עיבוד נתונים, אחסון, מזעור ואנונימיזציה

רווחים:

• החל שיקולי AI בכל שלב של מחזור החיים של הנתונים
• הגדר תקופות שמירה וכלול היסטוריות צ'אט של AI במדיניות ההרס
• החלת ההבדל בין אנונימיזציה לפסאודונימיזציה

החלק ה"אחרי" של הנתונים הוא המקום שבו קצין הגנת מידע מתעלם לעתים קרובות. לאחר הזנת טקסט ל-AI, נראה שהעבודה הושלמה; עם זאת, הנתונים האלה מאוחסנים איפשהו, אולי משמשים בהכשרת מודלים, אולי הם מצטברים בהיסטוריית הצ'אט במשך חודשים. ביחידה זו, נדון במחזור החיים של נתונים אישיים צעד אחר צעד; נלמד על תקופות שמירה, הרס של היסטוריות צ'אט של AI, והבחנה בין שתי טכניקות קריטיות - אנונימיזציה ופסאודונימיזציה. המטרה היא לנהל נתונים לאורך כל חייו, לא רק כשהם מוזנים.

מחזור חיים של נתונים ובינה מלאכותית

נתונים אישיים עוברים מחזור חיים; לכל שלב יש נקודות תשומת לב ספציפיות לבינה מלאכותית.

במה

מה קורה?

נקודת תשומת לב בינה מלאכותית

אוסף

מתקבלים נתונים

האם המטרה והבסיס ברורים? האם זה הצטמצם?

שימוש/עיבוד

נכנס ל-AI, מעובד

האם נעשה מיסוך? רכב מאושר?

אחסון

הנתונים נשמרים

כמה זמן נמשכת היסטוריית הצ'אט?

העברה

הולך למישהו אחר

שרת בינלאומי? האם יש ביטחון מתאים?

הרס

מחיקה/אנונימיזציה

האם הוא נמחק לאחר השלמת המטרה? האם כלולים חלפים?

שני השלבים המוזנחים ביותר הם אחסון וסילוק. הנתונים "נשכחים" וממשיכים להצטבר במערכת - מה שגם מפר את עקרון ה-KVKK וגם מגדיל את הנזק במקרה של הפרה.

זמן אחסון: כמה זמן אתה יכול לשמור אותו?

עקרון השמירה של KVKK ברור: לא ניתן לשמור נתונים אישיים יותר מהנדרש למטרה שלשמה הם מעובדים. כאשר המטרה אינה זמינה עוד, יש למחוק, להרוס או להפוך את הנתונים לאנונימיים. המוסד מכין מדיניות אחסון וסילוק; קובע כמה לשמור עבור כל קטגוריה של נתונים.

נקודה קריטית ספציפית לבינה מלאכותית: היסטוריית צ'אט בינה מלאכותית הן גם נתונים מאוחסנים. אם עובד הזין נתוני לקוחות לאותו צ'אט במשך חודשים, ההיסטוריה הזו הופכת למאגר נתונים. בשביל זה:

• הגדר את הגדרות שמירת הנתונים בכלי AI ארגוניים (מחיקה אוטומטית של היסטוריה אם אפשר או כבה את השימוש בהדרכת מודלים).
• כלול היסטוריית צ'אט בלוח הזמנים של ההרס שלך.
• ודא את האפשרות "אל תשתמש בהדרכה למודל" (ביטול הסכמה) בחוזה הארגוני.

שימו לב: מחיקת נתונים היא לא רק הסרה מהמסך. יש לשקול גם גיבויים, יומנים ועותקים בשרת של הספק. כשאתה אומר "נמחק", ודא שמה שמחקת באמת בלתי ניתן לתיקון.

אנונימיזציה או פסבדוניזציה?

שני מונחים אלה מתבלבלים לעתים קרובות, אך ההשלכות המשפטיות שלהם מנוגדות בתכלית.

• אנונימיזציה: הפיכת נתונים כך שלא ניתן לשייך אותם לאדם בשום אופן. אם נעשה בצורה נכונה, התוצאה אינה עוד נתונים אישיים והיא נופלת מחוץ לתחום של KVKK. דוגמה: מחיקת שורות בודדות במערך נתונים של 10,000 אנשים והשארת נתונים סטטיסטיים מצטברים בלבד כגון "הוצאה ממוצעת בקבוצת הגיל 25-34 באיסטנבול".
• פסאודונימיזציה: פרטי זהות מוחלפים בקוד/תג, אך ניתן להחזיר לאדם עם "מפתח". דוגמה: כתיבת "Customer-4471" במקום "Ahmet Yılmaz", אך שמירה על טבלה שמראה איזה קוד שייך למי. עדיין מדובר בנתונים אישיים ונופלים בגדר KVKK.

