Слаба подкана / Силна подкана
Слаба подкана:
Обобщете следната ведомост: [Ахмет Йълмаз, ТК 123..., заплата 45 000; ...]
Суровите лични данни влизат в автомобила неконтролирано; Това е пряко нарушение.
Мощна подкана:
Ще ви дам набор от данни. ПРЕДИ обработката, приложете следното анонимизиране и ми покажете и анонимизираната версия:- Направете имената на лицата K1, K2... - Премахнете изцяло TR ID и номерата на сметки.- Направете имената на компанията/бранда T1, K2.... Обобщете уникалните подробности, които биха могли индиректно да идентифицират лицето. След това работете само върху анонимната версия.[ДАННИ (маскирани колкото е възможно повече): ...]
Забележка: Най-безопасно е изобщо да не въвеждате необработени лични данни; Ако влезете, трябва да сте маскирани и в безопасно превозно средство.
За помощ при класифицирането на данни:
Класифицирайте всяко от следните полета: това лични данни ли е, финансова тайна ли е, публично ли е? Напишете препоръчителното ниво на защита за всяко. Полета: [имена на полета, образец RETURN]
За да генерирате шаблон за анонимизиране:
Създайте стандартен контролен списък за анонимизиране, който бих използвал в анализ на заплати/пробен баланс: кои полета трябва да бъдат маскирани, кои трябва да бъдат пропуснати, какво трябва да търся за непряка диагностика?
За оценка на безопасността на превозното средство:
Какви въпроси трябва да задам, когато оценявам дали даден AI инструмент е подходящ за чувствителни данни на данъкоплатците (запазване на данни, използване в образованието, корпоративен договор, местоположение)? Създайте контролен списък.
Често срещани грешки
- Въвеждане на необработени лични данни. Никога не влизайте в автомобила без потвърждение на име/TR ID.
- Пропускане на индиректна диагностика. Уникалният детайл разкрива самоличността дори ако името бъде изтрито.
- Без да питам за безопасността на превозното средство. Чувствителни данни не се дават, без да се знае как инструментът ги съхранява.
- Без да поставя под въпрос необходимостта. Ако задачата може да се изпълни с анонимни/обобщени данни, необработените данни изобщо не се дават.
- Не следи. Ако не е записано кои данни къде са дадени, пробивът не може да бъде проследен.
В обобщение
Данните на данъкоплатците са защитени на два слоя чрез задълженията за поверителност на KVKK и VUK, а най-големият нов риск в ерата на изкуствения интелект е залепването на чувствителни данни към неконтролиран инструмент. Преди данните да бъдат въведени в модела, те се класифицират, тяхната необходимост се поставя под съмнение, идентификатори като име/TR ID се маскират и детайлите, които предоставят индиректна диагноза, се обобщават; Ако е възможно, се използва само сигурен корпоративен инструмент с гарантирано запазване на данни. Нарушаването на поверителността е необратима вреда; Най-сигурните данни са тези, които никога не се въвеждат.
Задача за приложение
Вземете типичен чувствителен файл (напр. ведомост за заплати или пробен баланс) в ръката си. Първо класифицирайте полетата им (лична/финансова тайна/обществено). След това приложете шаблон за анонимизиране: избройте кои области ще маскирате, кои ще премахнете и какво ще търсите за непряка идентификация. И накрая, оценете пригодността за сигурност на инструмента за изкуствен интелект, който използвате/ще използвате с контролен списък.
контролен списък
- [ ] Класифицирах данните като лична/финансова тайна/публични.
- [ ] Попитах дали наистина е необходимо да предоставя необработените данни.
- [ ] Маскирах/премахнах името, TR ID и номерата на сметки.
- [ ] Обобщих уникални подробности, които осигуряват индиректна диагноза.
- [ ] Използвал съм само сигурни/корпоративни инструменти с гаранции за запазване на данни.
- [ ] Оцених политиката за данни (съхранение, обучение) на инструмента.
- [ ] Записах кои данни къде съм дал като следа.