লাভ:
- KVKK এবং ট্যাক্স পদ্ধতি আইনের গোপনীয়তার বাধ্যবাধকতার কাঠামোর মধ্যে করদাতা এবং আর্থিক ডেটা শ্রেণীবদ্ধ করার এবং সুরক্ষার স্তর নির্ধারণ করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তাকে ডেটা দেওয়ার আগে বেনামীকরণ, মাস্কিং এবং নিরাপদ/প্রাতিষ্ঠানিক সরঞ্জাম নির্বাচনের পদক্ষেপগুলি প্রয়োগ করার ক্ষমতা
- গোপনীয়তা লঙ্ঘনের আইনি, ফৌজদারি এবং পেশাগত পরিণতিগুলি জেনে তত্ত্বাবধান ছাড়া গাড়ি চালানো এড়ানোর অভ্যাস অর্জন করার ক্ষমতা।
একজন পেশাদার করদাতার সবচেয়ে ঘনিষ্ঠ তথ্য দেখেন: টার্নওভার, লাভ, ব্যাঙ্কের গতিবিধি, কর্মচারীদের বেতন, টিআর আইডি নম্বর, চুক্তি, অংশীদারিত্বের কাঠামো। এই তথ্য দুটি পৃথক আইনি স্তর দ্বারা সুরক্ষিত: KVKK (ব্যক্তিগত তথ্য সুরক্ষা আইন, ব্যক্তিগত তথ্যের অননুমোদিত প্রক্রিয়াকরণ নিষিদ্ধ আইন) এবং ট্যাক্স পদ্ধতি আইনের গোপনীয়তা বাধ্যবাধকতা (পেশাদারের দায়িত্ব সে/তার দায়িত্বের কারণে সে যে তথ্য শিখে তা গোপন রাখার বাধ্যবাধকতা)। কৃত্রিম বুদ্ধিমত্তার যুগে, এই সুরক্ষা একটি নতুন হুমকির সম্মুখীন: একটি অনিয়ন্ত্রিত টুলে সংবেদনশীল ডেটা আটকে রাখা। এই ইউনিটের নীতি একক: AI প্রবেশ করার আগে ডেটা সুরক্ষিত হয়; কোনো সংবেদনশীল তথ্য তত্ত্বাবধানহীন গাড়িতে প্রবেশ করে না।
দ্বি-স্তর সুরক্ষা এবং কেন এটি গুরুত্ব সহকারে নেওয়া উচিত
- KVKK স্তর: প্রকৃত ব্যক্তিদের সমস্ত তথ্য (নাম, টিআর আইডি, বেতন, যোগাযোগ) ব্যক্তিগত ডেটা। অননুমোদিত প্রক্রিয়াকরণ, স্থানান্তর এবং অপর্যাপ্ত সুরক্ষার ফলে প্রশাসনিক জরিমানা এবং ক্ষতিপূরণ হবে।
- VUK গোপনীয়তা স্তর: একজন পেশাদার তৃতীয় পক্ষের সাথে করদাতার আর্থিক গোপনীয়তা ভাগ করতে পারে না। লঙ্ঘন অপরাধমূলক এবং পেশাদার (শৃঙ্খলামূলক) উভয় পরিণতি বহন করে।
একটি সর্বজনীনভাবে উপলব্ধ AI টুলে পেস্ট করা একটি ট্রায়াল ব্যালেন্স বা বেতন "একটি তৃতীয় পক্ষের কাছে স্থানান্তর" বলে বিবেচিত হতে পারে। টুলটি কীভাবে ডেটা সঞ্চয় করে এবং এটি প্রশিক্ষণে ব্যবহার করা হয় কিনা তা প্রায়শই স্পষ্ট হয় না। এই অনিশ্চয়তাই যথেষ্ট ঝুঁকিপূর্ণ।
মনোযোগ: এই ধারণা যে "যেভাবেই হোক কেউ এটি দেখতে পাবে না" একটি আইনি প্রতিরক্ষা নয়। একবার ডেটা একটি অনিয়ন্ত্রিত সিস্টেমে প্রবেশ করলে, এটি আপনার নিয়ন্ত্রণের বাইরে। একটি গোপনীয়তা লঙ্ঘন বিপজ্জনক কারণ এটি ঘটার সম্ভাবনার কারণে নয়, তবে এটি ঘটলে এটি অপরিবর্তনীয়।
AI কে ডেটা দেওয়ার আগে: সুরক্ষা পদক্ষেপ
- শ্রেণীবদ্ধ করুন। আপনার কাছে থাকা ডেটা কি ব্যক্তিগত, আর্থিক গোপন বা সর্বজনীন? সেই অনুযায়ী সুরক্ষা স্তর নির্ধারণ করুন।
- প্রশ্নের প্রয়োজনীয়তা। মডেলটিতে এই ডেটা দেওয়া কি সত্যিই প্রয়োজনীয়, নাকি কাজটি বেনামী/সারাংশ ডেটা দিয়ে করা যেতে পারে?
