KVKK, ব্যক্তিগত ডেটা এবং ডেটা প্রক্রিয়াকরণ

লাভ:

• KVKK নীতির সাথে সামঞ্জস্য রেখে AI টুলে কোন ডেটা প্রবেশ করা যেতে পারে তা মূল্যায়ন করার ক্ষমতা
• মাস্কিং/অনামীকরণের সাথে ব্যক্তিগত ডেটা সুরক্ষিত করার ক্ষমতা এবং একটি সুরক্ষিত প্রম্পট সেট আপ করুন
• তথ্য পাঠ্য এবং ডেটা প্রসেসিং ইনভেন্টরির মতো KVKK নথি খসড়া এবং যাচাই করার ক্ষমতা

একজন আইনি এবং সম্মতি পেশাদারের হাতে সবচেয়ে সংবেদনশীল সম্পদ হল ডেটা: ক্লায়েন্টের তথ্য, কর্মচারী রেকর্ড, চুক্তিতে ব্যক্তিগত ডেটা। একটি কৃত্রিম বুদ্ধিমত্তা (AI) টুলে ভুল তথ্য প্রবেশ করানো একটি বোতাম টিপানোর মতোই সহজ, কিন্তু এর পরিণতিগুলি গুরুতর: KVKK লঙ্ঘন, প্রশাসনিক জরিমানা, চুক্তির গোপনীয়তা লঙ্ঘন এবং খ্যাতি হারানো৷ এই ইউনিটের জন্য প্রশ্নটি পরিষ্কার: কোন ডেটা কোন টুলে প্রবেশ করা যেতে পারে এবং কিভাবে? আমরা KVKK প্রক্রিয়াগুলিতে নিরাপদে AI ব্যবহার করতে শিখব এবং স্পষ্টীকরণ পাঠ্য, প্রসেসিং ইনভেন্টরি, ইত্যাদির মতো নথি প্রস্তুত করার ক্ষেত্রে এটিকে একটি সহকারী হিসাবে স্থাপন করব — তবে প্রবেশ করা ডেটার দায়িত্ব সর্বদা আপনার কাছে থাকবে।

এর শর্তাবলী স্পষ্ট করা যাক. KVKK হল ব্যক্তিগত ডেটা সুরক্ষা আইন নং 6698; ব্যক্তিগত তথ্য প্রক্রিয়াকরণ নিয়ন্ত্রণ করে। ব্যক্তিগত তথ্য হল একজন চিহ্নিত বা শনাক্তযোগ্য প্রাকৃতিক ব্যক্তি (নাম, আইডি নম্বর, টেলিফোন, ই-মেইল, অবস্থান) সম্পর্কিত যেকোন তথ্য। বিশেষ গুণমান (সংবেদনশীল) ডেটা হল এমন এক ধরনের ডেটা যা আরও কঠোরভাবে সুরক্ষিত, যেমন স্বাস্থ্য, ধর্ম, যৌন জীবন, অপরাধমূলক অপরাধ। ডেটা মিনিমাইজেশন হল একটি উদ্দেশ্যের জন্য প্রয়োজনীয় যতটা ডেটা প্রক্রিয়াকরণের নীতি। বেনামীকরণ হ'ল ডেটাকে কোনও ব্যক্তির সাথে সংযুক্ত করতে অক্ষম করার প্রক্রিয়া; মাস্কিং/ছদ্মনামকরণ হল পরিচয় তথ্য লুকিয়ে রাখা কিন্তু একটি চাবি দিয়ে সম্পর্ক রক্ষা করা। তথ্য পাঠ্য একটি বিজ্ঞপ্তি যা ডেটা মালিককে তাদের ডেটা কীভাবে প্রক্রিয়া করা হয় তা জানায়৷

কোন ডেটা, কোন যানবাহনে?

