Yksityisyys, tietoturva ja varmennustapa

Voitot:

• Kyky luokitella tiedot sen arkaluonteisuuden mukaan (julkinen/sisäinen/luottamuksellinen/kriittinen) ja anonymisoida luottamukselliset ja tärkeät tiedot paljastamatta niitä julkisille työkaluille
• Todentamisen kääntäminen refleksiksi ja tosiasioiden merkitseminen, lähteelle meneminen ja tekoälyn antaman lähteen avaamisen vaiheiden skaalaaminen riskin mukaan
• Kyky soveltaa läpinäkyvyyden, nimeämisen ja luottamuksellisuuden etiikkaa ymmärtämällä, että poistaminen ei ole suojaa ja että vastuuta ei voida katsoa medialle.

Tämän moduulin jokaisessa yksikössä toistui kaksi periaatetta: säilytä luottamuksellisuus ja tarkista jokainen tulos. Tämä yksikkö muuttaa nämä kaksi periaatetta yhdeksi systemaattiseksi kurinalaiseksi – koska tekoälyn käytön suurimmat riskit henkilökohtaisessa tuottavuudessa eivät ole nopeus tai laatu, vaan vuotanut data ja todentamaton valhe. Yksi virheellinen sähköposti voidaan korjata; Palvelimelle lähetettyä asiakastietoja ei voi noutaa. Itsevarmalla äänellä esitetty keksitty numero kumoaa päätöksen, jos sitä ei huomata. Siksi yksityisyys ja todennus ovat tehokkuuden perusta, joka rakennetaan alusta alkaen, eikä niitä "lisätä myöhemmin".

Ehdot. Henkilötiedot ovat tietoja, jotka tunnistavat henkilön – nimi, henkilötunnus, sähköpostiosoite, terveys, sijainti. KVKK/GDPR ovat lakeja, jotka säätelevät henkilötietojen suojaa (KVKK Turkissa, GDPR EU:ssa). Tietojen luokittelu tarkoittaa tietojen merkitsemistä sen arkaluonteisuuden mukaan (julkinen, sisäinen, luottamuksellinen). Anonymisointi tarkoittaa henkilökohtaisten osien poistamista tiedoista. Varmentaminen on lähdön tarkkuuden tarkistamista riippumattomalla lähteellä.

Yksityisyys: mitä liittää, mitä ei liittää

Kaikki, mitä kirjoitat tekoälytyökaluun, menee useimmissa tapauksissa palvelimelle ja tallennetaan johonkin palveluun tai sitä voidaan käyttää mallin kouluttamiseen. Joten peruskysymys on: oletko valmis antamaan nämä tiedot tuntemattomalle kolmannelle osapuolelle? Jos vastaus on ei, älä myöskään anna sitä tekoälylle.

Käytä yksinkertaista luokittelua:

luokkaa

esimerkki

Kuuluuko se tekoälyyn?

Kenraali

Julkaistut tiedot, luonnosteksti

ilmainen

sisätilat

Prosessimuistiinpano, yleinen kokouksen yhteenveto

Anonymisoimalla

salaisuus

Asiakastiedot, taloustiedot, strategia

Vain laitoksen hyväksymät ajoneuvot

kriittinen

Salasana, API-avain, sopimus, kunto

ei koskaan

Käytännön suojaukset: anonymisoi henkilötiedot (nimet "Henkilö A", yritys "Yritys X"); käytä oppilaitoksesi hyväksymää tekoälytyökalua (yritysversiot takaavat usein, että tietoja ei käytetä koulutuksessa); ja lue tekoälyn käyttökäytäntösi – muuten oletuksena varovaisuus.

Varoitus: "Poistin keskustelun, se on nyt turvallista" -oletus on väärä. Poistaminen poistaa sen käyttöliittymästä, mutta ei palauta tietuetta palvelimella tai koulutukseen liittyviä tietoja. Suojaus alkaa ennen liimausta; ei jälkeen.

Validointi: systemaattinen tapa

Tee vahvistuksesta refleksi "Teen sen, jos ajattelen sen" sijaan. Tässä on käytännön varmennusohje:

1. Merkitse faktat. Jokainen tulosteen nimi, päivämäärä, numero, lainaus, lainsäädäntö, vaatimus - nämä tarkistetaan.
2. Siirry lähteeseen. Vahvista jokainen tosiasia riippumattomalta, luotettavalta lähteeltä. Avaa tekoälyn antama lähde ja lue se; Onko se olemassa, sisältääkö se sitä tietoa?
3. Skaalaa riskin mukaan. Pieni hallinta alhaisen riskin sisäisessä muistissa; Korkean panoksen esityksen tai ulkoisen viestinnän täydellinen hallinta.
4. Hyväksy epävarma. Jos tekoäly sanoo "ei varma" tai tietoja ei voida vahvistaa, älä täytä tyhjää kohtaa valmistuksella; Jätä se "vahvistamattomaksi".

