Voitot:
- Anonymisointi ja tarpeellisuuden arviointi ennen asiakkaan arkaluonteisten ja taloudellisten tietojen luovuttamista tekoälytyökaluille
- Kyky erottaa yritysten ja julkisten tekoälytyökalujen väliset erot yksityisyyden, tietojen säilyttämisen ja käytön opetuksessa
- Kyky hallita tietomurron, säilytysajan ja kolmannen osapuolen jakamisen riskejä KVKK:n puitteissa
Vakuutusala on yksi arkaluontoisten tietojen kanssa työskentelevistä ammateista. Vakuutustiedosto; Se voi sisältää henkilötiedot, osoitteen, tulot, pankkitilin, sairaushistorian, vahinkotiedot, rekisterikilven, omistusoikeuden ja jopa perhetietoja. Jotkut näistä tiedoista ovat korkeimman suojan alaisia "erityisluonteisina henkilötietoina" KVKK:ssa (henkilötietojen suojalaki); Terveys-, biometriset ja vastaavat tiedot ovat tyypillisiä esimerkkejä tästä. Näiden tietojen hallitsematon jakaminen tekoälytyökaluja (erityisesti pilvipohjaisia) käytettäessä on vakava murtumisriski ja luottamuksen menettäminen. Kun tietoja on vuotanut, niitä ei voi hakea. Tässä osiossa opit anonymisoimaan asiakastiedot (poistamaan henkilökohtaisia tunnistetietoja) ennen niiden luovuttamista tekoälylle, yritys- ja julkisten työkalujen välisiä yksityisyyden eroja sekä hallitsemaan tietomurron, varastoinnin ja kolmansien osapuolien jakamisen riskejä KVKK:n puitteissa. Tämä yksikkö ei ole juridista neuvontaa; Selittää yleiset periaatteet, ota yhteyttä vaatimustenmukaisuus-/lakiosastoon erityistapauksessa.
Miksi yksityisyys on tärkeää: tietotyypit
Vakuutuksissa tiedot on erotettava suojatason mukaan:
- Henkilötiedot: Nimi, sukunimi, TR-tunnus, syntymäaika, yhteystiedot. Se tunnistaa henkilön suoraan.
- Taloustiedot: Tulot, pankkitili, maksuhistoria. Henkilökohtainen ja herkkä.
- Erityislaatuiset tiedot: Terveys, biometriset tiedot. Korkein suojaus; Käsittelyyn vaaditaan tiukemmat ehdot (nimenomainen suostumus tai lakisääteinen poikkeus).
- Tiedoston tiedot: Vakuutusnumero, rekisterikilpi, omistusoikeuskirja, vahinkotiedot. Yhdessä muiden kanssa se voi paljastaa identiteetin.
Suurin vaara on tunnistettavuus, joka syntyy, kun yhdistät nämä tiedot. Vaikka "45-vuotias nainen" on anonyymi, "45-vuotias nainen + tietty rekisterikilpi + tietty osoite" voi paljastaa henkilöllisyyden.
Huomio: "Poista" sanominen sen jälkeen, kun tieto on annettu tekoälytyökalulle, ei itse asiassa poista sitä. Jotkut työkalut tallentavat syötteen ja käyttävät sitä jopa mallin kouluttamiseen. Sääntö: älä koskaan lähetä arkaluontoisia tietoja; Anonymisointi tapahtuu ennen lähettämistä.
Anonymisointi: miten se tehdään
Anonymisointi tarkoittaa tunnistettavien tietojen poistamista ja korvaamista asiallisilla vastaavilla; Tavoitteena on tehdä henkilöstä tunnistamattomaksi ja säilyttää tulosten laatu. Hyvä anonymisointi:
- Poistaa nimen, TR-tunnuksen, puhelinnumeron, osoitteen, vakuutusnumeron, rekisterikilven ja omistusoikeustiedot.
- Hän korvaa ne analyyttisesti merkityksellisellä vastineella: "45-vuotias, mies, vakuutus, Keski-Anatolia, yksipuolinen törmäys".
- Siinä vältetään harvinaisia/erottelevia yhdistelmiä: hyvin erityinen ammatti + hyvin pieni paikka, joka yksin voi avata identiteetin.
- Säilyttää lääketieteellisen/teknisen merkityksen: kuten "täydentävä terveys, suunniteltu ortopedinen leikkaus".
Vinkki: Anonymisoinnin jälkeen kysy itseltäsi: "Jos tuntematon lukisi tämän tekstin, voisiko hän löytää henkilön?" Jos vastaus on kyllä, yleistä lisää. Erityisen harvinaiset yhdistelmät (pienpiiri + tietty tapahtuma) ovat vaarallisia.
Yritys vs julkiset työkalut
Kaikilla tekoälytyökaluilla ei ole samaa tietosuojatasoa. Ne eroavat kolmesta ulottuvuudesta:
- Tietojen säilyttäminen: Säilyttääkö se syötteen ja kuinka kauan?
