लाभ:
- संवेदनशीलता वर्ग (सार्वजनिक / आंतरिक / गोपनीय / शीर्ष गुप्त) के अनुसार जानकारी का मूल्यांकन करने और 'पूछें वर्ग, उपकरण से मिलान करें' रिफ्लेक्स लागू करने की क्षमता
- एआई के डेटा भंडारण, मॉडल प्रशिक्षण, संग्रह और उल्लंघन जोखिमों को समझना और खुली और वर्गीकृत दुनिया को अलग रखना
- न्यूनतम डेटा सिद्धांत, व्यक्तिगत डेटा सुरक्षा और अनिश्चित जानकारी की सुरक्षा के अनुशासन को अपनाने की क्षमता जैसे कि यह एक उच्च श्रेणी थी।
कूटनीति विश्वास पर आधारित है, और विश्वास गोपनीयता पर आधारित है। एक बातचीत की स्थिति, एक खुफिया मूल्यांकन, एक वार्ताकार के साथ बातचीत की सामग्री, या एक अभी तक घोषित निर्णय, गलत हाथों में, किसी राज्य के हितों, बातचीत के परिणाम या यहां तक कि लोगों की सुरक्षा को खतरे में डाल सकता है। कृत्रिम बुद्धिमत्ता इस क्षेत्र में जबरदस्त गति लाती है, लेकिन इसमें नए और गंभीर गोपनीयता जोखिम भी होते हैं। इस इकाई में आप सीखेंगे कि कृत्रिम बुद्धिमत्ता के युग में वर्गीकृत और संवेदनशील जानकारी की सुरक्षा कैसे करें, कौन सा डेटा किस वाहन में प्रवेश कर सकता है, और सुरक्षित उपयोग का अनुशासन।
यह इकाई मॉड्यूल का सबसे महत्वपूर्ण सुरक्षा पाठ है। यहां एक गलती - एक गोपनीय दस्तावेज़ को गलत टूल में चिपकाना - अपरिवर्तनीय है। इसलिए, एक रिफ्लेक्स जिसे याद रखने की आवश्यकता है, उसे यहां स्थापित किया जाएगा: एआई टूल को कोई भी डेटा देने से पहले, हमेशा पूछें: यह डेटा किस क्लास में है और क्या यह टूल इस क्लास के लिए स्वीकृत है?
सूचना वर्गीकरण: बुनियादी भेद
राजनयिक जानकारी को अक्सर उसकी संवेदनशीलता के अनुसार वर्गीकृत किया जाता है। हालाँकि यह हर संस्थान में अलग-अलग होता है, लेकिन मूल तर्क यह है:
- अवर्गीकृत/सार्वजनिक: वह जानकारी जो पहले ही प्रकाशित हो चुकी है और सार्वजनिक रूप से पहुंच योग्य है। उदाहरण: आधिकारिक प्रेस विज्ञप्तियाँ, सार्वजनिक समाचार।
- प्रतिबंधित/आंतरिक: आंतरिक जानकारी जो सार्वजनिक रूप से उपलब्ध नहीं है लेकिन कम संवेदनशीलता वाली है।
- गोपनीय: ऐसी जानकारी जिसके प्रकटीकरण से राज्य के हितों को गंभीर नुकसान हो सकता है। उदाहरण: बातचीत की स्थिति, आंतरिक मूल्यांकन।
- अति गोपनीय: ऐसी जानकारी जिसके प्रकटीकरण से सबसे गंभीर हानि हो। उदाहरण: संवेदनशील खुफिया जानकारी, महत्वपूर्ण सुरक्षा जानकारी।
सामान्य नियम सरल है: कोई भी वर्गीकृत जानकारी जो सार्वजनिक रूप से उपलब्ध नहीं है, उसे एआई टूल में दर्ज नहीं किया जाएगा जिसे आपके संस्थान ने उस कक्षा के लिए अनुमोदित नहीं किया है। एक सार्वजनिक एआई सेवा, परिभाषा के अनुसार, इस वर्ग की जानकारी के लिए प्रमाणित नहीं है।
