Κέρδη:
- Μπορεί να διακρίνει ποια δεδομένα μπορούν να εγγραφούν σε εργαλεία AI
- Μπορεί να εφαρμόσει πρακτικά τις έννοιες των προσωπικών δεδομένων και των εμπορικών μυστικών
- Γνωρίζει τη διαφορά απορρήτου ανάμεσα στα εταιρικά και δημόσια εργαλεία AI
Αυτή η μονάδα βρίσκεται στο επίκεντρο των πιο συνηθισμένων λαθών και των πιο σοβαρών κινδύνων στην καθημερινή χρήση της τεχνητής νοημοσύνης: Τι μπορείτε να γράψετε σε ένα εργαλείο τεχνητής νοημοσύνης και τι όχι; Εάν ένας υπάλληλος, καλή τη πίστη, επικολλήσει ευαίσθητα δεδομένα πελατών σε ένα δημόσιο εργαλείο συνομιλίας για να επιταχύνει τις εργασίες, αυτό θα μπορούσε να εκθέσει την εταιρεία τόσο σε νομικές ενέργειες όσο και σε βλάβη της φήμης. Σε αυτή την ενότητα θα δώσουμε μια σαφή, λειτουργική πυξίδα. Ο KVKK (Νόμος για την Προστασία Δεδομένων Προσωπικού Χαρακτήρα) είναι ο νόμος που ρυθμίζει τον τρόπο επεξεργασίας των προσωπικών δεδομένων στην Τουρκία. Το ευρωπαϊκό του αντίστοιχο είναι το GDPR.
Βασική αρχή: "Τα δεδομένα που φεύγουν από την πόρτα δεν επιστρέφουν ποτέ"
Μόλις πληκτρολογήσετε πληροφορίες σε ένα δημόσιο εργαλείο AI, αυτές οι πληροφορίες μπορεί πλέον να είναι εκτός ελέγχου. Ανάλογα με τον τύπο του οχήματος, αυτά τα δεδομένα. μπορεί να αποθηκευτεί, να ελεγχθεί από υπαλλήλους ή να χρησιμοποιηθεί σε μελλοντική εκπαίδευση του μοντέλου. Η βασική ερώτηση λοιπόν είναι: "Θα με πείραζε να στείλω αυτές τις πληροφορίες μέσω email σε κάποιον που δεν γνωρίζω;" Εάν η απάντησή σας είναι "ναι", σκεφτείτε δύο φορές πριν πληκτρολογήσετε αυτές τις πληροφορίες σε ένα δημόσιο εργαλείο.
Ποια δεδομένα είναι επικίνδυνα; Μια απλή ταξινόμηση
Κατηγορία
παραδείγματα
Μπορεί να γραφτεί σε δημόσιο όργανο;
προσωπικά δεδομένα
Όνομα-επώνυμο, TR ID, τηλέφωνο, διεύθυνση, υγεία, μισθός
όχι
εμπορικό μυστικό
Στρατηγική τιμολόγησης, τύπος, πηγαίος κώδικας, λεπτομέρειες συμβολαίου
όχι
Εσωτερικές εμπιστευτικές πληροφορίες
Αδημοσίευτα οικονομικά στοιχεία, αποφάσεις προσωπικού, εσωτερική αλληλογραφία
όχι
δεδομένα πελατών
Λίστες πελατών, ιστορικό αγορών, αρχεία επαφών
όχι
δημόσια ενημέρωση
Δημοσιευμένο ιστολόγιο, δελτίο τύπου, γενικές περιγραφές
Ναι
Μυθιστόρημα/ανώνυμο παράδειγμα
Δείγμα σεναρίου με φτιαγμένα ονόματα
Ναι (προσεκτικά)
Προσοχή: Τα "ιδιωτικά/ευαίσθητα προσωπικά δεδομένα" (υγεία, θρησκεία, εθνικότητα, βιομετρικά στοιχεία, ποινικό μητρώο) απαιτούν την υψηλότερη προστασία. Μην τα γράψετε σε κανένα εξωτερικό εργαλείο χωρίς να τα ανωνυμοποιήσετε.
Ανωνυμοποίηση: Κάνοντας την ίδια δουλειά με ασφάλεια
Στις περισσότερες περιπτώσεις, μπορείτε να επιτύχετε τον στόχο σας χωρίς να δώσετε ευαίσθητα δεδομένα στο εργαλείο. Η βασική τεχνική είναι η ανωνυμοποίηση: αφαίρεση πληροφοριών που προσδιορίζουν ένα άτομο ή οργανισμό και αντικατάστασή τους με γενικές φράσεις.
- «ένας πελάτης» αντί για «Αλί Βελή»
- "Ένα σημαντικό συμβόλαιο με μεγάλο εταιρικό πελάτη" αντί για "Σύμβαση 2 εκατομμυρίων TL με την Acme A.Ş."
