Jedinica 11 / 12

Privatnost klijenta, KVKK i sigurna upotreba umjetne inteligencije

Dobici:

  • Procjena informacija prema njihovoj osjetljivosti i razlikovanje otvorenog vozila od sigurnog sustava s refleksom 'pitaj razred, spoji vozilo'
  • Razumijevanje minimalnih podataka, načela sigurnosti i odgovornosti KVKK-a i uvid da brisanje imena nije dovoljno i da je kontekst identitet.
  • Sposobnost usvajanja discipline odabira najsigurnijeg puta u slučaju sumnje, zaštite osjetljivih podataka na najvišoj razini i transparentnog prijavljivanja kršenja.

Ono što vam klijent kaže - nasilje, bolest, siromaštvo, ovisnost, obiteljske tajne - najkrhkija je, privatna informacija u njegovom ili njezinom životu. On vam daje te podatke u povjerenju o poslovnoj povjerljivosti. Ovo povjerenje je temelj koji omogućuje rad socijalnog rada; Kada se protrese klijent se više ne otvara i servis gubi svoju funkciju. Održavanje tog povjerenja u doba umjetne inteligencije dobilo je novu dimenziju: unos podataka klijenta u krivi alat sada nije samo povreda privatnosti, već i zakonska odgovornost prema KVKK (Zakonu o zaštiti osobnih podataka) i može dovesti do nepovratnog curenja informacija. U ovoj ćete jedinici naučiti kako zaštititi klijentske podatke u doba umjetne inteligencije, osnovnu logiku KVKK-a, razliku između otvorenih vozila i sigurnih vozila te praktičnu disciplinu "higijene podataka".

Najosnovnije pravilo od samog početka je ono koje ponavljamo kroz ovaj modul: Nikakvi osobni podaci koji identificiraju klijenta neće se unijeti u javni AI alat koji vaša institucija nije odobrila. Ova jedna rečenica je bit svih detalja u nastavku.

Sažimanje KVKK za socijalnog radnika

KVKK regulira kako se osobni podaci (bilo koji podatak koji osobu čini specifičnom ili prepoznatljivom - ime, osobna iskaznica, adresa, telefon, ali i informacije poput zdravstvenog stanja, obiteljskog statusa, kaznenog dosjea) mogu obrađivati. Većina podataka koje obrađujete u socijalnom radu su osjetljivi osobni podaci (podaci čije je curenje posebno štetno, kao što su zdravlje, seksualni život, vjera, etnička pripadnost, kaznene osude) i zahtijevaju najveću moguću zaštitu. Praktično značenje KVKK za vas svodi se na nekoliko principa:

  • Ograničenje svrhe i minimum podataka: Obrađuje se samo onoliko podataka koliko je potrebno. Prilikom obrade teksta u AI, nemojte unositi nikakve osobne podatke koji nisu potrebni za posao.
  • Sigurnost: Podaci su zaštićeni od neovlaštenog pristupa. Javni AI alat ne pruža ovu sigurnost.
  • Suglasnost i transparentnost: Informiranje klijenta o tome kako se podaci obrađuju. Pružanje podataka klijenta nekontroliranom vanjskom alatu nije unutar opsega bilo kakvog pristanka.
  • Odgovornost: Ako dođe do kršenja, odgovornost leži na organizaciji koja obrađuje podatke i osobi koja te podatke unosi - "AI je tako htjela" nije obrana.
Oprez: Brisanje imena često NIJE dovoljna zaštita. Čak i ako se ime ne spominje u tekstu, kontekst (susjedstvo + dob + događaj + datum + obiteljska struktura) može učiniti osobu prepoznatljivom. Prava zaštita nije osigurana maskiranjem, već odabirom pravog alata i okoline.

Dva svijeta: otvoreno vozilo protiv sigurnog sustava

Odvojite svoju upotrebu umjetne inteligencije u dva jasna svijeta:

1. Javni/otvoreni svijet alata. Može se koristiti za zadatke koji ne identificiraju klijenta: opća informativna pitanja ("Kako napisati SMART cilj?"), trening s izmišljenim/anonimnim primjerima, opće objašnjenje zakona, programski tekstovi koji ne upućuju ni na koga. Ovdje se nikada ne unose stvarni podaci o klijentu.

