Nyereség:
- Alkalmazza a mesterséges intelligencia szempontjait az adatéletciklus minden szakaszában
- Állítson be megőrzési időszakokat, és foglalja bele a mesterséges intelligencia csevegési előzményeit a megsemmisítési szabályzatba
- Az anonimizálás és az álnevesítés közötti különbség alkalmazása
Az adatok „utáni” részét az adatvédelmi tiszt gyakran figyelmen kívül hagyja. Miután bevitt egy szöveget az MI-be, úgy tűnik, hogy a munka elkészült; Azokat az adatokat azonban valahol tárolják, esetleg modellképzésben használják, esetleg hónapokig halmozódnak a chatelőzményekben. Ebben az egységben lépésről lépésre tárgyaljuk a személyes adatok életciklusát; Megtanuljuk a megőrzési időszakokat, a mesterséges intelligencia csevegési előzményeinek megsemmisítését, valamint a két kritikus technika – az anonimizálás és az álnevesítés – megkülönböztetését. A cél az adatok teljes élettartama alatt történő kezelése, nem csak a bevitelükkor.
Adatéletciklus és AI
A személyes adatok egy életcikluson mennek keresztül; Minden szakasznak MI-specifikus figyelempontjai vannak.
Színpad
Mi történik?
AI figyelempont
gyűjtemény
Adatokat kapunk
Világos a cél és az alap? Minimalizálták?
Felhasználás/feldolgozás
Bekerült az AI-ba, feldolgozva
Megtörtént a maszkolás? Jóváhagyott jármű?
tárolás
Az adatok megmaradnak
Mennyi ideig tart a csevegési előzmények?
transzfer
valaki máshoz megy
Nemzetközi szerver? Van-e megfelelő biztosíték?
Pusztítás
Törlés/anonimizálás
A cél elérése után törölték? Pótalkatrészek vannak benne?
A két leginkább elhanyagolt szakasz a tárolás és az ártalmatlanítás. Az adatokat "elfelejtik", és továbbra is felhalmozódnak a rendszerben – ami egyrészt sérti a KVKK elvét, másrészt megsértése esetén felnagyítja a kárt.
Tárolási idő: meddig lehet tárolni?
A KVKK megőrzési elve egyértelmű: a személyes adatok nem tárolhatók tovább, mint a feldolgozási cél eléréséhez szükséges. Ha a cél már nem elérhető, az adatokat törölni, megsemmisíteni vagy anonimizálni kell. Az intézmény raktározási és selejtezési szabályzatot készít; meghatározza, hogy mennyit kell megtartani az egyes adatkategóriákhoz.
Az AI-ra jellemző kritikus pont: Az AI csevegési előzmények is tárolt adatok. Ha egy alkalmazott hónapokig bevitt ügyféladatokat ugyanabba a csevegésbe, az előzmények adattárrá válnak. Ehhez:
- Konfigurálja az adatmegőrzési beállításokat a vállalati mesterséges intelligencia eszközökben (ha lehetséges, automatikusan törölje az előzményeket, vagy kapcsolja ki a modellképzésben való használatot).
- Vegye fel a csevegési előzményeket a megsemmisítési ütemtervbe.
- Biztosítsa a „Ne használja modellképzésben” (opt-out) opciót a vállalati szerződésben.
Figyelem: Az adatok törlése nem csak a képernyőről való eltávolítást jelenti. A biztonsági mentéseket, naplókat és másolatokat a szolgáltató szerverén is figyelembe kell venni. Amikor azt mondja, hogy „törölve”, győződjön meg arról, hogy amit törölt, az valóban visszaállíthatatlan.
Anonimizálás vagy álnevesítés?
Ezt a két fogalmat gyakran összekeverik, de jogi következményeik merőben ellentétesek.
- Anonimizálás: Az adatok olyan készítése, hogy azok semmilyen módon ne legyenek társíthatók személyhez. Ha helyesen történik, az eredmény már nem személyes adat, és kívül esik a KVKK hatályán. Példa: Egyedi sorok törlése egy 10 000 fős adathalmazból, és csak az összesített statisztikák maradnak meg, például „Átlagos költés a 25–34 éves korosztályban Isztambulban”.