Keskeinen ero: Tekoälyn kielityöhön voi yleensä luottaa (sujuva lause, siisti rakenne, sopiva sävy). Älä koskaan sokeasti luota tekoälyn väitteisiin (tähän numeroon, tähän päivämäärään, tähän lähteeseen). Validointi erottaa nämä kaksi toisistaan.

Etiikka: läpinäkyvyys ja vastuullisuus

Tekoälyn käyttäminen tehokkuuden parantamiseen ei ole eettinen ongelma – mutta sen käyttö saattaa olla. Kolme periaatetta: Avoimuus – joissakin yhteyksissä (akateeminen työ, journalismi, virallinen asiakirja) saatat joutua ilmoittamaan, että käytät tekoälyä. Attribuutio — jonkun toisen idean vieminen tekoälyn kautta ja sen esittäminen omana on plagiointia, vaikka media muuttuisi. Vastuu – kaikki julkaisemasi on sinun vastuullasi; "AI kirjoitti sen" ei ole tekosyy.

Askel askeleelta: turvallinen tekoälyn työnkulun hallinta

1. Lajittele ennen liittämistä. Millä luokalla nämä tiedot ovat? Lopeta, jos se on salainen/kriittinen.
2. Anonymisoi. Poista henkilökohtaiset tavarat, jos se ei ole välttämätöntä.
3. Tuota ja merkitse tosiasiat. Tunnista tulosteen kohteet tarkistettavaksi.
4. Vahvista. Riski-asteikko, lähdepohjainen vahvistus.
5. Omista se. Retusoi omalla äänelläsi, ota vastuu.
6. Tunne merkkisi. Pidä kirjaa siitä, mitä olet liittänyt minne ja mikä työkalu tallentaa tiedot.

Neljä kopioitavaa suojaus-/todennusmallia

Anonymisoi seuraava teksti ennen kuin annat sen tekoälylle:- Muuta nimet muotoon "Henkilö A/B" ja yritysten nimiksi "Yritys"

Luettele kaikki tosiasiat, jotka on tarkistettava tässä tekoälytulosteessa: - Merkitse erillinen luettelomerkki jokaiselle nimelle, päivämäärälle, numerolle, tilastolle, lainaukselle ja väitteelle. - Kysy "miten varmistan?" jokaiselle. Ehdota (mikä lähde). – Merkitse vahvistamattomat/epäilyttävät. Tulos: """[liitä]"""

Vahvista seuraava väite antamasi lähteen mukaan: Väite: [numero/fakta].- Sisältyykö tämä väite todella mainitsemaasi lähteeseen?- Muussa tapauksessa sano "En voinut vahvistaa sitä tässä lähteessä", keksi se.- Jos et ole varma, älä puhu niin kuin olisit varma.

Tarkista, mitä tietosuojariskejä tässä tehtävässä on: Tehtävä: [Työ, jota aion tehdä tekoälyn parissa, millä tiedoilla].- Mihin tietoluokkaan se kuuluu (julkinen/sisäinen/luottamuksellinen/kriittinen)?- Pitäisikö sen mennä julkiseen tekoälytyökaluun vai ei?- Jos ei, mikä on turvallinen vaihtoehto?

Heikko kehote / Vahva kehote

Heikko: "Tee yhteenveto asiakkaan valitussähköpostista." (Se sisältää asiakkaan nimen, tilaustunnuksen, ehkä puhelimen - kaikki menee suoraan palvelimelle.)

Vahva: Anonymisoi ensin teksti ("Asiakas A, tilaus [tunnus piilotettu], valittaa tästä tuotteesta") ja sano sitten "yhteenveto tästä anonymisoidusta tekstistä". Sama tehokkuus, nolla henkilötietovuotoa. Ero ei ole lähdössä, vaan tulon ylläpidossa.

kolme minilaukkua

Tapaus 1 – Peruuttamaton vuoto. Työntekijä liitti koko asiakasluettelon (nimi, puhelinnumero, kulutus) yleiseen tekoälytyökaluun "segmentoidakseen heidät". Toimielin arvioi tämän KVKK:n rikkomiseksi; tiedot olivat nyt kolmannen osapuolen palvelimella, eikä niitä voitu hakea. Sama analyysi voitaisiin tehdä riskittömästi anonymisoidulla tiedolla tai yritystyökalulla.