युक्ति: यदि आप अनिश्चित हैं, तो जानकारी को एक वरिष्ठ की तरह मानें। यह कहना कि "यह संभवतः पहले से ही ज्ञात है" एक खतरनाक अनुमान है। जब तक आप 100 प्रतिशत आश्वस्त न हो जाएं कि जानकारी सार्वजनिक है, इसे ऐसे सुरक्षित रखें जैसे कि यह गोपनीय हो। अनावश्यक सावधानी कोई कीमत नहीं है, यह एक आश्वासन है।
एआई के गोपनीयता जोखिम
एआई उपकरण पारंपरिक सॉफ्टवेयर की तुलना में अलग गोपनीयता जोखिम पैदा करते हैं:
1. डेटा प्रोसेसिंग और भंडारण: सार्वजनिक एआई सेवा पर आप जो पाठ लिखते हैं उसे उस सेवा के सर्वर पर संसाधित और संग्रहीत किया जा सकता है। आप यह नियंत्रित नहीं कर सकते कि इसे कौन एक्सेस करता है, इसे कितने समय तक रखा जाता है और इसका उपयोग कैसे किया जाता है।
2. मॉडल प्रशिक्षण में उपयोग: कुछ सेवाएँ मॉडल को बेहतर बनाने के लिए आपके द्वारा दर्ज किए गए डेटा का उपयोग कर सकती हैं। इससे यह जोखिम पैदा होता है कि आपकी गोपनीय जानकारी अप्रत्यक्ष रूप से मॉडल की "मेमोरी" में प्रवेश कर जाएगी और दूसरों को लीक हो जाएगी।
3. एकत्रीकरण जोखिम: जानकारी के टुकड़े जो व्यक्तिगत रूप से हानिरहित लगते हैं, संयुक्त होने पर एक संवेदनशील तस्वीर बना सकते हैं। अलग-अलग समय पर दर्ज की गई जानकारी के छोटे-छोटे टुकड़े सामूहिक रूप से एक गुप्त स्थिति बता सकते हैं।
4. पहुंच और उल्लंघन का जोखिम: किसी भी बाहरी प्रणाली की तरह, एआई सेवाएं डेटा उल्लंघन के अधीन हो सकती हैं। आपके द्वारा प्रदान किया गया डेटा उस उल्लंघन में उजागर हो सकता है।
इन जोखिमों का समाधान दो अलग-अलग दुनिया स्थापित करना है: ओपन सोर्स कार्य के लिए सामान्य उपकरण; केवल इन-हाउस, सुरक्षित, अनुमोदित सिस्टम जो वर्गीकृत कार्यों के लिए डेटा निर्यात नहीं करते हैं। दोनों को कभी न मिलाएं.
ध्यान दें: यह कहना कि "मैंने इसे गुमनाम बना दिया है" अक्सर पर्याप्त नहीं होता है। भले ही आप नाम हटा दें, संदर्भ (दिनांक, स्थान, घटना, पार्टियों की संख्या) किसी विशेषज्ञ के लिए पहचान और स्थिति को संशोधित करने के लिए पर्याप्त हो सकता है। वास्तविक संवेदनशील जानकारी को छिपाने से नहीं बल्कि उपकरणों और मीडिया के उचित चयन से सुरक्षित किया जाता है।
सुरक्षित उपयोग अनुशासन
एक व्यावहारिक नियंत्रण प्रवाह स्थापित करें:
- वर्ग निर्धारित करें. क्या यह डेटा सार्वजनिक, आंतरिक, गोपनीय या अति गुप्त है?
- वाहन को जोड़ो. क्या इस वर्ग को इस उपकरण में संसाधित किया जा सकता है? यदि नहीं तो रुकें.
- न्यूनतम डेटा नीति. यहां तक कि काम लायक नौकरी पर भी, काम के लिए आवश्यक जानकारी से अधिक जानकारी न दें।
- व्यक्तिगत डेटा को सुरक्षित रखें. व्यक्तिगत डेटा (नाम, संपर्क, स्थान) केवल आवश्यक होने पर और कानूनी आधार पर संसाधित किया जाता है; यदि अनावश्यक हो तो इसे छिपा दिया जाता है या दिया ही नहीं जाता।
- रिकार्ड रखें. आपने किस उपकरण का उपयोग किस कार्य के लिए किया, किस डेटा के साथ; अगर कोई समस्या है तो उसका पता लगाया जा सकता है.