মৌলিক সিদ্ধান্ত দুটি অক্ষে তৈরি করা হয়: ডেটার সংবেদনশীলতা এবং টুলের নিশ্চয়তা। ব্যক্তিগত বা গোপনীয় ডেটা কেবলমাত্র অনুমোদিত সরঞ্জামগুলিতে প্রবেশ করা যেতে পারে যা প্রাতিষ্ঠানিক ডেটা নিশ্চয়তা প্রদান করে (ডেটা শিক্ষায় ব্যবহার করা যাবে না, সংরক্ষণ করা যাবে না, তৃতীয় পক্ষের সাথে ভাগ করা যাবে না)। একটি অনিরাপদ পাবলিক টুলে ব্যক্তিগত ডেটা প্রবেশ করানো সেই ডেটা আপনার নিয়ন্ত্রণের বাইরে নিয়ে যাচ্ছে।

সিদ্ধান্ত প্রবাহ নিম্নরূপ:

1. শ্রেণীবদ্ধ করুন। পাঠ্যটিতে কি ব্যক্তিগত/ব্যক্তিগত/গোপনীয় ডেটা আছে?
2. এটা প্রয়োজন কিনা জিজ্ঞাসা করুন. ব্যক্তিগত তথ্য কি সত্যিই এই কাজের জন্য প্রয়োজনীয় (নিম্নকরণ)?
3. গাড়ির বীমা পরীক্ষা করুন। টুল কি কর্পোরেট ডেটা আশ্বাস প্রদান করে?
4. রক্ষা করুন। প্রয়োজন না হলে মাস্ক বা বেনামী করুন।
5. এটি নথিভুক্ত করুন। উদ্দেশ্য, ভিত্তি এবং প্রক্রিয়াকরণের সময়কাল রেকর্ড করুন।

আপনার ভূমিকা: একজন KVKK/ডেটা সুরক্ষা পরামর্শদাতা। AI টুলে নিম্নলিখিত পাঠ্যটি প্রবেশ করার আগে একটি ডেটা শ্রেণীবিভাগ সম্পাদন করুন: 1) এতে ব্যক্তিগত ডেটা তালিকাভুক্ত করুন (টাইপ: নাম, আইডি নম্বর, যোগাযোগ, অবস্থান...)। 2) সংবেদনশীল (সংবেদনশীল) ডেটা থাকলে চিহ্নিত করুন। 3) "অপসারণযোগ্য" হিসাবে কাজের জন্য প্রয়োজনীয় ব্যক্তিগত ডেটা চিহ্নিত করুন। 4) যারা থাকা উচিত তাদের জন্য একটি মাস্কিং/অনামীকরণের সুপারিশ দিন। পাঠ্যের বিষয়বস্তু ব্যাখ্যা করুন; শুধু ডেটা ইনভেন্টরি করুন।<text>[রিভিউ করার জন্য পাঠ্য]</text>

সতর্কতা: একটি চ্যাট মুছে ফেললে ডেটা ফিরে পাওয়া যায় না। একবার ব্যক্তিগত/গোপনীয় ডেটা একটি অনিরাপদ টুলে প্রবেশ করা হলে, সেই ডেটা তৃতীয় পক্ষের সিস্টেমে প্রক্রিয়াজাত বলে গণ্য হয়। "আমি এটি পরে মুছে ফেলব" একটি সুরক্ষা নয়; সুরক্ষার জায়গাটি ডেটা প্রবেশের আগে।

মাস্কিং এবং সুরক্ষিত প্রম্পট আর্মিং

বেশিরভাগ কাজ ব্যক্তিটি কে না জেনেই করা যেতে পারে। একটি চুক্তির সারসংক্ষেপ করার জন্য একটি পক্ষের প্রকৃত নাম প্রয়োজন হয় না; "সাইড এ"ই যথেষ্ট। এআই একটি পাঠ্যকে মাস্ক করতেও সহায়তা করে — তবে মানুষকে অবশ্যই মাস্কিংয়ের সম্পূর্ণতা নিয়ন্ত্রণ করতে হবে।

নিম্নলিখিত পাঠ্যটিতে, সামঞ্জস্যপূর্ণ উপনামের সাথে সমস্ত সরাসরি সনাক্তকরণ তথ্য প্রতিস্থাপন করুন: ব্যক্তির নাম → "ব্যক্তি 1, ব্যক্তি 2"; কোম্পানি → "কোম্পানি A, B"; TR নম্বর, ফোন, ই-মেইল, ঠিকানা, IBAN → [মাস্কড]। অর্থ এবং সম্পর্ক সংরক্ষণ করুন। শেষে, আপনি কোন তথ্য দিয়ে প্রতিস্থাপিত করেছেন তার একটি ম্যাপিং টেবিল প্রদান করুন, যাতে আমি ফলাফলটি আবার লিঙ্ক করতে পারি। যদি আপনি এটি মিস করেন, আমি মাস্কিং পরীক্ষা করব।

