רווחים:
- יכולת להבחין בנתונים שגורמים לאישה ההרה לזיהוי ישיר או עקיף ולבטל את הזיהוי לפני מסירתם לבינה מלאכותית
- יכולת ליישם מזעור נתונים ולרכוש הרגל להשתמש רק בכלים מאושרים על ידי מוסד במסגרת KVKK
- 'האם ניתן למצוא את האדם הזה מהטקסט הזה?' יכולת לנהל את הסיכון של זיהוי מחדש על ידי יישום הבדיקה
מיילדות היא מקצוע שנוגע במידע הפרטי ביותר של אנשים: איך מתרחש הריון, הריונות בעבר, הפלות, אובדנים, מערכות יחסים, מצב נפשי, בריאות מינית. כאשר המידע הזה נופל לידיים הלא נכונות, הוא גורם לנזק בלתי הפיך - משבר ביתי, סטיגמה חברתית, אובדן אמון. לכן, חיסיון אינו "כלל נוסף" במיילדות, אלא יסוד המקצוע. ברגע שאתה מציג בינה מלאכותית לעסק שלך, נפתח גבול חדש של פרטיות: כל דבר שתקליד לעוזר צ'אט עלול להיות מחוץ לשליטתך. יחידה זו מלמדת אותך מקצה לקצה כיצד להגן על נתונים בהריון בעת שימוש בבינה מלאכותית - במיוחד במסגרת KVKK (חוק הגנת נתונים אישיים; החוק המסדיר את עיבוד הנתונים האישיים בטורקיה).
העיקרון הבסיסי הוא במשפט אחד: כל מידע שהופך אישה בהריון לזיהוי לא צריך להיכנס לכלי בינה מלאכותית. לימוד כלל זה עדיפות על כל שאר המיומנויות במודול; כי לאחר שדלפו נתונים לא ניתן לאחזר.
שים לב: הטקסט שאתה מקליד בכלי AI עובר לשרתים של אותו שירות; ניתן לאחסן, לעבד, ובמקרים מסוימים להשתמש בו לאימון מודלים. אמירת "רק רציתי תקציר" לא מחזירה את הנתונים. הדרך הבטוחה היחידה היא לעולם לא להקליד את האישור מלכתחילה.
מה זה נתונים אישיים, איזה מידע הופך אותם לזיהויים?
נתונים אישיים הם כל מידע שהופך אדם לזיהוי במישרין או בעקיפין. במיילדות אלו בעיקר בקטגוריה המיוחדת (כמו נתוני בריאות שזוכים להגנה הגבוהה ביותר בחוק). שקול את המידע המספק הכרה בשתי קבוצות:
מזהים ישירים: שם-שם משפחה, מספר תעודת זהות TR, מספר קובץ/פרוטוקול, טלפון, כתובת, דואר אלקטרוני, תאריך לידה, חשבון מדיה חברתית, תמונה.
מתארים עקיפים (משולבים כדי שניתן יהיה לזהות אותו): "הריון שלישייה יחיד בשכונה ההיא", "בת ה-44 היחידה במוסד בהריון ראשון", מחלה נדירה + יישוב קטן, מקום עבודה + גיל הריון. כמה פרטים שנראים תמימים בפני עצמם יכולים להצביע על אדם כאשר הם מביאים יחדיו. זה נקרא סיכון זיהוי מחדש.
ביטול זיהוי הוא תהליך הסרת המזהים הללו מהטקסט. ביטול זיהוי שנעשה היטב מנקה מזהים ישירים ועקיפים כאחד.
שלב אחר שלב: ביטול זיהוי לפני מתן נתונים לבינה מלאכותית
- מחק מזהים ישירים: שם, מזהה, מספר טלפון, מספר קובץ, כתובת, תאריך - הסר את כולם. החלף אותו בהכללות כגון "בהריון A", "בסביבות גיל 38", "טרימסטר שני".
- טשטוש רמזים עקיפים: הפוך גיל מדויק לטווח (למשל "שנות ה-40 המוקדמות"), מיקום מדויק לאזור, שילובים נדירים לכלל.
- זרוק פרטים מיותרים: תן את המידע המינימלי הדרוש כדי שה-AI יבצע את עבודתו (מזעור נתונים). היסטוריה של אישה בהריון אינה חייבת לכתוב כרטיס הנקה.