- বেনামী/মাস্ক। তাদের নাম K1, K2; কোম্পানি Ş1, Ş2; মাস্ক দিয়ে টিআর আইডি এবং অ্যাকাউন্ট নম্বর প্রতিস্থাপন করুন। পরোক্ষ রোগ নির্ণয় প্রদানকারী অনন্য বিবরণ সাধারণীকরণ করুন।
- একটি নিরাপদ যান চয়ন করুন. যদি সম্ভব হয়, একটি কর্পোরেট/অনুমোদিত টুল ব্যবহার করুন যা ডেটা ধরে রাখার নিশ্চয়তা দেয়।
- ট্রেইল রাখুন। আপনি কোন টুলে এবং কোন সুরক্ষা দিয়ে কোন ডেটা দিয়েছেন তা রেকর্ড করুন।
ডেটা টাইপ
উদাহরণ
সংরক্ষণ পদ্ধতি
পরিচয় তথ্য
নাম, টিআর আইডি
মুখোশ/বেনামী; কখনই কাঁচা দেবেন না
আর্থিক গোপনীয়তা
টার্নওভার, লাভ, ব্যাংক
সংক্ষিপ্ত/বেনামী করা; এন্টারপ্রাইজ যানবাহন
সম্পর্কের তথ্য
অংশীদার, সরবরাহকারী
সাধারণীকরণ; অনন্য বিবরণ সরান
সর্বজনীন
ঘোষিত ব্যালেন্স শীট
স্বাভাবিকভাবে প্রক্রিয়া করা যেতে পারে
কিভাবে অনামীকরণ অনুশীলন করা হয়?
বেনামীকরণ তথ্য উপযোগী রাখার সময় পরিচয়টিকে আলাদা করা যায় না। উদাহরণ স্বরূপ, আপনার একটি বেতন-বিশ্লেষণ করা হবে: আপনি নাম এবং টিআর আইডির পরিবর্তে একটি সিকোয়েন্স নম্বর দিয়েছেন, বেতন বন্টনের বিশ্লেষণ ব্যাহত হবে না, তবে কাউকে চিহ্নিত করা যাবে না। গুরুত্বপূর্ণ বিষয় হল পরোক্ষ রোগ নির্ণয়: "একমাত্র মহিলা মহাব্যবস্থাপক" বা "35 জনের একটি কোম্পানিতে একমাত্র 92 বছর বয়সী" এর মতো অভিব্যক্তিগুলি আপনি নাম মুছে দিলেও ব্যক্তিকে দূরে সরিয়ে দেয়; এগুলোও সাধারণীকৃত।
তিনটি মিনি কেস
কেস 1 - বেতনের ফাঁস। একজন ইন্টার্ন একটি বিনামূল্যের ওয়েব টুলে 3,500 জনের বেতন (নাম, আইডি কার্ড, বেতন) আপলোড করে এবং "সারসংক্ষেপ" বলে। ডেটা গাড়ির ভাণ্ডারে মিশে যাওয়ার ঝুঁকি চালায়; KVKK এবং VUK গোপনীয়তা লঙ্ঘন উভয়ই ঘটে। যদি গ্রাহক জানতে পারেন, এটি শেষ। সঠিক উপায় ছিল কর্পোরেট-অনুমোদিত গাড়ি ব্যবহার করা অথবা শুধুমাত্র আপনার নাম/টিআর আইডি মাস্ক করে বেতন বিতরণ করা।
কেস 2 - পরোক্ষ রোগ নির্ণয়। একজন পরামর্শদাতা মডেলকে একটি তালিকা দেয় যেখানে তিনি নামগুলি মুছে দেন, কিন্তু "কোম্পানীর একমাত্র বিদেশী জাতীয় ব্যবস্থাপক" শব্দটি ছেড়ে দেন। এই বিবৃতি ব্যক্তি দূরে দেয়; বেনামী অনুপস্থিত. পাঠ: পরোক্ষ রোগ নির্ণয় প্রদানকারী অনন্য বিবরণগুলিকেও সাধারণীকরণ করা উচিত।
কেস 3 - ভাল হ্যান্ডলিং। মডেলে সংবেদনশীল ডেটা খাওয়ানোর আগে, একটি অফিস একটি আদর্শ বেনামী ধাপের মধ্য দিয়ে যায়: একটি টেমপ্লেট ব্যবহার করে, এটি নাম, আইডি এবং ব্র্যান্ডের নামগুলিকে কোডে রূপান্তর করে, তারপরে এটি বিশ্লেষণ করা হয়। বিশ্লেষণের মান কমে না, কোনো পরিচয় ফাঁস হয় না। গোপনীয়তা এবং দক্ষতা একসাথে সুরক্ষিত।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
নিম্নলিখিত বেতনের সংক্ষিপ্ত বিবরণ: [Ahmet Yılmaz, TC 123..., বেতন 45,000; ...]