- Käyttö koulutuksessa: Käyttääkö se syötettä mallin kouluttamiseen?
- Sijainti ja sopimus: Missä tietoja käsitellään, onko yrityksen tietojenkäsittelysopimusta?
Instituutiot (laitoksen sopimusperusteiset, tietojenkäsittelytakuut) tarjoavat usein rajoituksia tietojen käyttämättä jättämiselle ja säilyttämiselle koulutuksessa. Julkiset, ilmaiset työkalut voivat tallentaa syötteen ja käyttää sitä koulutuksessa. Sääntö: arkaluonteisia tietoja käsitellään vain laitoksen hyväksymillä, sovituilla tavoilla ja mahdollisimman anonymisoidussa muodossa. Asiakastietojen syöttäminen ei-hyväksyttyyn työkaluun tekee tietojenkäsittelijästä auditoimattoman.
Askel askeleelta: Työskentele turvallisesti luottamuksellisten tietojen kanssa
- Luokittele tiedot. Identiteetti / taloudellinen / erikoislaatu / tiedostotiedot.
- Tarpeellisuustesti. Ovatko nämä tiedot todella tarpeellisia tähän tehtävään? Jos ei, älä käytä sitä.
- Anonymisoi. Poista tunnisteet, korvaa tosiasialliset vastineet, yleistä harvinaiset yhdistelmät.
- Valitse ajoneuvo. Vain viraston hyväksymät, sopimuksen tehneet ajoneuvot; Julkisella työkalulla ei ole arkaluonteisia tietoja.
- Työskentele minimitiedoilla. Jaa tehtävään tarvittavat vähimmäistiedot.
- Hallinnoi tallennustilaa ja jakamista. Missä tallennat tuotoksen, kenen kanssa jaat sen; Noudata KVKK:n säilytysaikaa ja kolmannen osapuolen sääntöjä. Jätä jälkesi.
kolme minilaukkua
Tapaus 1 – arkaluonteisten tietojen suojaaminen. Korvausasiantuntija halusi kysyä tekoälyltä monimutkaista sairausvakuutustiedostoa. Vakuutetun nimen, henkilötunnuksen ja diagnoosin kirjoittamisen sijaan hän loi anonyymin kontekstin, kuten "52-vuotias, nainen, täydentävä terveyspolitiikka, suunniteltu sydänläppäleikkaus, kiistanalainen summa". Tuotoksen laatu ei ole heikentynyt; Yksityiset tiedot eivät menneet mihinkään pilveen. Terveystiedot ovat korkeimman suojan alaisia; tämä tapa esti rikkomuksen.
Tapaus 2 – Harvinainen yhdistelmäloukku. "38-vuotias, nainen, ainoa farmaseutti [hyvin pienessä läänissä], ammatillinen vastuupolitiikka", eräs asiantuntija kirjoitti. Vaikka tämä ei teknisesti sisältänyt nimeä, se paljasti suoraan hänen henkilöllisyytensä, koska hän oli alueen ainoa apteekki. Asiantuntija huomasi tämän ja yleisti sen "pientaloksi, terveydenhuollon ammattiksi". Anonymisointi ei ole vain nimen poistamista, vaan se tuhoaa tunnistettavuuden.
Tapaus 3 — Väärä työkaluvalinta. Nopeuden vuoksi työntekijä lataa asiakkaan vaatimuksen erittelyn ilmaiseen julkiseen työkaluun. Tiimikäytäntö astuu voimaan: asiakastietoja käsitellään vain laitoksen hyväksymässä, sopimuksen mukaisessa työkalussa. Työntekijä anonymisoi tiedot ensin ja suoritti ne sitten hyväksytyssä työkalussa. Jos käytettäisiin ei-hyväksyttyä työkalua, riski tiedon tallentamisesta ja koulutuksessa käytöstä olisi hallitsematon.
Neljä kopioitavaa kehotetta
1) Anonymisointiavustaja:
Poista seuraavasta tekstistä kaikki henkilö- ja tunnistetiedot: nimi, sukunimi, henkilöllisyystodistus, syntymäaika, puhelin, osoite, vakuutusnumero, rekisterikilpi, omistusoikeustodistus, IBAN. Korvaa ne tosiasiallisella vastineella, jolla on analyyttinen merkitys (esim. "45-vuotias, mies, vakuutus, yksipuolinen törmäys"). Yleistä harvinaiset/erottelevat yhdistelmät (pieni paikka + erikoisammatti). Säilytä lääketieteellinen/tekninen merkitys.Teksti: [liitä]
2) Tunnistettavuuden tarkistus:
Tarkista tunnistettavaksi seuraava anonymisoitu teksti: [teksti]Kysy: Löytääkö tuntematon henkilö tällä tekstillä? Onko olemassa harvinainen yhdistelmä (pieni tilitys + tietty ammatti/tapahtuma), ainutlaatuinen päivämäärä tai määrä? Korosta jokainen riskialtis kohta ja ehdota kuinka yleistää turvallisemmin.