תכונה

אנונימיזציה

פסבדונימיזציה

האם ניתן להחזיר את האדם?

לא (אם נעשה נכון)

כן, עם המפתח

האם זה עדיין נתונים אישיים?

לא

כן

היקף KVKK

בחוץ

ב

כדי להיכנס ל-AI

הדרך הבטוחה ביותר

שוב, נדרש בסיס/כלל

טיפ: "האם זה הפיך?" לפני הזנת נתונים ל-AI. לִשְׁאוֹל. אם יש בו מפתח/התאמה, מדובר בנתונים בדויים ועדיין נתונים אישיים. אנונימיזציה אמיתית היא שיתוף התוצאה המצטברת, לא שורות בודדות.

שלושה מיני תיקים

מקרה 1 - אנונימיות מזויפת. חברת בריאות נותנת לבינה מלאכותית סט נתונים שלדבריה היא "עברה אנונימי" לצורך ניתוח. אבל הסט כולל תאריך לידה, מחוז ואבחון נדיר; השלישייה הזו עשויה להצביע על אדם בודד במחוז קטן. זו אינה אנונימיזציה; הנתונים עדיין אישיים. הדרך הנכונה: המרת תאריך לידה לטווח גילאים, הכללה לפי מחוז, קיבוץ אבחנות נדירות - כלומר צבירה אמיתית.

מקרה 2 - שיחה מצטברת. במוקד טלפוני, 6 סוכנים מכניסים נתוני לקוחות לאותו חשבון AI ארגוני למשך 4 חודשים. אף אחד לא מנקה את העבר; בסופו של דבר הצטברו יותר מ-12,000 אינטראקציות עם לקוחות במקום אחד. בביקורת, הצטברות זו מסומנת כסיכון גדול. פתרון: הגדרה למחיקת ההיסטוריה אוטומטית כל 30 יום, כלל להתנתק בסיום העבודה וסעיף פתוח למדיניות השמירה.

מקרה 3 - פסאודונימיזציה נכונה. בעת ניתוח ביצועי עובדים עם AI, צוות משאבי אנוש מקודד שמות כמו "Employee-001" ושומר את טבלת ההתאמה בקובץ נפרד, מוגבל לגישה. זוהי פסבדונימיזציה; הנתונים עדיין אישיים, אך הסיכון מופחת. הצוות מודע לכך שלא מדובר בעילום שם וקובע בהתאם את הבסיס החוקי שלו ואת תקופת השמירה שלו.

תבניות הניתנות להעתקה

תבנית 1 — שורת מדיניות שמירה והשמדה: "הצע קו מדיניות שמירה-הרס עבור קטגוריית הנתונים הבאה: [קטגוריה]. שדות: תקופת שמירה (מוצדקת על ידי מטרה), שיטת הרס (מחיקה/השמדה/אנונימיזציה), האם כלולה היסטוריית צ'אט בינה מלאכותית, תפקיד אחראי. זכור אם יש חובת שמירה חוקית."

תבנית 2 - בדיקת אנונימיזציה: "הערך אם מערך הנתונים הבא הוא אנונימי באמת: [שדות רשימת]. אילו שילובים של שדות יכולים להפוך אדם לזיהוי מחדש (למשל תאריך לידה + מיקוד + תכונה נדירה)? הצע הכללה עבור כל שדה סיכון (כגון טווח גילאים, רמת מחוז) כדי לחזק את האנונימיות."

תבנית 3 — מיסוך + הפרדת מפתח: "שם בדוי הטקסט הבא: מקודד נתונים אישיים (כמו [שם]->K001), אבל תן לי טבלה תואמת בנפרד. אל תשאיר זהות אמיתית בטקסט עצמו. שימו לב שהטבלה התואמת היא 'נתונים אישיים' ויש לאחסן אותה בנפרד."