2. Svijet podataka o klijentima. Svaki posao koji uključuje podatke o stvarnom klijentu - snimanje, izvješće, bilješka o riziku, preporuka - obavlja se samo u sigurnim sustavima koje je odobrila vaša institucija, gdje podaci ne cure. Ako takvog sustava nema, taj se posao obavlja bez umjetne inteligencije, tradicionalnom sigurnom metodom.

Brkanje to dvoje — davanje stvarnih podataka klijenta otvorenom alatu — najopasnija je i najčešća pogreška ovog modula.

Korak po korak: disciplina higijene podataka

  1. Raspitajte se o razredu. Pitajte prije svakog posla: "Opisuje li ovaj tekst klijenta?" Ako da, siguran sustav; Ako nije, može se koristiti otvoreno vozilo.
  2. Minimiziraj. Ograničite unesene podatke na minimum koji posao zahtijeva, čak i ako posao to stvarno zahtijeva.
  3. Deidentificirajte se (i upoznajte svoje granice). Uklonite identifikatore gdje je potrebno; ali zapamtite da kontekst također može odati identitet.
  4. Koristite odobreni alat. Znati koje vozilo za koje podatke odobrava ustanova i od toga ne odstupati.
  5. Ako nisi siguran, ponašaj se kao učenik višeg razreda. Ako niste sigurni je li podatak osjetljiv ili ne, odaberite najzaštićeniji put.
  6. Prijavite prekršaj. Ako postoji curenje ili greška, sakrijte je; Prijaviti prema proceduri ustanove. Rana intervencija smanjuje štetu.

tri mini kućišta

Slučaj 1 — Kontekst je odao identitet. Stručnjak je predao sažetak slučaja otvorenom alatu, rekavši "Izbrisao sam imena, sada je sigurno." U tekstu nije bilo imena, ali je bila rečenica "Slabovidna žena u naselju X, s 3 djece, čiji je muž u zatvoru." Samo je jedna osoba u tom susjedstvu odgovarala tom opisu — identitet je bio praktički jasan. Viši stručnjak je to primijetio; Posao je premješten u sigurni sustav. Lekcija: kontekst je također osobni podatak.

Slučaj 2 — Politika minimalnih podataka je djelovala. Stručnjak je trebao samo pojednostaviti jednu rečenicu. Umjesto da čitavu datoteku preda alatu, dao je samo tu jednu rečenicu bez osobnih podataka. Posao je obavljen, nikakvi osjetljivi podaci nisu izašli u javnost. Politika minimalnih podataka bila je sigurna i dostatna.

Slučaj 3 — Rano prijavljivanje smanjene štete. Novi zaposlenik slučajno je zalijepio podatke klijenta u otvoreni alat i odmah primijetio. Umjesto panike i skrivanja, odmah je prijavila nadređenom. Ustanova je evaluirala incident prema KVKK proceduri, poduzela potrebne korake i podučila djelatnika kako se njime pravilno služiti. Transparentna i brza dojava spriječila je eskalaciju incidenta.

Četiri predloška za kopiranje

1) Predispitivanje klase podataka:

Ocijenite sljedeći tekst PRIJE obrade u alatu umjetne inteligencije: Čini li ovaj tekst osobu izravno (ime, ID, adresa, telefon) ILI neizravno (kontekst: susjedstvo, dob, događaj, obiteljska struktura) prepoznatljivom? Sadrži li osjetljive podatke (zdravstveno stanje, vjera, etnička pripadnost, kriminalni dosje)? Ako da, koji dijelovi? Recite mi može li se ovaj tekst prikazati u javnom alatu. Tekst: [zalijepi tekst]

2) Spuštanje na minimum podataka:

Odredite NAJMANJE informacija potrebnih za obavljanje sljedećeg posla. Uklonite sve osobne podatke koji nisu potrebni za posao i ostavite samo neidentifikacijski dio koji je potreban za posao. Navedite koje ste informacije izostavili i zašto. Posao: [opišite zadatak]Tekst: [zalijepite tekst]

3) Deidentifikacija i kontrola konteksta:

Izdvojite identifikatore (ime, ID, adresu, telefon, naziv ustanove) izravno iz donjeg teksta. Također označite sve elemente konteksta koji ostaju u tekstu (rijetka kombinacija okolnosti, određena lokacija + događaj) koji mogu NEIZRAVNO odati identitet. Prije nego ih uklonite, procijenite čini li se osoba još uvijek prepoznatljivom po tekstu. Tekst: [zalijepi tekst]

4) Stvaranje anonimnog/izmišljenog primjera obuke:

