Gevinster:
- Evne til at anonymisere kunde- og økonomiske data inden for rammerne af KVKK, kundehemmeligheder og bankfortrolighedsregler og anvende sikre køretøjs- og databehandlingsregler
- At forstå de forpligtelser, som banklovgivningen (BRSA, MASAK, KVKK) pålægger for brugen af kunstig intelligens og behovet for auditabilitet
- Evne til at forstå, hvorfor modelforklarlighed, registrering og revisionsspor er obligatoriske og opretholder ansvarskæden
I bankvirksomhed er data guld - men det er også ansvar. En kundes løn, forbrugsvaner, kredithistorik og kontotransaktioner er både yderst følsomme personlige oplysninger og juridisk beskyttede. AI producerer kraftfulde resultater, når du arbejder med disse data; men den samme kraft kan skabe en alvorlig krænkelse med et tryk på en knap. I denne enhed vil vi se, hvordan man beskytter kunde- og økonomiske data inden for rammerne af KVKK, kundehemmelighed og bankfortrolighedsregler, de forpligtelser, som banklovgivningen (BRSA, MASAK, KVKK) pålægger om brugen af kunstig intelligens, og hvorfor modelforklarlighed og revisionsspor er obligatoriske. Grundprincip: data er dens ejers ejendom; At beskytte det er ikke et teknisk valg, men en juridisk og etisk forpligtelse.
To-lags beskyttelse: KVKK og kundehemmelighed
En kundedata er beskyttet af to separate rammer:
- KVKK (Personal Data Protection Law): Enhver data, der gør en person specifik/identificerbar, er persondata. Et retsgrundlag (eksplicit samtykke eller legitim grund) er påkrævet for behandlingen; Det bør være begrænset til formålet, være forholdsmæssigt og sikkert. Økonomiske data er af særlig betydning.
- Kundehemmelighed (Banklov): Enhver information, som banken får kendskab til om sin kunde, er hemmelig og kan ikke deles uden tilladelse. Denne forpligtelse binder også den ansatte i banken.
At uploade en kundedata til et ikke-godkendt AI-værktøj kan krænke begge rammer samtidigt.
Datatype
beskyttelse
risikabel adfærd
Navn, TR, IBAN
Personlige data + hemmelighed
Ind i køretøjet uden anonymisering
kontoudtog
Personlige data + hemmelighed
Kørsel i et uautoriseret køretøj
Kreditscore/historie
Personlige data + hemmelighed
deling uden formål
Anonyme segmentdata
lav risiko
(risiko, hvis identitet kan genfindes)
Tip: Det er ikke nok at sige "jeg anonymiserede"; Dataene skal virkelig afidentificeres. Selv et lille antal karakteristika (alder + nabolag + erhverv) kan identificere en person. Ved anonymisering, "kan disse data returneres til personen?" Stil spørgsmålet.
Sikre databehandlingstrin
- Anonymisere/maske. Fjern identificerende områder; Brug aliasværdi, hvis det er nødvendigt.
- Minimumsdata (dataminimering). Behandle de minimumsdata, der kræves til opgaven; Bær ikke for meget data, bare hvis du har brug for det.
- Begræns det med formål. Brug kun data til det formål, hvortil de blev indsamlet; Flyt ikke data modtaget for kreditering til markedsføring.
- Godkendt og sikker bil. Brug bankens kontraktlige databehandlingssikkerhedsværktøjer; Indtast ikke kundedata i offentlige værktøjer, hvor det er uklart, hvor dataene skal hen.
- Revisionsspor. Registrer hvilke data, til hvilket formål, og hvilket værktøj der blev brugt.
- Opbevaring og bortskaffelse. Opbevar ikke data længere end nødvendigt; Bortskaf udløbet i henhold til politikken.
Forpligtelser i henhold til lovgivningen om kunstig intelligens
- Forklarlighed: Regulerede beslutninger (såsom lån) skal være forsvarlige; Beslutningen om "den sorte boks" kan ikke revideres.