কাঁচা ব্যক্তিগত তথ্য যানবাহন অনিয়ন্ত্রিত প্রবেশ করে; এটা সরাসরি লঙ্ঘন।
শক্তিশালী প্রম্পট:
আমি আপনাকে একটি ডেটা সেট দেব। প্রক্রিয়াকরণের আগে, নিম্নলিখিত বেনামীকরণ প্রয়োগ করুন এবং আমাকে বেনামী সংস্করণটিও দেখান:- ব্যক্তির নাম K1, K2 করুন... - TR আইডি এবং অ্যাকাউন্ট নম্বরগুলি সম্পূর্ণরূপে মুছে ফেলুন।- কোম্পানি/ব্র্যান্ডের নামগুলি T1, K2 করুন... অনন্য বিবরণ সাধারণ করুন যা পরোক্ষভাবে ব্যক্তিকে সনাক্ত করতে পারে। তারপর শুধুমাত্র বেনামী সংস্করণে কাজ করুন।[DATA (যতটা সম্ভব মাস্ক করা):...]
দ্রষ্টব্য: কাঁচা ব্যক্তিগত ডেটা মোটেও প্রবেশ না করা সবচেয়ে নিরাপদ; আপনি যদি প্রবেশ করেন তবে আপনাকে অবশ্যই মুখোশ পরা এবং নিরাপদ গাড়িতে থাকতে হবে।
তথ্য শ্রেণীবিভাগ সাহায্যের জন্য:
নিম্নলিখিত ক্ষেত্রগুলির প্রতিটিকে শ্রেণীবদ্ধ করুন: এটি কি ব্যক্তিগত ডেটা, এটি কি একটি আর্থিক গোপনীয়তা, এটি কি সর্বজনীন? প্রতিটির জন্য প্রস্তাবিত সুরক্ষা স্তর লিখুন। ক্ষেত্র: [ক্ষেত্রের নাম, নমুনা রিটার্ন]
একটি বেনামী টেমপ্লেট তৈরি করতে:
একটি আদর্শ বেনামী চেকলিস্ট তৈরি করুন যা আমি একটি বেতন/ট্রায়াল ব্যালেন্স বিশ্লেষণে ব্যবহার করব: কোন ক্ষেত্রগুলিকে মুখোশ করা উচিত, কোনটি বাদ দেওয়া উচিত, পরোক্ষ নির্ণয়ের জন্য আমার কী সন্ধান করা উচিত?