युक्ति: अपनी टीम में "गोपनीयता पहले" संस्कृति स्थापित करें: एक नए क्लर्क या प्रशिक्षु को पहले दिन से ही "कोई गोपनीय दस्तावेज़ सार्वजनिक डोमेन में प्रवेश नहीं करना चाहिए" की भावना सीखनी चाहिए। अधिकांश उल्लंघन दुर्भावना से नहीं बल्कि यह न जानने से होते हैं कि वाहन कितना खुला है।
तीन मिनी मामले
केस 1 - रिफ्लेक्स ने उल्लंघन को रोका। एक विशेषज्ञ एक साक्षात्कार नोट का सारांश बताने ही वाला था कि वह रुका और उसका वर्गीकरण पूछा: यह नोट एक वार्ताकार के साथ एक गोपनीय बातचीत थी। सार्वजनिक उपकरण के बजाय इन-हाउस सुरक्षित प्रणाली पर स्विच किया गया। एक सरल "कक्षा पहले पूछें" रिफ्लेक्स ने उल्लंघन को रोका।
केस 2 - संग्रहण जोखिम की पहचान की गई। एक टीम अलग-अलग दिनों में जानकारी के छोटे, प्रतीत होने वाले "अहानिकर" टुकड़ों को एक बाहरी उपकरण में इनपुट करेगी। एक सुरक्षा समीक्षा से पता चला कि संयुक्त होने पर, इन टुकड़ों ने आगामी बातचीत का एजेंडा बता दिया। आवेदन रोक दिया गया है; कार्य को सुरक्षित वातावरण में ले जाया गया।
केस 3 - नकली गुमनामी। एक क्लर्क ने एक दस्तावेज़ को "गुमनाम" समझा क्योंकि उसने नाम हटा दिए थे और इसे बाहरी एजेंट को सौंप दिया था। हालाँकि, दस्तावेज़ में तारीख, स्थान और घटना के विवरण से यह स्पष्ट हो गया कि इसका आशय किससे था। नाम हटाना पर्याप्त नहीं था; वैसे भी दस्तावेज़ को सुरक्षित वातावरण में संसाधित किया जाना चाहिए था।
चार प्रतिलिपि योग्य टेम्पलेट
1) श्रेणी और वाहन की पूर्व जांच:
मैं नीचे काम का वर्णन करूंगा। मुझे बताएं (कार्य न करें): (1) इस डेटा में कौन सी संवेदनशीलता वर्ग हो सकता है (सार्वजनिक / आंतरिक / गुप्त / शीर्ष गुप्त), (2) क्या इस वर्ग को सार्वजनिक एआई उपकरण में संसाधित किया जाना चाहिए, (3) यदि नहीं, तो किस प्रकार के वातावरण की आवश्यकता है। नौकरी/डेटा विवरण: [यहां]
2) व्यक्तिगत डेटा स्कैनिंग और मास्किंग:
व्यक्तिगत/संवेदनशील डेटा (नाम, शीर्षक, संपर्क, स्थान, स्वास्थ्य, आईडी नंबर) को सूचीबद्ध करें जिसे नीचे दिए गए पाठ में संसाधित करने से पहले छुपाया जाना चाहिए। पाठ का प्रसंस्करण; बस मुझे बताएं कि किन क्षेत्रों को हटाने की जरूरत है। मैं मास्किंग करूंगा और पुनः भेजूंगा। पाठ: [यहाँ]
3) संग्रहण जोखिम मूल्यांकन:
मैं जानकारी के निम्नलिखित टुकड़ों को एक बाहरी टूल पर अलग से निर्यात करने पर विचार कर रहा हूं: [टुकड़े]। भले ही ये व्यक्तिगत रूप से हानिरहित लग सकते हैं, संयुक्त होने पर क्या वे एक संवेदनशील तस्वीर बना सकते हैं (उदाहरण के लिए एक स्थिति, एजेंडा, पहचान)? संग्रह के जोखिम का आकलन करें और बताएं कि कौन सी वस्तुएं एक साथ नहीं दी जानी चाहिए।
4) सार्वजनिक उपलब्धता की पुष्टि:
मुझे यकीन नहीं है कि निम्नलिखित जानकारी सार्वजनिक है: [सूचना]। सूचीबद्ध करें कि इसे सार्वजनिक मानने से पहले मुझे क्या सत्यापन करना होगा (क्या कोई आधिकारिक विज्ञप्ति है, इसे किसने प्रकाशित किया, तारीख)। यदि मैं अनिश्चित हूं, तो मुझे "गोपनीय मानें" सिद्धांत की याद दिलाएं।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
इस साक्षात्कार नोट को संक्षेप में प्रस्तुत करें। (छिपी हुई सामग्री सीधे नोट में चिपका दी जाती है)
