Asiakastiedot ja tietosuoja: KVKK, VUK Luottamuksellisuus ja suojatut työkalut

Voitot:

• Kyky luokitella veronmaksajia ja taloudellisia tietoja KVKK:n ja veromenettelylain salassapitovelvollisuuden puitteissa ja määrittää suojan taso
• Kyky soveltaa anonymisointia, peittämistä ja turvallisten/instituutiotyökalujen valintavaiheita ennen tietojen luovuttamista tekoälylle
• Kyky oppia välttämään valvomatonta ajamista tietäen yksityisyyden loukkausten lailliset, rikolliset ja ammatilliset seuraukset.

Ammattilainen näkee veronmaksajan intiimimmän tiedon: liikevaihdon, voiton, pankkiliikkeet, työntekijöiden palkat, TR-tunnukset, sopimukset, kumppanuusrakenteet. Näitä tietoja suojaa kaksi erillistä oikeudellista kerrosta: KVKK (henkilötietosuojalaki, henkilötietojen luvattoman käsittelyn kieltävä laki) ja veromenettelylain mukainen luottamuksellisuusvelvollisuus (ammattilaisen velvollisuus pitää luottamuksellisina saamansa tiedot velvollisuutensa vuoksi). Tekoälyn aikakaudella tämä suoja kohtaa uuden uhan: arkaluonteisten tietojen kiinnittäminen hallitsemattomaan työkaluun. Tämän yksikön periaate on yksittäinen: tiedot suojataan ennen tekoälyyn syöttämistä; Valvomattomaan ajoneuvoon ei pääse arkaluonteisia tietoja.

Kaksikerroksinen suojaus ja miksi se pitäisi ottaa vakavasti

• KVKK-kerros: Kaikki oikeille henkilöille kuuluvat tiedot (nimi, TR-tunnus, palkka, yhteystiedot) ovat henkilötietoja. Luvaton käsittely, siirto ja riittämätön suojaus johtavat hallinnollisiin sakkoihin ja korvauksiin.
• VUK-salaisuuskerros: Ammattilainen ei saa jakaa veronmaksajien taloussalaisuuksia kolmansille osapuolille. Rikkomuksella on sekä rikosoikeudellisia että ammatillisia (kurinpidollisia) seurauksia.

Julkisesti saatavilla olevaan tekoälytyökaluun liitetty koesaldo tai palkkasumma voidaan katsoa "siirretyksi kolmannelle osapuolelle". Usein jää epäselväksi, miten työkalu tallentaa tiedot ja käytetäänkö sitä koulutuksessa. Pelkästään tämä epävarmuus on riittävä riski.

Huomio: Ajatus "kukaan ei näe sitä joka tapauksessa" ei ole oikeudellinen puolustus. Kun tiedot joutuvat hallitsemattomaan järjestelmään, ne eivät ole sinun hallinnassasi. Yksityisyyden loukkaus ei ole vaarallinen sen mahdollisuuden vuoksi, että se tapahtuu, vaan koska se on peruuttamaton, kun se tapahtuu.

Ennen tietojen luovuttamista tekoälylle: suojausvaiheet

1. Luokittele. Ovatko hallussasi olevat tiedot henkilökohtaisia, taloudellisia salaisia ​​vai julkisia? Määritä suojaustaso vastaavasti.
2. Kysymys tarpeellisuudesta. Onko todella tarpeen antaa nämä tiedot mallille, vai voidaanko tehtävä tehdä anonyymeillä/yhteenvetotiedoilla?
3. Anonymisoi/naamio. Heidän nimensä ovat K1, K2; yritykset Ş1, Ş2; Korvaa TR-tunnus ja tilinumerot maskilla. Yleistä ainutlaatuisia yksityiskohtia, jotka tarjoavat epäsuoran diagnoosin.
4. Valitse turvallinen ajoneuvo. Jos mahdollista, käytä yrityksen/hyväksyttyä työkalua, joka takaa tietojen säilyttämisen.
5. Pidä polku. Kirjaa ylös, mitä tietoja annoit millekin työkalulle ja millä suojauksella.

