Privatnost, KVKK i sigurnost podataka: zaštita podataka o trudnicama

Dobici:

Sposobnost razlikovanja podataka zbog kojih se trudnica može direktno ili indirektno identificirati i deidentifikacije prije nego što ih daju umjetnoj inteligenciji
Sposobnost primjene minimizacije podataka i stjecanje navike korištenja samo alata koje je odobrila institucija u okviru KVKK-a
'Može li se ova osoba pronaći iz ovog teksta?' Sposobnost upravljanja rizikom ponovne identifikacije primjenom testa

Primalje je profesija koja se dotiče najprivatnijih informacija ljudi: kako je nastala trudnoća, prethodne trudnoće, pobačaji, gubici, veze, mentalno stanje, seksualno zdravlje. Kada ova informacija padne u pogrešne ruke, uzrokuje nepopravljivu štetu - domaću krizu, društvenu stigmu, gubitak povjerenja. Dakle, povjerljivost nije "dodatno pravilo" u primaljstvu, već temelj profesije. Jednom kada uvedete AI u svoje poslovanje, otvara se nova granica privatnosti: sve što unesete u pomoćnika za ćaskanje moglo bi biti van vaše kontrole. Ova jedinica vas uči od kraja do kraja kako zaštititi podatke o trudnicama kada koristite AI — posebno u okviru KVKK (Zakon o zaštiti osobnih podataka; zakon koji regulira obradu ličnih podataka u Turskoj).

Osnovni princip je u jednoj rečenici: Bilo koja informacija koja trudnicu čini prepoznatljivom nikada ne smije ući u alat umjetne inteligencije. Učenje ovog pravila ima prednost nad svim ostalim vještinama u modulu; Jer jednom procureli podaci ne mogu se povratiti.

Pažnja: Tekst koji unesete u AI alat ide na servere te usluge; mogu se pohraniti, obraditi i u nekim slučajevima koristiti za obuku modela. Reći "Samo sam htio sažetak" ne vraća podatke. Jedini siguran način je da nikada ne otkucate vjerodajnicu.

Šta su lični podaci, koje informacije ih čine prepoznatljivim?

Lični podaci su svaka informacija koja osobu čini direktno ili indirektno prepoznatljivom. U primaljstvu, to su posebno u posebnoj kategoriji (kao što su zdravstveni podaci, koji imaju najveću zakonsku zaštitu). Razmotrite informacije koje pružaju prepoznavanje u dvije grupe:

Direktni identifikatori: ime-prezime, TR ID broj, broj fajla/protokola, telefon, adresa, e-mail, datum rođenja, nalog na društvenim mrežama, fotografija.

Indirektni deskriptori (kombinovani da bi se to učinilo prepoznatljivim): "Jedina troplodna trudnoća u tom kraju", "jedina 44-godišnjakinja u ustanovi sa prvom trudnoćom", rijetka bolest + malo naselje, radno mjesto + gestacijska dob. Nekoliko detalja koji sami po sebi izgledaju nevini mogu ukazivati na osobu kada se spoje. To se zove rizik ponovne identifikacije.

Deidentifikacija je proces uklanjanja ovih identifikatora iz teksta. Dobro obavljena deidentifikacija briše i direktne i indirektne identifikatore.

Korak po korak: De-identifikacija prije davanja podataka AI

Izbrišite direktne identifikatore: ime, ID, broj telefona, broj datoteke, adresu, datum — uklonite ih sve. Zamijenite ga generalizacijama kao što su "trudna A", "oko 38 godina", "drugi trimestar".
Zamagljivanje indirektnih tragova: pretvorite tačnu starost u raspon (npr. "rane 40-e"), preciznu lokaciju u regiju, rijetke kombinacije u općenito.
Odbacite nepotrebne detalje: Dajte minimalne informacije potrebne da AI obavi svoj posao (minimiziranje podataka). Za pisanje kartona o dojenju nije potrebna anamneza trudnice.
Proverite politiku institucije: Neke institucije definišu odobrene/institucionalne AI alate; može zabraniti unos podataka o pacijentu u lične/besplatne alate. Slijedite pravila svoje institucije.
Završno čitanje: Prije slanja upita "da li se ova osoba može pronaći iz ovog teksta?" Pročitajte još jednom.