यह सबसे खतरनाक गलती है: एक गोपनीय दस्तावेज़ सार्वजनिक माध्यम में बिना उसके वर्ग से पूछताछ किए प्रवेश कर गया है। रिसाव का जोखिम उत्पन्न हो गया है और इसे उलटा नहीं किया जा सकता।
शक्तिशाली संकेत (पहले जांचें):
मैं एक मीटिंग नोट संसाधित करना चाहता हूं. लेकिन पहले: यह नोट संभवतः गुप्त वर्ग में है। मुझे बताएं कि क्या इस प्रकार के दस्तावेज़ को सार्वजनिक टूल में संसाधित किया जा सकता है और सही तरीका क्या है? मैं दस्तावेज़ की सामग्री आपको नहीं दे रहा हूँ; मैं बस सही प्रक्रिया के बारे में पूछ रहा हूं।
अंतर स्पष्ट है: गोपनीय सामग्री बिल्कुल नहीं दी जाती है, पहले सही प्रक्रिया पूछी जाती है और कार्य को उचित वातावरण में निर्देशित किया जाता है।
क्लास-टू-व्हीकल मैपिंग टेबल
सूचना वर्ग
उदाहरण
सार्वजनिक ए.आई
सही वातावरण
सार्वजनिक
प्रेस विज्ञप्ति
उपयुक्त
सामान्य उपकरण
आंतरिक/सेवा विशिष्ट
आंतरिक नोट
आमतौर पर नहीं
इन-हाउस स्वीकृत
रहस्य
बातचीत की स्थिति
कभी नहीं
सुरक्षित संस्था प्रणाली
परम रहस्य
संवेदनशील बुद्धि
कभी नहीं
उच्चतम सुरक्षा
व्यक्तिगत डेटा
साख
केवल आवश्यक+कानूनी
नकाबपोश/सुरक्षित
सामान्य गलतियाँ
- कक्षा पूछे बिना डेटा दर्ज करना। प्रत्येक कार्य से पहले, "यह किस कक्षा में है?" बहुत जरूरी है.
- यह मानते हुए कि "यह शायद स्पष्ट है"। अनिश्चित जानकारी को गोपनीय मानकर सुरक्षित रखा जाता है।
- नाम हटाने को अनामीकरण समझ लेना। प्रसंग पहचान बता सकता है.
- संग्रह के जोखिम को नजरअंदाज करना. इकट्ठे होने पर छोटे हिस्से नाजुक हो सकते हैं।
- दो दुनियाओं का मिश्रण. खुली और वर्गीकृत नौकरियाँ अलग-अलग टूल/वातावरण में चलती हैं।
संक्षेप में
गोपनीयता राजनयिक एआई उपयोग की सबसे महत्वपूर्ण सीमा है। सूचना वर्गीकरण (सार्वजनिक/आंतरिक/गोपनीय/शीर्ष गुप्त), "पूछें वर्ग, मिलान वाहन" रिफ्लेक्स, न्यूनतम डेटा सिद्धांत, व्यक्तिगत डेटा सुरक्षा और संग्रह जोखिम को इस इकाई की रीढ़ के रूप में लें। ओपन सोर्स कार्य के लिए सामान्य उपकरण; वर्गीकृत कार्यों के लिए केवल घरेलू सुरक्षित, अनुमोदित प्रणालियों का उपयोग करें। दोनों को कभी भ्रमित न करें; संदेह होने पर एक वरिष्ठ की तरह जानकारी की रक्षा करें।
आवेदन कार्य
अपने स्वयं के (या काल्पनिक) डेस्क से डेटा के 8 अलग-अलग टुकड़े सूचीबद्ध करें (कुछ सार्वजनिक, कुछ संवेदनशील)। प्रत्येक को एक कक्षा में रखें और निर्णय लें कि "इसे किस उपकरण में संसाधित किया जा सकता है"। "क्लास और वाहन प्री-चेक" टेम्पलेट के साथ अस्पष्ट लोगों का मूल्यांकन करें। तीन टुकड़ों का चयन करें और जांच करें कि क्या वे "संग्रह जोखिम मूल्यांकन" के साथ संयुक्त होने पर एक संवेदनशील तस्वीर बनाते हैं।
चेकलिस्ट
- [ ] मैंने सबसे पहले प्रत्येक डेटा के लिए संवेदनशीलता वर्ग निर्धारित किया।
- मैंने कभी भी ऐसा डेटा दर्ज नहीं किया है जिसका [ ] वर्ग सार्वजनिक वाहन के लिए उपयुक्त नहीं है।
- [ ] मैंने एक वरिष्ठ की तरह उस जानकारी की रक्षा की जिसके बारे में मैं अनिश्चित था।
- [ ] मैं व्यक्तिगत डेटा को केवल तभी संसाधित करता हूं जब आवश्यक और वैध, छिपा हुआ हो।
- [ ] मैंने दो दुनियाओं को इकट्ठा करने और अलग करने का जोखिम उठाया।