תבנית 4 - ביקורת אחסון נתונים של כלי בינה מלאכותית: "הכן רשימה של שאלות לביקורת התנהגות אחסון הנתונים של כלי הבינה המלאכותית שאנו משתמשים בו: כמה זמן נשמרת ההיסטוריה, האם ניתן למחוק אותה, האם משתמשים בה באימוני מודלים, האם יש ביטול, איפה הנתונים מעובדים, מהם הגיבויים? כתוב את התשובה ה'מאובטחת' הצפויה לכל שאלה."

הנחיה חלשה / הנחיה חזקה

WEAK: "הפוך את הנתונים האלה לאנונימיים." (מקודד ומשאיר את השמות)-> רק כינויים; נותרו סיכוני זיהוי מחדש, כגון תאריך לידה, תכונה נדירה; זה יוצר אשליה של "אנונימי". GÜÇLÜ: "מצא שילובים של שדות בקבוצה הזו שיכולים לזהות מחדש את האדם; הכליל כל אחד מהם (טווח גילאים, רמת מחוז). המטרה שלי היא לא שיא בודד, אלא סטטיסטיקה מצטברת. כתוצאה מכך, לא ניתן להבחין באף אחד כאדם בודד ולאמת זאת". -> המודל נוטה לאנונימיזציה אמיתית, ומפחית את הסיכון לזיהוי מחדש.

טעויות נפוצות

• טעות בפסבדונימיזציה לאנונימיזציה; שוכחים שזה נשאר נתונים אישיים.
• מחיקת שמות והשארת צירופים תיאוריים כמו תאריך לידה + מיקום + תכונה נדירה.
• לא להכפיף את היסטוריית הצ'אט של AI לכלל שמירה/הרס; להצטבר ללא הגבלת זמן.
• אי הקפדה על סעיף "אל תשתמש בהכשרת מודלים" (ביטול הסכמה) בחוזה.
• כשאני אומר מחיקה, אני מתכוון פשוט לנקות את המסך ולשכוח מגיבויים ויומנים.
• שמירה על תקופת האחסון ארוכה יותר עבור "למקרה" ולא למטרה.
• התעלמות מכך שההעברה והאחסון מתבצעים גם בשרת של הספק.

לסיכום

• נתונים אישיים עוברים מחזור חיים; השלבים המוזנחים ביותר הם אחסון וסילוק.
• אין לשמור נתונים למשך זמן רב מהנדרש למטרה; על המוסד לקבוע מדיניות אחסון והשמדה.
• היסטוריית צ'אט בינה מלאכותית הן גם נתונים מאוחסנים; יש לכלול בלוח הזמנים לסילוק ובהגדרות האחסון.
• אנונימיזציה מוציאה את הנתונים מ-KVKK; פסאודונימיזציה עדיין משאירה את הנתונים אישיים.
• מחיקת שם אינה אנונימיזציה; יש להכליל את כל השילובים הנמצאים בסיכון לזיהוי מחדש.

משימת יישום

בחר קטגוריה של נתונים שהארגון שלך מעבד עם AI (לדוגמה, רשומות תמיכת לקוחות). כתוב שורת מדיניות שמירה והרס עבור קטגוריה זו: תקופת שמירה (מוצדקת), שיטת ההרס, האם כלולה היסטוריית צ'אט בינה מלאכותית ותפקיד אחראי. לאחר מכן קח רשומה לדוגמא מאותם נתונים ותחילה עשה אותו בדוי (שמור את טבלת ההתאמה נפרדת), לאחר מכן כתוב אילו שדות תכליל וכיצד להביא את הרשומה הזו לאנונימיזציה אמיתית. לבסוף, הכינו חמש שאלות השולטות בהתנהגות אחסון הנתונים של כלי הבינה המלאכותית שבה אתם משתמשים והוסיפו לכל אחת את התשובה ה"מאובטחת" לה אתם מצפים.

רשימת בדיקה

• [ ] קבעתי את תקופת השמירה ושיטת ההשמדה עבור קטגוריית הנתונים.
• [ ] כללתי את היסטוריית הצ'אט של AI בלוח הזמנים של ההשמדה.
• [ ] בדקתי את פריט ביטול ההסכמה "אל תשתמש בהכשרת מודלים".
• [ ] יישמתי את ההבדל בין פסאודונימיזציה לאנונימיזציה.
• [ ] יש לי שילובי שדות כלליים שנמצאים בסיכון לזיהוי מחדש.
• [ ] כללתי גם גיבויים ויומנים בהיקף המחיקה.
• [ ] ביקרתי את התנהגות אחסון הנתונים של כלי הבינה המלאכותית.