- Álnevesítés: Az azonosító információkat kóddal/címkével helyettesítjük, de egy „kulccsal” visszaadható a személynek. Példa: „Ahmet Yılmaz” helyett „Customer-4471”-et ír, de egy táblázatot vezet, amely megmutatja, hogy melyik kód kihez tartozik. Ez továbbra is személyes adat, és a KVKK hatálya alá tartozik.
jellemzője
Anonimizálás
Álnevesítés
Vissza lehet vinni az illetőt?
Nem (ha jól csinálta)
Igen, a kulccsal
Még mindig személyes adat?
nem
Igen
KVKK terjedelem
kívül
be
Bekerülni az AI-ba
A legbiztonságosabb módja
Ismét egy alapra/szabályra van szükség
Tipp: "Megfordítható?" mielőtt adatokat visz be az AI-ba. kérdez. Ha van benne kulcs/gyufa, az álnevesített és továbbra is személyes adat. A valódi anonimizálás az összesített eredmény megosztása, nem pedig az egyes sorok.
három mini tok
1. eset – Hamis névtelenség. Egy egészségügyi vállalat a mesterséges intelligencia számára egy adathalmazt ad át elemzés céljából, azt állítja, hogy „anonimizálta”. De a készlet tartalmaz születési dátumot, megyét és egy ritka diagnózist; ez a trió egyetlen személyt jelezhet egy kis megyében. Ez nem anonimizálás; az adatok továbbra is személyesek. A helyes út: a születési dátum átszámítása korosztályba, megyénkénti általánosítás, ritka diagnózisok csoportosítása – vagyis valódi összesítés.
2. eset – A beszélgetés felhalmozódik. Egy call centerben 6 ügynök 4 hónapon keresztül viszi be az ügyfelek adatait ugyanabba a vállalati AI-fiókba. Senki sem tisztázza a múltat; végül több mint 12 000 ügyfélkapcsolat gyűlt össze egy helyen. Az audit során ez a felhalmozódás jelentős kockázatként szerepel. Megoldás: az előzmények 30 naponkénti automatikus törlésének beállítása, a feladat befejezésekor kijelentkezési szabály, valamint a megőrzési szabályzatra vonatkozó záradék.
3. eset – Helyes álnevesítés. Az alkalmazottak teljesítményének mesterséges intelligenciával történő elemzésekor a HR-csapat olyan neveket kódol, mint az „Employee-001”, és a megfelelő táblázatot külön, korlátozott hozzáférésű fájlban tartja. Ez álnevesítés; Az adatok továbbra is személyesek, de a kockázat csökkent. A csapat tisztában van azzal, hogy ez nem anonimizálás, és ennek megfelelően határozza meg a jogalapot és a megőrzési időszakot.
Másolható sablonok
1. SABLON – Megőrzési és megsemmisítési irányelvsor: "Javaslat megőrzési-megsemmisítési irányelvsorra a következő adatkategóriához: [kategória]. Mezők: megőrzési időszak (céllal indokolva), megsemmisítés módja (törlés/megsemmisítés/anonimizálás), a mesterséges intelligencia csevegési előzményei szerepelnek-e, felelős szerepkör. Emlékeztessen, ha van törvényi megőrzési kötelezettség."
2. SABLON – Anonimizálási ellenőrzés: "Értékelje ki, hogy a következő adatkészlet valóban anonim-e: [lista mezők]. Milyen mezőkombinációk tehetik újra azonosíthatóvá a személyt (pl. születési dátum + irányítószám + ritka jellemzők)? Javasoljon általánosítást minden kockázati mezőhöz (például korosztály, tartomány szintje), hogy erősítse az anonimitást."
3. SABLON – Maszkolás + visszatérési kulcs elválasztása: "Álnéven adja meg a következő szöveget: személyes adatok kódolása (például [NÉV]->K001), de KÜLÖN adjon meg egy megfelelő táblázatot. Magában a szövegben ne hagyjon valódi személyazonosságot. Vegye figyelembe, hogy a megfeleltetési táblázat 'személyes adat', és külön kell tárolni."