Tietotyyppi

esimerkki

suojelua koskeva lähestymistapa

henkilöllisyystiedot

Nimi, TR-tunnus

Maski/anonymisoi; älä koskaan anna raakana

taloudellinen salaisuus

Liikevaihto, voitto, pankki

Tee yhteenveto/anonymisoi; yritysauto

suhdetiedot

kumppani, toimittaja

Yleistää; poista ainutlaatuiset yksityiskohdat

julkinen

ilmoitettu tase

voidaan käsitellä normaalisti

Miten anonymisointi tapahtuu käytännössä?

Anonymisointi tekee identiteetistä erottamattoman, mutta pitää tiedot hyödyllisinä. Sinulle esimerkiksi analysoidaan palkkalaskenta: laitat järjestysnumeron nimen ja TR-tunnuksen tilalle, palkkajaon analysointi ei häiriinny, mutta ketään ei voida tunnistaa. Kriittinen kohta on epäsuora diagnoosi: ilmaukset, kuten "ainoa naispuolinen toimitusjohtaja" tai "ainoa 92-vuotias 35 hengen seurassa" antavat henkilön pois, vaikka poistaisit nimen; Nämä ovat myös yleistettyjä.

kolme minilaukkua

Tapaus 1 – Palkkasummavuoto. Harjoittelija lataa 3 500 henkilön palkkalistan (nimi, henkilökortti, palkka) ilmaiseen verkkotyökaluun ja sanoo "yhteenveto". Data on vaarassa sekoittua ajoneuvon arkistoon; Sekä KVKK- että VUK-luottamuksellisuusrikkomuksia esiintyy. Jos asiakas saa tietää, se on ohi. Oikea tapa oli käyttää yrityksen hyväksymää ajoneuvoa tai antaa palkanjako vain peittämällä nimesi/TR-tunnuksesi.

Tapaus 2 — Epäsuora diagnoosi. Konsultti antaa mallille luettelon, josta hän poistaa nimet, mutta jättää lauseen "yrityksen ainoa ulkomaalainen johtaja". Tämä lausunto antaa henkilön pois; Anonymisointi puuttuu. Oppitunti: ainutlaatuisia yksityiskohtia, jotka tarjoavat epäsuoran diagnoosin, tulisi myös yleistää.

Tapaus 3 – Hyvä käsittely. Ennen arkaluonteisten tietojen syöttämistä malliin toimisto käy läpi standardin anonymisointivaiheen: mallin avulla se muuntaa nimet, tunnukset ja tuotenimet koodeiksi ja analysoi sen sitten. Analyysin laatu ei heikkene, identiteettiä ei vuoda. Yksityisyys ja tehokkuus suojataan yhdessä.

Heikko kehote / Vahva kehote

Heikko kehote:

Tee yhteenveto seuraavasta palkkasummasta: [Ahmet Yılmaz, TC 123..., palkka 45 000; ...]

Raaka henkilötiedot saapuvat ajoneuvoon hallitsemattomasti; Se on suora rikkomus.

Tehokas kehotus:

Annan sinulle datajoukon. Käytä seuraavaa anonymisointia ENNEN käsittelyä ja näytä minulle myös anonymisoitu versio:- Tee henkilönimet K1, K2... - Poista TR-tunnus ja tilinumerot kokonaan.- Tee yritysten/tuotemerkkien nimet T1, K2.... Yleistä yksilölliset tiedot, jotka voisivat epäsuorasti tunnistaa henkilön. Työskentele sitten vain nimettömässä versiossa.[DATA (naamioitu niin paljon kuin mahdollista): ...]

Huomautus: On turvallisinta olla syöttämättä raakoja henkilötietoja ollenkaan; Jos astut sisään, sinun on oltava naamioituna ja turvallisessa ajoneuvossa.

