Kasu:
- Võimalus klassifitseerida maksumaksja ja finantsandmeid KVKK ja maksumenetluse seaduse konfidentsiaalsuskohustuse raames ning määrata kaitsetase
- Võimalus rakendada enne tehisintellektile andmete andmist anonüümseks muutmise, maskeerimise ja ohutu/institutsionaalse tööriista valimise samme
- Võimalus omandada harjumus vältida järelevalveta juhtimist, teades eraelu puutumatuse rikkumiste õiguslikke, kriminaalseid ja ametialaseid tagajärgi.
Professionaal näeb maksumaksja kõige intiimsemat infot: käive, kasum, pangaliikumised, töötajate palgad, TR ID numbrid, lepingud, partnerlusstruktuurid. Seda teavet kaitsevad kaks eraldiseisvat õiguskihti: KVKK (isikuandmete kaitse seadus, isikuandmete volitamata töötlemise keeld) ja maksumenetluse seadusest tulenev konfidentsiaalsuskohustus (professionaali kohustus hoida konfidentsiaalsena teavet, mida ta oma töökohustusest tulenevalt saab teada). Tehisintellekti ajastul seisab see kaitse silmitsi uue ohuga: tundlike andmete kleepimine kontrollimatusse tööriista. Selle üksuse põhimõte on üks: andmed on kaitstud enne tehisintellekti sisestamist; Järelevalveta sõidukisse ei sisene tundlikke andmeid.
Kahekihiline kaitse ja miks seda tõsiselt võtta
- KVKK kiht: Kogu reaalsetele isikutele kuuluv info (nimi, TR ID, töötasu, kontakt) on isikuandmed. Volitamata töötlemine, edastamine ja ebapiisav kaitse toob kaasa haldustrahvid ja hüvitised.
- VUK konfidentsiaalsuskiht: professionaal ei saa jagada maksumaksja finantssaladusi kolmandate isikutega. Rikkumisel on nii kriminaalsed kui ka ametialased (distsiplinaarsed) tagajärjed.
Avalikult kättesaadavasse tehisintellekti tööriista kleebitud proovisaldo või palgaarvestus võidakse lugeda „kolmandale osapoolele ülekantuks”. Tihti jääb arusaamatuks, kuidas tööriist andmeid salvestab ja kas seda treeningutel kasutatakse. Ainuüksi see ebakindlus on piisav risk.
Tähelepanu: Mõte, et "keegi ei näe seda niikuinii" ei ole juriidiline kaitse. Kui andmed sisenevad kontrollimatusse süsteemi, on see teie kontrolli alt väljas. Privaatsuse rikkumine ei ole ohtlik mitte selle esinemise võimaluse tõttu, vaid seetõttu, et see on korduv pöördumatu.
Enne tehisintellektile andmete edastamist: kaitsemeetmed
- Klassifitseerida. Kas teie käsutuses olevad andmed on isiklikud, finantssaladused või avalikud? Määrake kaitsetase vastavalt.
- Küsimuse vajalikkus. Kas need andmed on tõesti vaja mudelile anda või saab ülesannet teha anonüümsete/kokkuvõtlike andmetega?
- Anonüümseks muutmine/maskeerimine. Nende nimed on K1, K2; ettevõtted Ş1, Ş2; Asendage TR ID ja kontonumbrid maskiga. Üldistage ainulaadseid üksikasju, mis annavad kaudse diagnoosi.
- Valige turvaline sõiduk. Võimalusel kasutage ettevõtte/tunnustatud tööriista, mis tagab andmete säilitamise.
- Hoidke jälge. Pange kirja, millised andmed millisele tööriistale andsite ja millise kaitsega.
Andmetüüp
näide
konservatiivne lähenemine
isikuandmed
Nimi, TR ID
Mask/anonüümseks muutmine; ära anna kunagi toorelt
rahaline saladus
Käive, kasum, pank
Tee kokkuvõte/anonüümseks; ettevõtte sõiduk
suhteandmed
partner, tarnija
Üldistama; unikaalsete detailide eemaldamine
avalik
deklareeritud bilanss
saab normaalselt töödelda
Kuidas anonüümseks muutmine praktikas toimub?
Anonüümseks muutmine muudab identiteedi eristamatuks, säilitades samal ajal andmed kasulikuks. Näiteks lasete analüüsida palgaarvestust: paned nime ja TR ID asemele järjekorranumbri, palgajaotuse analüüs ei häiri, aga kedagi tuvastada ei saa. Kriitiline punkt on kaudne diagnoos: väljendid nagu "ainus naispeadirektor" või "ainuke 92-aastane 35-liikmelises seltskonnas" annavad inimese ära isegi siis, kui nime kustutad; Need on ka üldistatud.
kolm minikarpi
Juhtum 1 – palgaleke. Praktikant laeb tasuta veebitööriista 3500 inimese palgalehe (nimi, ID-kaart, palk) ja ütleb "kokkuvõte". On oht, et andmed segatakse sõiduki hoidlasse; Esineb nii KVKK kui VUK konfidentsiaalsuse rikkumisi. Kui klient sellest teada saab, on see läbi. Õige viis oli kasutada ettevõtte heakskiidetud sõidukit või anda palgajaotus ainult oma nime/TR-ID varjates.