- בדוק את מדיניות המוסד: חלק מהמוסדות מגדירים כלי AI מאושרים/מוסדיים; עשויה לאסור על הכנסת נתוני מטופל לכלים אישיים/חינם. פעל לפי כלל המוסד שלך.
- קריאה אחרונה: לפני שליחת ההנחיה "האם ניתן למצוא אדם זה מהטקסט הזה?" קרא את זה פעם נוספת.
הקשה ביותר מבין חמשת השלבים הללו הוא השני - טשטוש רמזים עקיפים - כי מחיקת מזהים ישירים היא קלה ועולה בראשכם בראש, אבל רוב ההכרה מגיעה למעשה משילוב של פרטים עקיפים. השילוב של מקצוע, גיל, מקום מגורים ומצב נדיר יכול לצמצם אדם לאדם בודד, גם אם לא נזכר שם. לכן, אין לחשוב על ביטול זיהוי כ"מחיקת שמות" אלא כ"הבטחה שאף אחד שקורא את הטקסט הזה לא יוכל לנחש את האדם". מסגרת נפשית זו מפחיתה באופן קיצוני את הסיכון להזדהות מחדש.
רמז: בדיקה טובה: אם תראה את הטקסט ללא זיהוי לעמית שמכיר את אותה אישה בהריון, האם היא הייתה אומרת "זה כך וכך"? אם הוא יכול להגיד את זה, זה אומר שלא זיהית אותו מספיק.
שלושה מיני תיקים
מקרה 1 - הכרה עקיפה: כאשר ביקשה מה-AI סיכום היסטוריה, מיילדת השמיטה את תעודת הזהות אך השאירה את המשפט "ההריון הרביעייה היחיד בעיר שלנו". המשפט היחיד הזה מצביע ישירות על האדם במקום הקטן הזה. עמיתו מבחין ומזהיר; המיילדת מכליל את הביטוי כ"הריון מרובה עוברים". לקח: מזהים עקיפים מסוכנים בדיוק כמו מזהים ישירים.
מקרה 2 - מזעור נתונים: מיילדת שנייה נוהגת להדביק את כל הקובץ של האישה ההרה ב-AI במקום רק להדפיס חוברת "תזונה להריון". זה עומד: לא נדרשים נתונים אישיים עבור החוברת. הוא לוקח את החוברת בלי למסור את התיק, רק כותב את הנושא. הנתונים המאובטחים ביותר הם נתונים שלעולם אינם משותפים.
מקרה 3 - כלי שגוי: בדוגמה השלישית, מיילדת עומדת להקליד פרטי מטופל באפליקציה אקראית בטלפון האישי שלה כשהיא זוכרת את המדיניות המוסדית: ניתן לעבד נתוני מטופל רק בביטול זיהוי ובאמצעות כלים שאושרו על ידי המוסד. לא משתמש באפליקציה האישית. דליפת נתונים נובעת לרוב מרגע כזה של "נוחות" ולא מטעות טכנית.
תבניות הניתנות להעתקה
תפקיד: אתה עוזר בקרת ביטול הזיהוי. משימה: סמן כל ביטוי בטקסט למטה שיכול לזהות אדם במישרין או בעקיפין:- ישיר: שם, תעודה מזהה, טלפון, כתובת, מספר תיק, תאריך מדויק, תמונה.- עקיף: שילוב נדיר, מקום קטן + מצב מיוחד, גיל מדויק, מקום עבודה, איכות ייחודית/ייחודית. הצע [טקסט] בטוח יותר עבור כל טקסט GENERALIZATION.
תפקיד: אתה יועץ למזער נתונים. משימה: אני רוצה לעשות את העבודה הזו: [עבודה]. מהו המידע המינימלי שעלי לתת לך כדי לעשות זאת? סמן מידע מיותר על המטופל כ"[אל תספק]".
תפקיד: אתה עוזר הסיכום המאובטח. משימה: סכם את הסיפור המזוהה למטה. אם אתה רואה מידע זיהוי בטקסט, אל תסכם; במקום זאת כתוב "זיהיתי אישורים, אנא נקה ושלח שוב." סיפור: [סיפור]
רשימת תזכורות למדיניות מוסדית (שאלו את עצמכם):- האם הכלי הזה מאושר על ידי המוסד שלי?- האם יש מידע אישי מזהה בנתונים שהזנתי?- האם המידע הזה באמת נחוץ לעבודה זו?- האם מישהו שאני מכיר יכול למצוא את האדם אם הוא קורא את הטקסט?- האם אוסיף פרטי זיהוי בעת שמירת הפלט?