- Revisionsspor: Modeloutput, anvendte data og endelig beslutning bør registreres; Spørgsmålet "hvorfor blev denne beslutning truffet?" skal besvares senere.
- Menneskelig tilsyn: Mennesker skal involveres i vigtige beslutninger; fuldt automatiserede, uovervågede beslutningsmekanismer kan være i konflikt med regulering.
- Indsigelses- og berigtigelsesret: Kundens ret til at gøre indsigelse mod afgørelsen og anmode om berigtigelse af sine data skal beskyttes.
- Ansvarskæde: Den person, der er ansvarlig for beslutningen, er altid klar — ikke modellen, men den kompetente person og institution.
Bemærk: Et brud på fortrolighed eller overtrædelse af lovgivning kan blive afsløret i en revision måneder eller endda år senere og kan resultere i store administrative bøder, tab af omdømme og juridisk ansvar. "Ikke bemærket" er ikke en forsikring; Registrering og overholdelse er etableret fra begyndelsen.
Fire kopierbare skabeloner
1) Anonymiseringskontrol:
Tjek følgende tekst, før du giver den til et kunstig intelligensværktøj: hvilke oplysninger indeholder den, der gør personen identificerbar (navn, TR ID, IBAN, telefon, adresse, kombination af sjældne funktioner)? Liste dem alle og foreslå, hvordan du maskerer dem.Tekst: [data]
2) Formål og minimum datakontrol:
Hvad er det minimumsdatasæt, der virkelig kræves til denne opgave? Hvilke af følgende felter er unødvendige for opgaven og bør fjernes? Marker områder med risiko for misbrug. Opgave: [beskrivelse] Felter: [liste]
3) Udkast til revisionsspor:
Din rolle: assistent, der udarbejder et revisionsspor. Opret en pæn transaktionspost med følgende oplysninger: hvilke data (anonym), hvilket formål, hvilket medie, hvilken dato, hvem er ansvarlig. Lad de manglende felter være "[skal udfyldes]". Input: [information]
4) Svar på kundedataanmodning (KVKK-rettigheder):
En kunde anmodede om adgang/berigtigelse af sine data inden for KVKKs rammer. Udarbejd et svar, der er respektfuldt, klart og minder dig om dine rettigheder (adgang, rettelse, indsigelse). Tilføjelse af nye personlige data; Forklar procestrinene. Embedsmanden vil tjekke.
Svag prompt / Stærk prompt
Svag prompt:
Følgende kundes fulde navn, TR ID-nummer og kontoudtog for de sidste 6 måneder er vedlagt; Analyser dette og giv mig en profil. Vær hurtig.
Det deler identitetsdata uden godkendelse, krænker dataminimering og krænker kundehemmeligheder.
Kraftig prompt:
Din rolle: analyseassistent, der arbejder med anonyme data. Jeg giver dig kun afidentificerede, minimale data: 42 år gamle, X-segment, gennemsnitligt månedligt forbrugsinterval [interval]. Anmodning om personlige data eller udledning af identitet. Jeg vil bruge og gemme outputtet i den godkendte proces.
Stærk prompt fungerer anonymt og med minimale data, forbyder identitetsudtrækning og sørger for et revisionsspor.
tre minisager
Sag 1 — Korrekt behandling. En analytiker udfører en adfærdsanalyse af 5.000 kunder med kun anonyme, aggregerede data; Intet identifikationsfelt kommer ind i køretøjet, det anvendte køretøj og formålet registreres. Resultatet producerer forretningsværdi, og ingen fortrolighedsgrænser krydses.
Tilfælde 2 — Risiko for genidentifikation. Et team opdager, at nogle kunder kan identificeres individuelt ved en kombination af alder, nabolag og sjældent arbejde i, hvad de troede var et "anonymt" datasæt. Dataene genanonymiseres ved at generalisere disse felter (aldersinterval, stor region). "Anonym"-mærket anses ikke for sikkert uden at være testet.