Napravite primjer slučaja koji nalikuje stvarnom slučaju, ali je potpuno IZMIŠLJEN i ne pripada nijednoj stvarnoj osobi; Koristit ću ovo za obuku/vježbu. Korištenje stvarnih imena, mjesta ili događaja; Neka sve bude lažno. [Tema: početna procjena skrbi za starije osobe]

Slab upit / Jak upit

Slab upit:

Dolje lijepim cijelu datoteku ovog klijenta, to će mi dati lijep sažetak. (uključujući ime, adresu, zdravstvene informacije)

To je davanje osjetljivih osobnih podataka nekontroliranom vanjskom sustavu — kršenje KVKK i nepovratni rizik privatnosti. Samo zato što je sažetak "lijep" ne opravdava ovo kršenje.

Snažan upit:

(Samo u sigurnom sustavu odobrenom od strane institucije ili s deidentificiranim tekstom.) Sažeti DEIDENTIFICIRANI tekst ispod. U tekstu nisam ostavio nikakav kontekst koji bi mogao odati ime, adresu, osobnu iskaznicu ili identitet. Obradite samo informacije potrebne za zadatak. Tekst: [zalijepi anonimni tekst]

Razlika: rad s pravim alatom, s minimalnim i deidentificiranim podacima, štiti privatnost i zakon dok obavlja posao.

Tip podataka i ispravan put

Vrsta podataka

primjer

pravi alat

Opće informacije

"Što je SMART cilj?"

otvoreno vozilo

izmišljeni primjer

Izmišljeni slučaj za obuku

otvoreno vozilo

Bez identiteta + bez konteksta

Pojednostavljivanje opće rečenice

Otvorite vozilo (pažljivo)

Podaci o klijentima

stvarni zapis, izvješće

Samo siguran sustav

Podaci o posebnoj kvaliteti

Zdravlje, kazna, nacionalnost

Najviša zaštita/sigurni sustav

Napomena o riziku/sigurnosti

Nasilje, informacije o zaštiti

Najviša zaštita/sigurni sustav

Uobičajene greške

  • Davanje stvarnih podataka o klijentima otvorenom alatu. Najopasnija i najčešća pogreška; Povreda KVKK i nepovratna penetracija.
  • "Izbrisao sam imena" misleći da je to sigurnost. Kontekst može odati identitet; Maskiranje nije zaštita.
  • Unos više podataka nego što je potrebno. Primijenite minimalnu politiku podataka; Dajte onoliko koliko posao zahtijeva.
  • Riskirajte kada niste sigurni. Kad ste u nedoumici, odaberite najsigurniji put, ponašajte se kao viša klasa.
  • Prikrivanje povrede. Rano i transparentno prijavljivanje smanjuje štetu; Skrivanje ga čini većim.

Ukratko

Privatnost klijenata temelj je povjerenja u socijalnom radu, au doba AI-a kod KVKK-a postaje i zakonska obveza. Osnovno pravilo je jasno: nikakvi osobni podaci koji identificiraju klijenta ne ulaze u neodobreni javni alat. Držite dva svijeta (otvoreni alat nasuprot sigurnog sustava) odvojenima, primijenite načelo minimalnih podataka, znajte da brisanje imena nije dovoljno i da je kontekst identitet, u slučaju sumnje odaberite najsigurniji put i transparentno prijavite kršenje. Privatnost nije naknadno dodana mjera, već načelo koje se poštuje od samog početka.

Zadatak aplikacije

Napišite izmišljeni tekst slučaja i pogledajte koje stavke umjetna inteligencija označava kao osobne/privatne podatke s predloškom "data class preflight". Zatim testirajte s uzorkom "deidentifikacija i provjera konteksta" da vidite odaje li kontekst još uvijek identitet čak i nakon brisanja imena. Na kraju izradite primjer koji možete sigurno koristiti u otvorenom alatu s predloškom "anonimni/izmišljeni primjer obuke".

popis za provjeru

  • [ ] Prije svakog posla, "Opisuje li ovaj tekst klijenta?" pitala sam.
  • [ ] Podatke o klijentima obrađujem samo u odobrenim, sigurnim sustavima.
  • [ ] Primijenio sam minimalnu politiku podataka; Nisam ulazio u detalje.
  • [ ] Znajući da brisanje imena nije dovoljno, provjerio sam i kontekst.
  • [ ] U slučaju sumnje, izabrao sam najsigurniji put i znam kako prijaviti u slučaju prekršaja.