Najteži od ovih pet koraka je drugi – zamagljivanje indirektnih tragova – jer je brisanje direktnih identifikatora jednostavno i prvo vam pada na pamet, ali većina prepoznavanja zapravo dolazi iz kombinacije indirektnih detalja. Kombinacija profesije, godina, mjesta stanovanja i rijetkog stanja može svesti osobu na jednu osobu, čak i ako se ne spominje ime. Stoga se deidentifikacija ne bi trebala smatrati "brisanjem imena" već kao "osiguranjem da niko čitajući ovaj tekst ne može pogoditi osobu". Ovaj mentalni okvir radikalno smanjuje rizik od ponovne identifikacije.

Nagoveštaj: Dobar test: Ako neidentifikovani tekst pokažete koleginici koja poznaje tu trudnu ženu, da li bi ona rekla "ovo je tako-i-tako"? Ako on to može reći, to znači da ga niste dovoljno identificirali.

tri mini kofera

Slučaj 1 — Indirektno prepoznavanje: kada je od AI tražila sažetak historije, babica je izostavila identifikaciju, ali je ostavila frazu „jedina trudnoća sa četvorkom u našem gradu“. Ova pojedinačna rečenica direktno ukazuje na osobu u tom malom mjestu. Njegov kolega primjećuje i upozorava; Babica generalizuje izraz kao "višeplodna trudnoća". Pouka: indirektni identifikatori su jednako opasni kao i direktni identifikatori.

Slučaj 2 — Minimiziranje podataka: Druga babica obično zalijepi cijeli dosije trudnice u AI umjesto da samo odštampa brošuru o "prehrani u trudnoći". Ona stoji: za brošuru nisu potrebni lični podaci. Uzima brošuru bez predaje dosijea, samo piše temu. Najsigurniji podaci su podaci koji se nikada ne dijele.

Slučaj 3 — Pogrešan alat: U trećem primjeru, babica se sprema ukucati podatke o pacijentu u nasumično odabranu aplikaciju na svom ličnom telefonu kada se sjeti institucionalne politike: podaci o pacijentima mogu se obraditi samo bez identifikacije i korištenjem alata koje je institucija odobrila. Ne koristite ličnu aplikaciju. Curenje podataka često proizlazi iz takvog trenutka "pogodnosti", a ne iz tehničke greške.

Predlošci koji se mogu kopirati

Uloga: Vi ste pomoćnik za kontrolu deidentifikacije. Zadatak: Označite svaki izraz u tekstu ispod koji bi DIREKTNO ili INDIREKTNO mogao identificirati osobu:- Direktno: ime, lična karta, telefon, adresa, broj fajla, tačan datum, fotografija.- Indirektno: rijetka kombinacija, malo mjesto + posebna situacija, tačna starost, radno mjesto, jedinstveni/jedinstveni kvalitet safere.

Uloga: Vi ste konsultant za minimiziranje podataka. Zadatak: Želim da radim ovaj posao: [posao]. Koje su minimalne informacije koje VAM MORAM dati da biste to učinili? Označite nepotrebne informacije o pacijentu kao "[NE PRUŽATI]".

Uloga: Vi ste sigurni asistent za sažetak. Zadatak: Sažmite DIDENTIFIKOVANU priču u nastavku. Ako vidite identifikacione informacije u tekstu, nemojte sumirati; umjesto toga napišite "Otkrio sam akreditive, molimo obrišite i pošaljite ponovo." Priča: [priča]

Kontrolna lista za podsjetnike institucionalne politike (zapitajte se):- Da li je ovaj alat odobren od strane moje institucije?- Da li u podacima koje sam unio postoje lične informacije?- Da li su ove informacije zaista potrebne za ovaj posao?- Može li neko koga poznajem pronaći osobu ako pročita tekst?- Hoću li dodati identifikacione podatke prilikom spremanja rezultata?