- Διαγραφή τους εντελώς αντί για πραγματική ταυτότητα/τηλέφωνο/διεύθυνση
- Κατά προσέγγιση ή αντιπροσωπευτικά στοιχεία και όχι πραγματικά στοιχεία
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή: Ahmet Yılmaz (TC 123456...), αριθμός πελάτη 0532... καθυστερεί την πληρωμή του τους τελευταίους 3 μήνες. Τι να του γράψω;
Αποτέλεσμα: Σοβαρή παραβίαση απορρήτου και KVKK. τα προσωπικά δεδομένα πήγαν στο εξωτερικό εργαλείο.
Ισχυρή προτροπή: Σχεδιάστε ένα ευγενικό αλλά σαφές μήνυμα ηλεκτρονικού ταχυδρομείου υπενθύμισης που θα σταλεί σε έναν μακροπρόθεσμο πελάτη που έχει καθυστερήσει την πληρωμή του για περίπου 3 μήνες. Μην χρησιμοποιείτε όνομα, ταυτότητα ή αριθμό. αντικαταστήστε τα με σύμβολα κράτησης θέσης όπως [Όνομα πελάτη].
Αποτέλεσμα: Παίρνετε την ίδια δουλειά, δεν εκτίθενται προσωπικά δεδομένα.
Τρεις Μίνι Θήκες
Περίπτωση 1 — Επικολλημένη λίστα πελατών. Ένας υπάλληλος επικόλλησε 800 γραμμές λιστών email πελατών σε ένα δημόσιο εργαλείο για να τις «τμηματοποιήσει». Η λίστα περιείχε εμπορικά μυστικά και προσωπικά δεδομένα. Η ομάδα ασφάλειας πληροφοριών παρατήρησε την κατάσταση. Το περιστατικό μετατράπηκε σε διαδικασία ειδοποίησης παραβίασης δεδομένων. Η σωστή απάντηση ήταν: μελέτη δεδομένων με ανώνυμα/αντιπροσωπευτικά δείγματα ή χρήση θεσμικού, εγκεκριμένου εργαλείου.
Περίπτωση 2 — Επίλυση με ανωνυμοποίηση. Ένας επαγγελματίας ανθρώπινου δυναμικού προετοιμαζόταν για μια συνέντευξη απόδοσης. Αντί για το πραγματικό όνομα και τα στοιχεία του υπαλλήλου, περιέγραψε τον υπάλληλο ως «υπάλληλο που δεν πέτυχε τους στόχους του το τελευταίο τρίμηνο, αλλά έχει ισχυρές ομαδικές σχέσεις». Πήρε χρήσιμα σημεία ομιλίας. Κανείς δεν εκτέθηκε.
Περίπτωση 3 — αντανακλαστικό «Ρωτήστε το πρώτα». Προτού μια ομάδα παρουσιάσει ένα νέο εργαλείο τεχνητής νοημοσύνης, η ασφάλεια πληροφοριών θα πρέπει να ρωτήσει «με ποιους τύπους δεδομένων μπορούμε να τα χρησιμοποιήσουμε;» ρώτησε. Έμαθαν ότι το συμβόλαιο της εταιρικής έκδοσης περιείχε μια ρήτρα "δεδομένα που δεν χρησιμοποιούνται για εκπαίδευση μοντέλων" και δημοσίευσαν έναν σαφή κανόνα χρήσης. Το αποτέλεσμα: ταχύτητα + ασφάλεια σε συνδυασμό.
Διαφορά μεταξύ Enterprise AI και Public AI
- Δημόσια/δωρεάν εργαλεία: Συνήθως προσφέρουν περιορισμένες εγγυήσεις σχετικά με τον τρόπο αποθήκευσης και χρήσης των δεδομένων σας. Από προεπιλογή, είναι το περιβάλλον στο οποίο πρέπει να είστε πιο προσεκτικοί.
- Enterprise / συμβατικά εργαλεία: Οι εταιρικές εκδόσεις που χρησιμοποιεί η εταιρεία με συμβόλαιο προσφέρουν συχνά συμβατικές εγγυήσεις όπως "τα δεδομένα σας δεν θα χρησιμοποιηθούν στην εκπαίδευση μοντέλων", "θα διαγραφούν εντός ορισμένου χρονικού διαστήματος", "θα αποθηκευτούν σε μια συγκεκριμένη περιοχή".
Αντιγράψιμα πρότυπα
Διαγράψτε όλα τα προσωπικά και αναγνωριστικά στοιχεία (όνομα, ταυτότητα, τηλέφωνο, διεύθυνση, email, όνομα εταιρείας) από το παρακάτω κείμενο και αντικαταστήστε τα με [ROLE] ή [PLACEHOLDER]. Στη συνέχεια, εξαγάγετε το καθαρισμένο κείμενο. Κείμενο: [επικολλήστε εδώ]
Ξαναγράψτε αυτό το σενάριο με ένα εντελώς φανταστικό παράδειγμα, χωρίς να χρησιμοποιήσετε πληροφορίες πραγματικού προσώπου/ιδρύματος. Σενάριο: [επικολλήστε εδώ]
Φτιάξτε μου μια "λίστα ελέγχου απορρήτου πριν γράψετε στο AI": προσωπικά δεδομένα, εμπορικό μυστικό, δεδομένα πελατών και εσωτερικές εμπιστευτικές πληροφορίες.