Case 3 — Revisionsspor genoprettes. En lånebeslutning kan blive anfægtet år senere. Banken viser af revisionssporet, hvilke verificerede data beslutningen var baseret på, på hvilken begrundelse den blev truffet, og hvem der godkendte den. Takket være journalen kan afgørelsen forsvares; Hvis der ikke var spor, ville banken stå i en vanskelig situation.
Cloud, tredjepart og data residency
De fleste AI-værktøjer kører i skyen og behandler data på deres egne servere. Dette åbner op for et yderligere lag af spørgsmål i bankvirksomhed: hvor går dataene hen, og hvem kan få adgang til dem der? At sende kundedata til et værktøj betyder ofte at tage disse data uden for bankens mure. Derfor er valget af et værktøj ikke en teknisk beslutning, men en compliance-beslutning.
Punkter at overveje:
- Databehandlerkontrakt: Er der en kontrakt med værktøjsudbyderen, der definerer, hvordan data skal behandles, opbevares og slettes? "Gratis" og kontraktfri værktøjer er ikke kvalificerede til bankdata.
- Brug i træning: Ved om de data, du har indtastet, bruges til træning af modellen; Hvis det bruges, kan kundehemmeligheder lække til andre steder.
- Dataophold: Landet, hvor dataene opbevares, er vigtigt i forhold til både KVKK og internationale overførselsregler.
- Adgang og logning: Registreres det, hvem der tilgår den?
Advarsel: "Køretøjet fremstår sikkert" er ikke en garanti. Før et værktøj kan bruges i banken, skal det bestå informationssikkerhed og compliance-godkendelse. At indtaste kundedata i et ikke-godkendt værktøj betyder at give dataene væk uden at vide, hvor de går hen.
Almindelige fejl
- Deling af identitetsdata uden godkendelse. Gå ind i køretøjet uden at anonymisere dit navn, TR ID og IBAN.
- Forudsat "anonym". At betragte dataene som sikre uden at udføre re-identifikationstesten.
- Formålsdrift. Brug af data indsamlet til ét formål til et andet formål.
- Omgå revisionssporet. Ikke registrering af data, formål og midler; ikke at kunne stilles til ansvar senere.
- Black box beslutning. Overvejer en automatisk beslutning, der ikke kan begrundes som legitim.
Tip: Fortrolighed og compliance er ikke en "barriere", men grundlaget for tillid. Kunden har tillid til banken, fordi han ved, at hans data er beskyttet. At risikere denne tillid for en genvej er den dyreste fejl.
Sammenfattende
Kundedata er både personoplysninger inden for KVKKs anvendelsesområde og kundehemmeligheder inden for banklovens anvendelsesområde; Den er dobbelt beskyttet. Anonymiser (og test mod re-identifikation), arbejd med minimale data og formål, brug kun godkendte sikre værktøjer, efterlad et revisionsspor. Lovgivningen kræver forklaring, menneskeligt tilsyn, ret til at gøre indsigelse og en klar ansvarskæde. I én sætning: Data er ejerens tillid; Det er en kompetent persons ansvar at beskytte, registrere og redegøre for det.
Ansøgningsopgave
Skriv et eksempel på en kundedatatekst (med ID-felter) og udfør et anonymiseringstjek med skabelon 1; Bestem, hvilke områder der skal maskeres. Definer derefter en opgave og udtræk minimumsdatasættet med den 2. skabelon og fjern unødvendige felter. Til sidst skal du lave et udkast til revisionsspor med den 3. skabelon, der angiver, hvilke oplysninger der skal opbevares for hver transaktion.
tjekliste
- [ ] Jeg anonymiserede ID-felterne og testede dem mod genidentifikation.
- [ ] Jeg behandlede kun de minimumsdata, der krævedes til opgaven.
- [ ] Jeg brugte dataene begrænset til dets formål; Jeg lod ikke målet glide.
- [ ] Jeg har kun kørt godkendte og sikre køretøjer.
- [ ] Jeg registrerede data, formål, midler og principper i revisionssporet.
- [ ] Jeg tog hensyn til beslutningens forklarlighed og kundens ret til at gøre indsigelse.