Slaba prompt / Jaka prompt

Slabo: "Ayşe Y., 39, treća trudnoća, u sledećoj bolnici, broj dosijea 4412; rezimirajte njenu istoriju."

Ovaj prompt je pun direktnih identifikatora; Privatni podaci su procurili čim su poslani.

Jaka:

Uloga: siguran asistent za sažetak. Sažmite sljedeću anonimnu historiju. "Trudna A, kasne 30-te, treća trudnoća, [povezani medicinski detalji anonimni]." Ako vidite identifikacione informacije u tekstu, nemojte sumirati, upozorite.

Razlika: Ne postoje direktni/indirektni identifikatori u jakoj verziji; postoji samo kontekst bez identiteta koji je potreban za obavljanje posla. Sigurnost počinje prije pisanja prompta.

Šta dijeliti, a šta ne dijeliti

Vrsta informacije

Da li spada u AI?

alternativa

Ime, TR ID, telefon, adresa, broj fajla

nikad

"trudna A"

Tačna starost / tačan datum

Dobni raspon/trimestar

Kombinacija rijetkog + malog mjesta

generalizovati

Opšti medicinski kontekst (anonimno)

Da, ako je potrebno

Primijenite minimizaciju podataka

Fotografija/slika

Ne (lice/znak)

nije potrebno

Vozilo nije odobreno od strane institucije

Nema podataka o pacijentu

Odobreno vozilo

Uobičajene greške

Samo brisanje imena i ostavljanje indirektnih tragova: Rizik ponovne identifikacije ostaje.
Lijepljenje cijele datoteke radi "pogodnosti": Krši princip minimizacije podataka.
Unošenje podataka o pacijentu u lične/neodobrene uređaje: To može biti protiv politike ustanove i KVKK.
Dijeljenje fotografije/snimka ekrana: lice, ime i broj datoteke na slici mogu ostati povjerljivi.
Dodavanje ID-a uz spremanje izlaza: Dodavanje ID-a izlazu koji dolazi bez ID-a vraća rizik.
Pod pretpostavkom da će se "ipak izbrisati": Ne znate koji su podaci; Jedina garancija je da ne šaljete ništa.

Ukratko

Kada se koristi umjetna inteligencija, privatnost je preduvjet, a ne tehnički aspekt. Bilo koja informacija koja čini trudnicu direktno (ime, ID, telefon) ili indirektno (rijetka kombinacija + mala lokacija) prepoznatljivom ne bi trebala ulaziti u AI alat. Vježbajte minimiziranje podataka — pružite minimalne informacije potrebne za obavljanje posla — i koristite samo alate koje je odobrila vaša organizacija. Bez slanja upita "da li se ova osoba može pronaći iz ovog teksta?" uradite test. Kada jednom procure, podaci se ne mogu povratiti; Stoga, sigurnost počinje prije pisanja prompta.

Zadatak aplikacije

Uzmite pravu istoriju trudnoće (na papiru) i očistite tekst korak po korak koristeći predložak za deidentifikacija: prvo direktni, a zatim indirektni identifikatori. Pokažite očišćeni tekst kolegi i pitajte "ko bi to mogao biti?" pitati; Ako ga možete prepoznati, generalizirajte ga dalje. Također pronađite politiku AI/podataka svoje institucije, rezimirajte je u jednoj rečenici i zabilježite koji alati su odobreni.

kontrolna lista

[ ] Uklonio sam sve direktne identifikatore (ime, ID, telefon, adresa, broj fajla).
[ ] Generalizirao sam indirektne deskriptore (rijetka kombinacija, mala lokacija, tačna starost).
[ ] Dao sam samo minimalne informacije potrebne za obavljanje posla.
[ ] Koristio sam samo alat odobren od strane moje institucije.
[ ] "Može li se ova osoba pronaći iz ovog teksta?" Uradio sam test.
[ ] Nisam naknadno dodao nikakve akreditive izlazu.