Juhtum 2 – kaudne diagnoos. Konsultant annab mudelile nimekirja, milles ta kustutab nimed, kuid jätab fraasi "ettevõtte ainus välisriigi juht". See väide annab inimese ära; Anonüümseks muutmine puudub. Õppetund: unikaalseid üksikasju, mis annavad kaudse diagnoosi, tuleks samuti üldistada.
Juhtum 3 – hea käsitsemine. Enne tundlike andmete mudelisse sisestamist läbib kontor standardse anonüümseks muutmise etapi: malli kasutades teisendab see nimed, ID-d ja brändinimed koodideks ning seejärel analüüsib. Analüüsi kvaliteet ei lange, identiteeti ei leki. Privaatsus ja tõhusus on kaitstud koos.
Nõrk viip / Tugev viip
Nõrk viip:
Tehke kokkuvõte järgmisest palgafondist: [Ahmet Yılmaz, TC 123..., palk 45 000; ...]
Töötlemata isikuandmed sisenevad sõidukisse kontrollimatult; See on otsene rikkumine.
Võimas viip:
Ma annan teile andmekogumi. ENNE töötlemist rakendage järgmine anonüümseks muutmine ja näidake mulle ka anonüümseks muudetud versiooni:- Tehke isikunimed K1, K2... - Eemaldage täielikult TR ID ja kontonumbrid.- Tehke ettevõtte/kaubamärgi nimed T1, K2.... Üldistage unikaalsed andmed, mis võiksid isikut kaudselt tuvastada. Seejärel töötage ainult anonüümse versiooniga.[ANDMED (võimalikult palju maskeeritud): ...]
Märkus. Kõige kindlam on tooreid isikuandmeid üldse mitte sisestada; Kui sisenete, peate olema maskides ja turvalises sõidukis.
Andmete klassifitseerimise abi saamiseks:
Liigitage kõik järgmised väljad: kas need on isikuandmed, kas see on finantssaladus, kas see on avalik? Kirjutage iga jaoks soovitatav kaitsetase. Väljad: [väljanimed, näidis RETURN]
Anonüümseks muutmise malli loomiseks tehke järgmist.
Koostage standardne anonüümseks muutmise kontroll-loend, mida kasutaksin palgaarvestuse/proovibilansi analüüsis: millised väljad tuleks maskeerida, millised välja jätta, mida peaksin kaudse diagnoosi jaoks otsima?
Sõiduki ohutuse hindamiseks:
Milliseid küsimusi peaksin küsima, kui hinnata, kas tehisintellekti tööriist sobib maksumaksja tundlike andmete jaoks (andmete säilitamine, kasutamine hariduses, ettevõtteleping, asukoht)? Looge kontrollnimekiri.
Levinud vead
- Toores isikuandmete sisestamine. Ärge kunagi sisenege sõidukisse ilma nime/TR-ID kontrollimiseta.
- Kaudse diagnoosi vahelejätmine. Ainulaadne detail annab identiteedi ära isegi siis, kui nimi kustutatakse.
- Ei küsi sõiduki ohutuse kohta. Tundlikke andmeid ei anta, kui pole teada, kuidas tööriist andmeid salvestab.
- Ei sea vajalikkust kahtluse alla. Kui ülesannet saab teha anonüümsete/kokkuvõtlike andmetega, siis algandmeid üldse ei anta.
- Ei jälgi. Kui ei ole fikseeritud, millised andmed kuhu esitati, ei ole rikkumist võimalik jälgida.
Kokkuvõttes
Maksumaksja andmeid kaitsevad kahes kihis nii KVKK kui ka VUK konfidentsiaalsuskohustus ning tehisintellekti ajastu suurim uus risk on tundlike andmete kleepimine kontrollimatu tööriista külge. Enne andmete sisestamist mudelisse need salastatakse, seatakse kahtluse alla selle vajalikkus, maskeeritakse identifikaatorid, nagu nimi/TR ID, ning üldistatakse kaudse diagnoosi andvad detailid; Võimalusel kasutatakse ainult turvalist, andmete säilitamise garanteeritud ettevõtte tööriista. Privaatsuse rikkumine on pöördumatu kahju; Kõige turvalisemad andmed on andmed, mida kunagi ei sisestata.
Rakenduse ülesanne
Võtke oma pihku tüüpiline tundlik fail (nt palgaarvestus või proovisaldo). Esmalt klassifitseerige nende valdkonnad (isiklik/finantssaladus/avalik). Seejärel rakendage anonüümseks muutmise mall: loetlege, millised alad maskeerite, millised eemaldate ja mida kaudseks tuvastamiseks otsite. Lõpuks hinnake kasutatava/kasutatava tehisintellekti tööriista turvalisuse sobivust kontrollnimekirjaga.
kontrollnimekiri
- [ ] Olen liigitanud andmed isiku-/rahandussaladuse/avalikkuse alla.
- [ ] Küsisin, kas algandmete esitamine on tõesti vajalik.
- [ ] Maskeerisin/eemaldasin nime, TR ID ja kontonumbrid.
- [ ] Olen üldistanud ainulaadseid üksikasju, mis annavad kaudse diagnoosi.
- [ ] Olen kasutanud ainult turvalisi/ettevõtte tööriistu, millel on andmete säilitamise garantii.
- [ ] Hindasin tööriista andmepoliitikat (salvestus, koolitus).
- [ ] Panin jäljena kirja, millised andmed kuhu andsin.