মুখোশের সীমাগুলি জানা গুরুত্বপূর্ণ: কখনও কখনও একত্রে একত্রিতভাবে পৃথকভাবে নিরীহ মনে হয় এমন তথ্য একজন ব্যক্তিকে শনাক্তযোগ্য করে তোলে (যেমন "ইস্তাম্বুলের একমাত্র মহিলা CFO")। এই কারণেই বেনামীকরণ সবসময় নিশ্চিত করা হয় না, এবং উচ্চ-সংবেদনশীলতার কাজের জন্য সবচেয়ে নিরাপদ উপায় হল কর্পোরেট-অনুমোদিত সরঞ্জামগুলি ব্যবহার করা৷

KVKK নথির খসড়া তৈরি করা

AI দ্রুত ডকুমেন্টের প্রথম খসড়া তৈরি করে যেমন ডিসক্লোজার টেক্সট, স্পষ্ট কনসেন্ট টেক্সট এবং ডেটা প্রসেসিং ইনভেন্টরি। কিন্তু এই নথিগুলি আইনত বাধ্যতামূলক; খসড়াটি আপনার প্রকৃত প্রক্রিয়াকরণ কার্যকলাপের সাথে হুবহু সঙ্গতিপূর্ণ হতে হবে এবং অবশ্যই আইনি অনুমোদন পাস করতে হবে।

নিম্নলিখিত প্রক্রিয়াকরণ কার্যকলাপের জন্য একটি খসড়া তথ্য পাঠ্য প্রস্তুত করুন। এতে নিম্নলিখিত শিরোনামগুলি অন্তর্ভুক্ত করা উচিত: ডেটা কন্ট্রোলার, প্রক্রিয়াকৃত ডেটার বিভাগ, প্রক্রিয়াকরণের উদ্দেশ্য, আইনি কারণ, স্থানান্তর (প্রাপক গোষ্ঠী, যদি থাকে), স্টোরেজ সময়কাল, ডেটা মালিকের অধিকার, প্রতিকার। নিয়ম: - আমার দেওয়া তথ্য দিয়ে প্রতিটি ক্ষেত্র পূরণ করুন; যদি এটি অনুপস্থিত থাকে তবে [ভরাট করা] ছেড়ে দিন এবং অনুমান করবেন না। - আইনি কারণ এবং ধরে রাখার সময়কালের জন্য একটি নোট "আইনি অনুমোদন প্রয়োজন" যোগ করুন।<processing_activity>[উদ্দেশ্য, ডেটা প্রকার, প্রাপক, সময়কাল]</processing_activity>

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট: এই ক্লায়েন্ট ফাইলটি সংক্ষিপ্ত করুন। [আসল নাম, টিআর নম্বর, কেসের বিবরণ পেস্ট করা হয়েছে]

ফলাফল: ব্যক্তিগত এবং সম্ভবত ব্যক্তিগত ডেটা অনিশ্চিত নিরাপত্তা সহ একটি টুলে প্রবেশ করানো হয়। কাজটি সম্পন্ন হলেও কেভিকেকে এবং গোপনীয়তার লঙ্ঘন হয়েছে।

শক্তিশালী প্রম্পট: [প্রথম ডেটা শ্রেণীবিভাগ + অপ্রয়োজনীয় ব্যক্তিগত ডেটা অপসারণ + মাস্কিং (ছদ্মনাম, [মাস্কড]) + অনুমোদিত/সুরক্ষিত টুল + তারপর মুখোশযুক্ত পাঠ্য সহ সংক্ষিপ্তকরণ]

ফলাফল: কাজটি এখনও করা হয়েছে, কিন্তু ব্যক্তিকে চিহ্নিত করা যাচ্ছে না; মিশনের আগে ডেটা সুরক্ষা নিশ্চিত করা হয়েছিল।