Tietoja tietojen luokittelusta:

Luokittele jokainen seuraavista kentistä: ovatko ne henkilötietoja, onko se taloussalaisuus, onko se julkista? Kirjoita suositeltu suojaustaso kullekin. Kentät: [kenttien nimet, esimerkki RETURN]

Anonymisointimallin luominen:

Tuota tavallinen anonymisoinnin tarkistuslista, jota käyttäisin palkanlaskennan/kokeilusaldoanalyysissä: mitkä kentät tulisi peittää, mitkä jättää pois, mitä minun pitäisi etsiä epäsuoraa diagnoosia varten?

Ajoneuvon turvallisuusarviointia varten:

Mitä kysymyksiä minun tulee kysyä, kun arvioin, sopiiko tekoälytyökalu arkaluontoisille veronmaksajien tiedoille (tietojen säilyttäminen, käyttö koulutuksessa, yrityssopimus, sijainti)? Luo tarkistuslista.

Yleisiä virheitä

• Raaka henkilötietojen syöttäminen. Älä koskaan astu ajoneuvoon ilman nimen/TR-tunnuksen vahvistusta.
• Epäsuoran diagnoosin ohittaminen. Yksilöllinen yksityiskohta paljastaa henkilöllisyyden, vaikka nimi poistetaan.
• Ei kysele ajoneuvojen turvallisuudesta. Arkaluonteisia tietoja ei anneta tietämättä, kuinka työkalu tallentaa tiedot.
• Ei kyseenalaista tarvetta. Jos tehtävä voidaan tehdä anonyymeillä/yhteenvetotiedoilla, raakadataa ei anneta ollenkaan.
• Ei seuraa. Jos ei tallenneta, mitkä tiedot on annettu missä, rikkomusta ei voida jäljittää.

Yhteenvetona

Veronmaksajien tiedot suojataan kahdessa kerroksessa sekä KVKK:n että VUK:n salassapitovelvoitteilla, ja suurin uusi riski tekoälyn aikakaudella on arkaluonteisten tietojen kiinnittäminen hallitsemattomaan työkaluun. Ennen kuin tiedot syötetään malliin, se luokitellaan, sen tarpeellisuus kyseenalaistetaan, tunnisteet, kuten nimi/TR ID, peitetään ja epäsuoran diagnoosin antavat yksityiskohdat yleistetään; Jos mahdollista, käytetään vain turvallista, tietojen säilyttämisen taattua yritystyökalua. Yksityisyyden loukkaus on peruuttamaton vahinko; Turvallisimmat tiedot ovat tietoja, joita ei koskaan syötetä.

Sovellustehtävä

Ota käteesi tyypillinen arkaluontoinen tiedosto (esim. palkkalaskelma tai koesaldo). Luokittele ensin heidän alansa (henkilökohtainen/taloudellinen salaisuus/julkinen). Käytä sitten anonymisointimallia: luettele, mitkä alueet peität, mitkä poistat ja mitä etsit epäsuoraan tunnistamiseen. Lopuksi arvioi käyttämäsi/käytettävän tekoälytyökalun turvallisuussoveltuvuus tarkistuslistan avulla.

tarkistuslista

• [ ] Olen luokitellut tiedot henkilö-/taloussalaisuudeksi/julkiseksi.
• [ ] Kysyin, oliko raakatietojen toimittaminen todella tarpeen.
• [ ] Peittelin/poistin nimen, TR-tunnuksen ja tilinumerot.
• [ ] Olen yleistänyt ainutlaatuisia yksityiskohtia, jotka tarjoavat epäsuoran diagnoosin.
• [ ] Olen käyttänyt vain turvallisia/yritystyökaluja, joilla on tietojen säilytystakuu.
• [ ] Arvioin työkalun tietopolitiikan (tallennus, koulutus).
• [ ] Kirjasin jäljeksi mitkä tiedot annoin minne.