4. SABLON – A mesterséges intelligencia eszköz adattárolási auditja: "Készítsen egy listát a kérdésekről az általunk használt AI eszköz adattárolási viselkedésének auditálásához: meddig tárolják az előzményeket, törölhetők-e, használják-e modellképzésben, van-e leiratkozás, hol dolgozzák fel az adatokat, milyen biztonsági mentések vannak? Minden kérdésre írja be a várt "biztonságos" választ."
Gyenge felszólítás / Erős felszólítás
GYENGE: "Anonimizálja ezeket az adatokat." (kódolja és elhagyja a neveket)-> Csak becenevek; Fennmaradnak az újraazonosítás kockázatai, például születési dátum, ritka tulajdonság; A „névtelenség” illúzióját kelti. GÜÇLÜ: "Keressen meg ebben a halmazban olyan mezőkombinációkat, amelyek újra azonosíthatják a személyt; mindegyiket általánosítsák (korosztály, tartományi szint). A célom nem egyetlen rekord, hanem összesített statisztika. Ebből kifolyólag senkit sem lehet egyetlen személyként megkülönböztetni és ezt ellenőrizni." -> A modell a valódi anonimizálás felé hajlik, csökkentve az újraazonosítás kockázatát.
Gyakori hibák
- A pszeudonimizálás összetévesztése anonimizálással; elfelejtve, hogy személyes adat marad.
- Nevek törlése és olyan leíró kombinációk meghagyása, mint a születési dátum + hely + ritka tulajdonság.
- Az AI csevegési előzményei nem vonatkoznak megőrzési/megsemmisítési szabályra; korlátlanul felhalmozódnak.
- Nem biztosított a szerződésben a „Ne használja modellképzésben” (opt-out) záradék.
- Amikor azt mondom, hogy törlés, azt értem, hogy csak törölje a képernyőt, és felejtse el a biztonsági mentéseket és a naplókat.
- A tárolási idő hosszabb tartása „csak arra az esetre”, mintsem a cél érdekében.
- Figyelmen kívül hagyva, hogy az átvitel és tárolás is a szolgáltató szerverén történik.
Összefoglalva
- A személyes adatok egy életcikluson mennek keresztül; A leginkább elhanyagolt szakaszok a tárolás és az ártalmatlanítás.
- Az adatok a célhoz szükségesnél tovább nem tárolhatók; Az intézménynek tárolási és megsemmisítési szabályzatot kell kialakítania.
- A mesterséges intelligencia csevegési előzményei is tárolt adatok; szerepelnie kell a selejtezési ütemtervben és a tárolási beállításokban.
- Az anonimizálás kiveszi az adatokat a KVKK-ból; Az álnevesítés továbbra is személyessé teszi az adatokat.
- A név törlése nem anonimizálás; Minden olyan kombinációt, amelynél fennáll az újraazonosítás veszélye, általánosítani kell.
Pályázati feladat
Válassza ki a szervezete által az MI-vel feldolgozott adatok kategóriáját (például ügyfélszolgálati rekordok). Írjon egy megőrzési és megsemmisítési irányelvsort ehhez a kategóriához: megőrzési időszak (indokolt), megsemmisítési mód, az AI csevegési előzményei szerepelnek-e, és felelős szerep. Ezután vegyen egy mintarekordot ugyanabból az adatból, és először álnevezze (tartsa külön az egyezési táblázatot), majd írja meg, hogy mely mezőket általánosítja, és hogyan lehet ezt a rekordot valódi névteleníteni. Végül készítsen öt kérdést, amelyek szabályozzák az Ön által használt AI-eszköz adattárolási viselkedését, és mindegyikhez adja hozzá a várt „biztonságos” választ.
ellenőrző lista
- [ ] Meghatároztam az adatkategóriához a megőrzési időt és a megsemmisítés módját.
- [ ] Felvettem a mesterséges intelligencia csevegési előzményeit a megsemmisítési ütemtervbe.
- [ ] Bejelöltem a „Ne használja modellképzésben” leiratkozási elemet.
- [ ] Megvalósítottam az álnevesítés és az anonimizálás közötti különbséget.
- [ ] Vannak általánosított mezőkombinációim, amelyeknél fennáll az újraazonosítás veszélye.
- [ ] A törlés körébe belefoglaltam a biztonsági mentéseket és a naplókat is.
- [ ] Auditáltam az AI eszköz adattárolási viselkedését.