הנחיה חלשה / הנחיה חזקה
חלש: "איישה י', בת 39, הריון שלישי, בבית החולים הבא, תיק מספר 4412; סכם את ההיסטוריה שלה".
הנחיה זו מלאה במזהים ישירים; נתונים פרטיים דלפו ברגע שהם נשלחו.
חזק:
תפקיד: עוזר סיכום מאובטח. סכמו את ההיסטוריה האנונימית הבאה. "בהיריון A, סוף שנות ה-30, הריון שלישי, [פרטים רפואיים קשורים אנונימיים]". אם אתה רואה מידע מזהה בטקסט, אל תסכם, הזהיר.
הבדל: אין מזהים ישירים/עקיפים בגרסה החזקה; יש רק ההקשר חסר הזהות הדרוש כדי לעשות את העבודה. האבטחה מתחילה לפני כתיבת ההנחיה.
מה לשתף ומה לא לשתף
סוג מידע
האם זה נופל ל-AI?
אלטרנטיבה
שם, מזהה TR, טלפון, כתובת, מספר קובץ
לעולם לא
"בהריון א'"
גיל מדויק / תאריך מדויק
לא
טווח גילאים/טרימסטר
שילוב מקום נדיר + קטן
לא
להכליל
הקשר רפואי כללי (אנונימי)
כן, אם צריך
החל מזעור נתונים
תמונה/תמונה
לא (פנים/סימן)
לא הכרחי
רכב לא מאושר על ידי המוסד
אין נתוני מטופל
רכב מאושר
טעויות נפוצות
- רק מחיקת השם והשארת רמזים עקיפים: הסיכון לזיהוי מחדש נותר בעינו.
- הדבקת הקובץ כולו מטעמי "נוחות": מפרה את עקרון מזער הנתונים.
- הזנת נתוני מטופל למכשירים אישיים/לא מאושרים: ייתכן שהדבר נוגד את המדיניות המוסדית ו-KVKK.
- שיתוף תמונה/צילום מסך: הפנים, השם ומספר הקובץ בתמונה יכולים להישאר חסויים.
- הוספת מזהה תוך שמירת הפלט: הוספת מזהה לפלט שמגיע ללא מזהה מחזירה את הסיכון.
- בהנחה ש"זה יימחק בכל מקרה": אתה לא יודע מה הנתונים; הערבות היחידה היא לא לשלוח כלום בכלל.
לסיכום
בעת שימוש בבינה מלאכותית, פרטיות היא תנאי מוקדם, לא טכניות. כל מידע שהופך אישה בהריון לזיהוי ישירות (שם, תעודה מזהה, טלפון) או בעקיפין (שילוב נדיר + מיקום קטן) לא צריך להיכנס לכלי AI. תרגל מזעור נתונים - ספק את המידע המינימלי הדרוש לביצוע העבודה - והשתמש רק בכלים שאושרו על ידי הארגון שלך. מבלי לשלוח את ההנחיה "האם ניתן למצוא אדם זה מהטקסט הזה?" לעשות את הבדיקה. לאחר דליפה, לא ניתן לאחזר נתונים; לכן, האבטחה מתחילה לפני כתיבת ההנחיה.
משימת יישום
קח היסטוריית הריון אמיתית (על הנייר) ותנקה את הטקסט שלב אחר שלב באמצעות תבנית הזיהוי: תחילה מזהים ישירים ואחר כך עקיפים. הצג את הטקסט המאושר לעמית ושאל "מי זה יכול להיות?" לִשְׁאוֹל; אם אתה יכול לזהות את זה, הכלל את זה עוד יותר. מצא גם את מדיניות הבינה המלאכותית/נתונים של המוסד שלך, תסכם אותה במשפט אחד ושימו לב אילו כלים מאושרים.
רשימת בדיקה
- [ ] הסרתי את כל המזהים הישירים (שם, מזהה, טלפון, כתובת, מספר קובץ).
- [ ] הכללתי מתארים עקיפים (שילוב נדיר, מיקום קטן, גיל מדויק).
- [ ] סיפקתי רק את המידע המינימלי הדרוש לביצוע העבודה.
- [ ] השתמשתי רק בכלי שאושר על ידי המוסד שלי.
- [ ] "האם ניתן למצוא את האדם הזה מהטקסט הזה?" עשיתי את הבדיקה.
- [ ] לא הוספתי אישורים לפלט לאחר מכן.