Επανασχεδιάστε και καθορίστε τα απαραίτητα σύμβολα κράτησης θέσης που θα μου επιτρέψουν να ολοκληρώσω την ακόλουθη εργασία χωρίς να μοιράζομαι πραγματικά δεδομένα πελατών/εργαζομένων. Αποστολή: [αποστολή]
Κοινά λάθη
Συνήθη λάθη
- Επικόλληση πραγματικών προσωπικών δεδομένων. Όνομα, ταυτότητα, τηλέφωνο, διεύθυνση, υγεία, μισθός δεν περιλαμβάνονται στα δημόσια όργανα.
- Υποθέτοντας «δεν θα το δει κανείς έτσι κι αλλιώς». Τα δεδομένα μπορούν να αποθηκευτούν ή να χρησιμοποιηθούν στην εκπαίδευση. ο κίνδυνος πρέπει να αντιμετωπιστεί.
- Υποθέτοντας ότι το εργαλείο είναι εταιρικό. Εάν δεν είστε σίγουροι, ρωτήστε την ασφάλεια πληροφορικής/πληροφοριών. Δεν δίνουν όλα τα αυτοκίνητα την ίδια εγγύηση.
- Νομίζοντας ότι το ανέβασμα στιγμιότυπων οθόνης/αρχείων είναι "ασφαλές". Τα προσωπικά δεδομένα σε μια εικόνα ή ένα έγγραφο είναι επίσης προσωπικά δεδομένα.
- Παράκαμψη της ανωνυμοποίησης. Οι περισσότερες εργασίες μπορούν να γίνουν χωρίς πληροφορίες αναγνώρισης.
Προσοχή: Λόγω του KVKK/GDPR, το απόρρητο δεν είναι επιλογή "καλύτερη αν συμβεί", αλλά υποχρεωτικός κανόνας για συμμόρφωση. Η μεταφορά προσωπικών δεδομένων σε εργαλείο τρίτου μέρους χωρίς άδεια ενδέχεται να επιφέρει διοικητικά πρόστιμα.
Συνοπτικά
- Τα δεδομένα που πληκτρολογείτε σε ένα δημόσιο εργαλείο AI μπορεί να είναι εκτός ελέγχου. Ενεργήστε με την αρχή του «δεδομένα που φεύγουν από την πόρτα δεν επιστρέφουν».
- Προσωπικά δεδομένα, εμπορικά μυστικά, εσωτερικές εμπιστευτικές πληροφορίες και δεδομένα πελατών δεν πρέπει να εγγράφονται σε δημόσια διαθέσιμα εργαλεία.
- Μπορείτε να κάνετε με ασφάλεια την ίδια δουλειά αφαιρώντας πληροφορίες ταυτοποίησης με ανωνυμοποίηση.
- Τα εταιρικά εργαλεία ενδέχεται να προσφέρουν συμβατικές εγγυήσεις απορρήτου. Να είστε πολύ προσεκτικοί στα δημόσια οχήματα.
- Η εμπιστευτικότητα είναι νομική υποχρέωση που οφείλεται στο KVKK/GDPR. Εάν δεν είστε βέβαιοι, συμβουλευτείτε την ομάδα ασφάλειας πληροφορικής/πληροφοριών.
Εργασία εφαρμογής
Ελέγξτε τα στοιχεία που γράψατε (ή σκεφτήκατε να γράψετε) σχετικά με την τεχνητή νοημοσύνη την τελευταία εβδομάδα. Περιέχουν προσωπικά ή εμπιστευτικά δεδομένα; Μετατρέψτε ένα σε μια ασφαλή ανώνυμη έκδοση με το πρότυπο "εκκαθάριση" παραπάνω και δείτε τη διαφορά.
Λίστα ελέγχου
- [ ] Γνωρίζω ποιοι τύποι δεδομένων δεν μπορούν να εγγραφούν σε δημόσια εργαλεία.
- [ ] Μπορώ να εφαρμόσω τις έννοιες των προσωπικών δεδομένων και των εμπορικών μυστικών στην πράξη.
- [ ] Μπορώ να κάνω μια εργασία ασφαλή ανωνυμοποιώντας την.
- [ ] Γνωρίζω τη διαφορά στο απόρρητο μεταξύ εταιρικών και δημόσιων εργαλείων.
- [ ] Όταν δεν είμαι σίγουρος, συμβουλεύομαι την ομάδα ασφάλειας IT/πληροφοριών.