ডেটা টাইপ এবং উপযুক্ত প্রক্রিয়াকরণ

ডেটা টাইপ

উদাহরণ

অনিরাপদ যানবাহন

অনুমোদিত যানবাহন

এটা ব্যক্তিগত না

বেনামী/পাবলিক টেক্সট

উপযুক্ত

উপযুক্ত

ব্যক্তিগত

নাম, যোগাযোগ, IBAN

মাস্ক/ব্যবহার

মাস্কিং দ্বারা উপযুক্ত

বিশেষভাবে যোগ্য

স্বাস্থ্য, অপরাধমূলক রেকর্ড

ব্যবহার করে

প্রয়োজনীয়+শুধুমাত্র অনুমোদিত

ক্লায়েন্ট গোপন/সুবিধাপ্রাপ্ত

মামলার কৌশল

ব্যবহার করে

শুধুমাত্র নিরাপদ

তিনটি মিনি কেস

কেস 1 - প্রবেশ করার আগে থামানো। একজন বিশেষজ্ঞের কাছে AI সংক্ষিপ্ত 30-ব্যক্তির কর্মক্ষমতা তালিকা (নাম, রেকর্ড, চিকিৎসা ছুটির নোট) থাকবে। ডেটা ক্লাসিফিকেশন প্রম্পটে প্রকাশ করা হয়েছে যে মেডিকেল নোটগুলি মালিকানাধীন ডেটা এবং মিশনের জন্য মোটেই প্রয়োজন নেই। বিশেষজ্ঞ এই কলামটি সম্পূর্ণভাবে সরিয়ে দিয়েছেন, নাম পরিবর্তন করে "কর্মচারী 1-30" করেছেন এবং শুধুমাত্র কর্মক্ষমতা স্কোর নিয়ে কাজ করেছেন। কাজটি করা হয়েছিল; সংবেদনশীল তথ্য গাড়িতে প্রবেশ করেনি।

কেস 2 — পুনরায় সনাক্তকরণ। একটি দল একটি অভিযোগের পাঠ্য শেয়ার করবে যে "আমরা এটিকে বেনামী করেছি"; কিন্তু পাঠ্যটিতে "হেড অফিসের একমাত্র ম্যানেজার যিনি হুইলচেয়ার ব্যবহার করেন" এই বাক্যাংশটি অন্তর্ভুক্ত করে। এটি ব্যক্তির নাম মুছে ফেলা হলেও তাকে শনাক্তযোগ্য করে তুলেছে। এটি মাস্কিং চেকে লক্ষ্য করা গেছে এবং বিবৃতিটি সাধারণীকরণ করা হয়েছে। পাঠ: ডি-আইডেন্টিফাই সবসময় বেনামী নিশ্চিত করে না; প্রসঙ্গও ব্যক্তিকে দূরে দিতে পারে।

কেস 3 — ইনভেন্টরির ত্বরণ। একটি প্রতিষ্ঠান বছরের পর বছর ধরে তার KVKK ডেটা প্রসেসিং ইনভেন্টরি ম্যানুয়ালি আপডেট করতে সক্ষম হয়নি। AI এর সাথে, প্রতিটি বিভাগের প্রক্রিয়াকরণ কার্যক্রমকে একটি কাঠামোগত রূপরেখার মধ্যে রাখা হয়েছিল (উদ্দেশ্য, ডেটা টাইপ, ধরে রাখার সময়কাল, প্রাপক); আইনি দল সেগুলো যাচাই-বাছাই করে সংশোধন করেছে। ইনভেন্টরি প্রস্তুতির অনুমান 6 সপ্তাহ থেকে 2 সপ্তাহে কমেছে৷ গুরুত্বপূর্ণ পয়েন্ট: ইনভেন্টরিতে প্রবেশ করা প্রতিটি লাইন প্রকৃত কার্যকলাপের সাথে তুলনা করে মানব-যাচাই করা হয়েছিল; এআই ড্রাফ্ট যেমনটি গ্রহণ করা হয়নি।

সাধারণ ভুল

• শ্রেণীবিভাগ ছাড়াই ডেটা প্রবেশ করানো। কোন ধরনের ডেটা আছে তা না দেখেই টুলে টেক্সট পেস্ট করা সবচেয়ে সাধারণ লঙ্ঘন।
• অপ্রয়োজনীয় ব্যক্তিগত তথ্য বহন। যখন মিনিমাইজেশন বাদ দেওয়া হয়, ব্যক্তিগত/সংবেদনশীল ডেটা প্রসেস করা হয় যদিও এটি প্রয়োজনীয় নয়।
• "আমি পরে মুছে দেব" এর উপর নির্ভর করা। তথ্য প্রবেশ করা মাত্রই প্রক্রিয়া করা হয়; সুরক্ষা প্রথম করা হয়।
• মাস্কিং নিয়ন্ত্রণ করছে না। এআই একটি শংসাপত্র এড়িয়ে যেতে পারে; মাস্কিং মানুষের যাচাই করা আবশ্যক।
• প্রাসঙ্গিক পুনঃপরিচয় দেখা যাচ্ছে না। একত্রিত ব্যক্তিগতভাবে ক্ষতিকারক তথ্য ব্যক্তিকে দূরে দিতে পারে।
• অনুমোদন ছাড়াই KVKK নথি প্রকাশ করা। তথ্য/সম্মতি টেক্সট এবং ইনভেন্টরি আইনি অনুমোদন এবং প্রকৃত কার্যকলাপ নিশ্চিতকরণ প্রয়োজন.