Tapaus 2 – Se antaa varmennusrefleksin. Eräs toimittaja teki säännön tarkistaa tosiasiat jokaisen tekoälyn antaman tilaston ja lainauksen alkuperäisestä lähteestä ennen julkaisemista. Viikon aikana hän havaitsi, että kaksi viidestä tekoälyn antamasta "faktasta" oli väärennettyjä. Tämä refleksi esti mahdolliset väärät uutiset ja maineen menetyksen.

Tapaus 3 – tekosyy "AI kirjoitti sen" ei toiminut. Konsultti lähetti asiakkaalle tekoälyn luoman raportin vahvistamatta sitä; Siinä oleva väärä oikeudellinen väite vei asiakkaan harhaan. "Se tuli tekoälystä" -puolustus ei pitänyt vettä asiakkaan eikä sääntelijän kanssa; Vastuu oli konsultilla. Oppitunti: työkalu muuttuu, vastuu ei.

Yleisiä virheitä

• Luottamuksellisten/kriittisten tietojen liittäminen: Kallein ja peruuttamattomin virhe; luokittele ensin.
• "Poistin sen, olen turvassa" ajatteleminen: poistaminen ei peruuta palvelimen rekisteröintiä; suojaus ennen liittämistä.
• Sekoita tosiasia kieleen: Luota kieleen, varmista tosiasia – erota nämä kaksi.
• Tekoälyn antamaa lähdettä ei avata: Voi tuottaa väärennettyjä jälkiä; katso lähde.
• Työkalun syyllistäminen: "AI kirjoitti sen" ei ole tekosyy.
• Käytännön tuntematta jättäminen: Lue organisaation tekoälyn käyttökäytäntö; Muuten ole varovainen.

Vinkki: Anna itsellesi yksinkertainen henkilökohtainen sääntö: "En liitä mitään luottamuksellista tai kriittistä julkiseen tekoälytyökaluun; tarkistan jokaisen hahmon ja lähteen ennen sen lähettämistä." Tämä kahden lauseen sääntö leikkaa suurimman osan tämän moduulin riskeistä heti.

Yhteenvetona

• Suurimmat tekoälyriskit eivät ole nopeus tai laatu, vaan vuotanut data ja todentamaton epätarkkuus.
• Luokittele tiedot (julkinen/sisäinen/luottamuksellinen/kriittinen); Älä anna luottamuksellista ja kriittistä tietoa julkisille tekoälytyökaluille, vaan tee ne nimettömäksi.
• Poistaminen ei ole suojaa; Suojaus alkaa ennen liimaamista.
• Muuta todentaminen refleksiksi: merkitse faktat, mene lähteeseen, avaa tekoälyn lähde, skaalaa riskin mukaan.
• Luota tekoälyn kieleen, luota sen tosiasioihin; Vastuu ei ole ajoneuvolla, se on aina sinun.

Sovellustehtävä

Ota todellinen teksti, jonka annat tekoälylle tällä viikolla. Neljännen mallin avulla määritä ensin yksityisyysluokka; Jos on luottamuksellisia tietoja, tee ne anonymisoiduksi ensimmäisen mallin avulla. Kun olet saanut tekoälytulosteen, pyydä toista mallia listaamaan tarkistettavat tosiasiat ja vahvista vähintään yksi niistä alkuperäisessä lähteessä. Kirjoita itsellesi kahden lauseen yksityisyyden vahvistussääntö ja lähetä se jonnekin.

tarkistuslista

• [ ] Luokittelin tiedot ennen niiden liittämistä.
• [ ] En toimittanut luottamuksellisia/kriittisiä tietoja julkiselle tekoälytyökalulle; Tein sen tarvittaessa nimettömäksi.
• [ ] Tarkistin jokaisen tulosteen tosiasian (nimi, päivämäärä, numero, lähde).
• [ ] Avasin tekoälyn antaman lähteen ja tarkistin sisältääkö se sen todella.
• [ ] Varmistin, että tunsin yrityksen tekoälypolitiikan.
• [ ] Otin vastuun lopputuloksesta.