গাড়ির নিরাপত্তা মূল্যায়নের জন্য:
একটি AI টুল সংবেদনশীল করদাতার ডেটা (ডেটা ধারণ, শিক্ষায় ব্যবহার, কর্পোরেট চুক্তি, অবস্থান) জন্য উপযুক্ত কিনা তা মূল্যায়ন করার সময় আমার কী প্রশ্ন করা উচিত? একটি চেকলিস্ট তৈরি করুন।
সাধারণ ভুল
- কাঁচা ব্যক্তিগত তথ্য প্রবেশ করান. নাম/টিআর আইডি যাচাইকরণ ছাড়া গাড়িতে প্রবেশ করবেন না।
- পরোক্ষ রোগ নির্ণয় এড়িয়ে যাওয়া। নাম মুছে গেলেও অনন্য বিবরণ পরিচয় দেয়।
- গাড়ির নিরাপত্তার কথা জিজ্ঞেস করছেন না। টুলটি কীভাবে ডেটা সংরক্ষণ করে তা না জেনে সংবেদনশীল ডেটা দেওয়া হয় না।
- প্রয়োজনীয়তা প্রশ্নবিদ্ধ না. যদি কাজটি বেনামী/সারাংশ ডেটা দিয়ে করা যায় তবে কাঁচা ডেটা দেওয়া হয় না।
- ট্র্যাক রাখা না. কোন তথ্য কোথায় দেওয়া হয়েছে তা যদি রেকর্ড করা না থাকে, তাহলে লঙ্ঘনটি সনাক্ত করা যাবে না।
সংক্ষেপে
KVKK এবং VUK গোপনীয়তার বাধ্যবাধকতা দ্বারা করদাতার ডেটা দুটি স্তরে সুরক্ষিত, এবং কৃত্রিম বুদ্ধিমত্তার যুগে সবচেয়ে বড় নতুন ঝুঁকি হল সংবেদনশীল ডেটা একটি অনিয়ন্ত্রিত সরঞ্জামে আটকে রাখা। মডেলে ডেটা প্রবেশ করার আগে, এটিকে শ্রেণীবদ্ধ করা হয়, এর প্রয়োজনীয়তা নিয়ে প্রশ্ন করা হয়, নাম/টিআর আইডির মতো শনাক্তকারীকে মুখোশ করা হয় এবং পরোক্ষ রোগ নির্ণয় প্রদানকারী বিশদগুলিকে সাধারণীকরণ করা হয়; যদি সম্ভব হয়, শুধুমাত্র একটি নিরাপদ, ডেটা ধারণ-গ্যারান্টিযুক্ত কর্পোরেট টুল ব্যবহার করা হয়। একটি গোপনীয়তা লঙ্ঘন একটি অপরিবর্তনীয় ক্ষতি; সবচেয়ে নিরাপদ ডেটা হল ডেটা যা কখনও প্রবেশ করা হয় না।
আবেদন টাস্ক
আপনার হাতে একটি সাধারণ সংবেদনশীল ফাইল (যেমন বেতন বা ট্রায়াল ব্যালেন্স) নিন। প্রথমে তাদের ক্ষেত্র শ্রেণীবদ্ধ করুন (ব্যক্তিগত/আর্থিক গোপন/পাবলিক)। তারপরে একটি বেনামী টেমপ্লেট প্রয়োগ করুন: আপনি কোন অঞ্চলগুলিকে মুখোশ দেবেন, কোনটি সরিয়ে ফেলবেন এবং পরোক্ষ সনাক্তকরণের জন্য আপনি কী সন্ধান করবেন তা তালিকাভুক্ত করুন৷ পরিশেষে, আপনি যে কৃত্রিম বুদ্ধিমত্তার সরঞ্জামটি ব্যবহার করেন/একটি চেকলিস্ট সহ ব্যবহার করবেন তার নিরাপত্তার উপযুক্ততা মূল্যায়ন করুন।
চেকলিস্ট
- [] আমি ব্যক্তিগত/আর্থিক গোপন/সর্বজনীন হিসাবে ডেটা শ্রেণীবদ্ধ করেছি।
- [ ] আমি প্রশ্ন করেছি যে কাঁচা তথ্য সরবরাহ করা সত্যিই প্রয়োজনীয় ছিল কিনা।
- আমি নাম, টিআর আইডি এবং অ্যাকাউন্ট নম্বর মাস্ক/মুছে ফেলেছি।
- [ ] আমি পরোক্ষ রোগ নির্ণয় প্রদানকারী অনন্য বিবরণ সাধারণীকরণ করেছি।
- [] আমি শুধুমাত্র ডেটা ধারণ করার গ্যারান্টি সহ নিরাপদ/এন্টারপ্রাইজ টুল ব্যবহার করেছি।
- আমি টুলটির ডেটা নীতি (স্টোরেজ, ট্রেনিং) মূল্যায়ন করেছি।
- [ ] আমি রেকর্ড করেছি কোন ডেটা আমি কোথায় দিয়েছি ট্রেস হিসেবে।