3) Tietovaatimus ja luokitus:
Luokittele ja testaa seuraavaan tehtävään tarvittavat tiedot:Tehtävä: [kuvaus] Käytössäni olevat tiedot: [lista]Jokaiselle tiedolle: tyyppi (identiteetti/talous/erityis/tiedosto), vaaditaanko tätä tehtävää varten (kyllä/ei), tarvittaessa miten sitä käytetään nimettömänä.Merkitse tarpeettomat tiedot "älä käytä".
4) Ajoneuvon valinnan tarkistuslista:
Luo tarkistuslista ennen kuin käytät tekoälytyökalua vakuutustietojen kanssa. Sisällytä kysymyksiä: Onko ajoneuvo laitoksen hyväksymä? Onko olemassa tietojenkäsittelysopimus? Tallentaako/käyttääkö se syötteitä koulutuksessa? Missä tietoja käsitellään? Mille tietotyypeille se sopii/ei sovellu? Riittääkö anonymisointi?
Heikko kehote / Vahva kehote
Heikko: "Arvioi asiakkaan Ahmet Yılmazin tiedosto (TC 123..., lääkärinlausunto liitteenä)."
Ongelma: Henkilöllisyys- ja arkaluonteiset (terveys)tiedot jaetaan suoraan; suuri KVKK-rikkomuksen riski.
Vahva: "Ajattele seuraavaa anonymisoitua kontekstia: ikä 52, nainen, täydentävä terveyspolitiikka, suunniteltu leikkaus, kiistanalainen määrä. Ei tunnistetietoja."
Miksi se on hyvä: Analyyttinen merkitys säilyy, identiteettiä ja arkaluonteisia tietoja ei paljasteta.
vertailukaavio
Tietotyyppi
Suojaustaso
Käyttö tekoälyssä
Nimi/TC/yhteyshenkilö
korkea
Poista, aseta vastaava
Rahoitus (tulo/IBAN)
korkea
Poista/yleistä
Terveys/erikoispätevyys
korkein
Ei koskaan raaka; anonyymi + hyväksytty ajoneuvo
Vakuutusnumero/kilpi/omistuskirja
keskikorkea
Poista; yksin on riskialtista
Aggregaatti/tilastot
alhainen
Saatavilla (jos ei yhteyttä)
Yleisiä virheitä
- Raakojen henkilö-/terveystietojen liittäminen. Yleisin ja vakavin rikkomus.
- Ajattele, että pelkkä nimen poistaminen riittää. Harvinaiset yhdistelmät voivat silti paljastaa henkilöllisyyden.
- Luotetaan sanomiseen "poista myöhemmin". Työkalu saattaa tallentaa/käyttää tietoja harjoittelussa.
- Hyväksymätön/julkinen ajo. Hallitsematon tietojenkäsittely.
- Ei hallitse tallennustilaa ja jakamista. Rajoittamaton tulosteen tallennus, hallitsematon jakaminen kolmansien osapuolten kanssa.
Yhteenvetona
Vakuutustiedot ovat erittäin arkaluonteisia; Erityistiedot, kuten terveys, ovat KVKK:n korkeimman suojan alaisia. Luokittele, haasta ja anonymisoi tiedot ennen kuin annat ne tekoälylle: poista tunnisteet, ota käyttöön tosiseikkoja, yleistä harvinaisia yhdistelmiä. Käsittele arkaluontoisia tietoja vain laitoksen hyväksymillä, sopimustyökaluilla ja vähimmäismäärässä. Hallitse tallennusaikaa ja kolmannen osapuolen jakamista KVKK:n puitteissa ja jätä jälki. Ota yhteyttä sääntöjen noudattamiseen/lakiin tietyssä tapauksessa; Vuotanutta tietoa ei voi hakea.
Sovellustehtävä
Hanki todellinen vahinko/viiteteksti (testaustarkoituksiin). Tee nimettömäksi kehotteessa 1 ja tarkista sitten tunnistus kehotteessa 2: onko tekstissä vielä harvinaisia yhdistelmiä, jotka voisivat paljastaa henkilön? Yleistä jokainen löytämäsi riski. Arvioi myös käyttämäsi tekoälytyökalu tarkistuslistan numero 4 kanssa: sopiiko se arkaluontoisille tiedoille?
tarkistuslista
- [ ] Luokittelin tiedot niiden tyyppien mukaan.
- [ ] Käytin tarpeellisuustestiä; En käyttänyt tarpeettomia tietoja.
- [ ] Poistin tunnisteet ja korvasin ne tosiasiallisilla vastaavilla.
- [ ] Yleistin harvinaisia/erottelevia yhdistelmiä.
- [ ] Tein tunnistettavuuden tarkistuksen.
- [ ] Käytin vain yrityksen hyväksymiä, sopimuksen mukaisia ajoneuvoja.
- [ ] Hallinnoin tallennustilaa ja kolmansien osapuolien jakamista KVKK:n mukaisesti; Jätin jäljen.