সংক্ষেপে

KVKK-এ মৌলিক প্রশ্ন হল "কোন ডেটা, কোন গাড়িতে, কিভাবে?" প্রথমে ডেটা শ্রেণীবদ্ধ করুন, যা প্রয়োজন নেই তা সরিয়ে ফেলুন (নিম্নকরণ), মুখোশ বা বেনামী করুন যা প্রয়োজন, এবং সংবেদনশীল/গোপনীয় ডেটা শুধুমাত্র কর্পোরেট আশ্বাসের সাথে অনুমোদিত সরঞ্জামগুলিতে প্রক্রিয়া করুন। একজনকে অবশ্যই মাস্কিংয়ের সম্পূর্ণতা এবং প্রাসঙ্গিক পুনরায় সনাক্তকরণের ঝুঁকি নিয়ন্ত্রণ করতে হবে; নথি যেমন স্পষ্টীকরণ পাঠ্য এবং জায় আইনী অনুমোদন পাস করতে হবে. AI সংরক্ষণ এবং ডকুমেন্টেশন কাজ দ্রুততর; অনুমোদিত পেশাদার সিদ্ধান্ত নেয় কোন ডেটা প্রক্রিয়া করা যেতে পারে এবং সুরক্ষার পর্যাপ্ততা।

আবেদন টাস্ক

ব্যক্তিগত ডেটা রয়েছে এমন পাঠ্য নির্বাচন করুন (প্রকৃত ডেটা ব্যবহার করবেন না; একটি উদাহরণ তৈরি করুন)। (1) ডেটা শ্রেণীবিভাগ প্রম্পট সহ ব্যক্তিগত এবং সংবেদনশীল ডেটা সরান। (2) যেগুলি কাজের জন্য প্রয়োজন হয় না সেগুলি চিহ্নিত করুন এবং অপসারণ করুন, মাস্কিং প্রম্পটের সাহায্যে যেগুলি প্রয়োজন, এবং ম্যানুয়ালি মাস্কিং নিয়ন্ত্রণ করুন৷ (3) প্রাসঙ্গিক পুনরায় সনাক্তকরণের ঝুঁকিতে রয়েছে এমন বাক্যাংশগুলি সন্ধান করুন৷ (4) একটি প্রক্রিয়াকরণ কার্যকলাপের জন্য খসড়া তথ্য পাঠ্য তৈরি করুন এবং "আইনি অনুমোদন" চিহ্নগুলি তালিকাভুক্ত করুন৷

চেকলিস্ট

• [ ] টুল প্রবেশ করার আগে ডেটা শ্রেণীবদ্ধ করা হয়?
• [ ] অপ্রয়োজনীয় ব্যক্তিগত/সংবেদনশীল তথ্য কি টাস্কের জন্য সরানো হয়েছে (নিম্নকরণ)?
• [ ] অবশিষ্ট ব্যক্তিগত তথ্য কি মুখোশ/বেনামী করা হয়েছে?
• [ ] মুখোশ কি মানুষের দ্বারা নিয়ন্ত্রিত?
• প্রাসঙ্গিক পুনরায় সনাক্তকরণের ঝুঁকি মূল্যায়ন করা হয়েছে?
• [ ] সংবেদনশীল/গোপনীয় ডেটা কি শুধুমাত্র অনুমোদিত সুরক্ষিত গাড়িতে প্রসেস করা হয়?
• [ ] KVKK নথিগুলি কি আইনি অনুমোদন এবং প্রকৃত কার্যকলাপ নিশ্চিতকরণের সাথে প্রস্তুত করা হয়েছিল?