Nyereség:
- A szükségesség anonimizálása és értékelése, mielőtt az ügyfél érzékeny és pénzügyi adatait mesterséges intelligencia eszközöknek adná át
- Képes megkülönböztetni a vállalati és a nyilvános AI-eszközök közötti különbségeket az adatvédelem, az adatok megőrzése és az oktatásban való felhasználás terén
- Képes kezelni az adatszivárgás, a megőrzési időszak és a harmadik fél megosztási kockázatait a KVKK keretein belül
A biztosítás az egyik legérzékenyebb adatokkal dolgozó szakma. Egy biztosítási akta; Tartalmazhat személyazonossági adatokat, címet, jövedelmet, bankszámlát, egészségügyi előzményeket, kárnyilvántartást, rendszámtáblát, tulajdoni lapot és még a családi adatokat is. Ezen adatok egy része a KVKK-ban (személyes adatok védelméről szóló törvény) a legmagasabb szintű védelem alá tartozik, mint „különleges természetű személyes adatok”. Az egészségügyi, biometrikus és hasonló adatok tipikus példái ennek. Ezen adatok ellenőrizetlen megosztása mesterséges intelligencia-eszközök (különösen a felhőalapúak) használatakor a jogsértés és a bizalomvesztés komoly kockázatát jelenti. Ha egyszer kiszivárgott, az adatokat nem lehet visszakeresni. Ebben az egységben megismerheti az ügyfelek adatainak anonimizálását (a személyazonosításra alkalmas adatok eltávolítását), mielőtt azokat mesterséges intelligenciának adná, a vállalati és a nyilvános eszközök közötti adatvédelmi különbségeket, valamint az adatszivárgás kockázatainak kezelését, tárolását és harmadik fél általi megosztását a KVKK keretein belül. Ez az egység nem jogi tanácsadás; Elmagyarázza az általános elveket, konkrét esetben forduljon a megfelelőségi/jogi osztályhoz.
Miért kritikus az adatvédelem: adattípusok
A biztosításban az adatokat a védelmi szint szerint kell elkülöníteni:
- Személyes adatok: Név, vezetéknév, TR azonosító szám, születési idő, elérhetőség. Közvetlenül azonosítja a személyt.
- Pénzügyi adatok: Bevétel, bankszámla, fizetési előzmények. Személyes és érzékeny.
- Különleges minőségű adatok: Egészségügyi, biometrikus adatok. Legmagasabb védelem; Az adatkezeléshez szigorúbb feltételek (kifejezett hozzájárulás vagy törvényi kivétel) szükségesek.
- Iratadatok: kötvényszám, rendszám, tulajdoni lap, kárrészlet. Másokkal kombinálva felfedheti az identitást.
A legnagyobb veszély az azonosíthatóság, amely akkor jelentkezik, amikor ezeket az adatokat összeállítja. Míg a "45 éves nő" névtelen, a "45 éves nő + egy bizonyos rendszám + egy bizonyos cím" felfedheti a személyazonosságot.
Figyelem: A mesterséges intelligencia eszköznek való adatadás után a „törlés” kimondásával valójában nem törlődik. Egyes eszközök tárolják a bemenetet, sőt a modell betanítására is használják. Szabály: soha ne küldj érzékeny adatokat; Az anonimizálás a küldés előtt történik.
Anonimizálás: hogyan kell csinálni
Az anonimizálás az azonosítható információk eltávolítása és ténybeli megfelelővel való helyettesítése; A cél az, hogy a személy felismerhetetlenné váljon, miközben a kimeneti minőség megmarad. Jó anonimizálás:
- Eltávolítja a nevet, a TR azonosítót, a telefonszámot, a címet, a kötvényszámot, a rendszámot és a tulajdoni lap adatait.
- Lecseréli őket egy analitikusan értelmes megfelelőjére: "45 éves, férfi, biztosítási kötvény, Közép-Anatólia, egyoldalú ütközés".
- Kerüli a ritka/megkülönböztető kombinációkat: egy nagyon specifikus szakma + egy nagyon kicsi hely, ami önmagában képes identitást nyitni.
- Megtartja az orvosi/műszaki jelentést: például "kiegészítő egészségügyi ellátás, tervezett ortopédiai műtét".
Tipp: Az anonimizálás után tedd fel magadnak a kérdést: "Ha egy idegen elolvasná ezt a szöveget, meg tudná találni az illetőt?" Ha a válasz igen, általánosítson tovább. Különösen ritka kombinációk (kiskörzet + konkrét esemény) veszélyesek.
Vállalati vs nyilvános eszközök
Nem minden AI-eszköz rendelkezik azonos szintű adatvédelemmel. Három dimenzióban különböznek egymástól:
- Adatmegőrzés: Megőrzi-e a bevitt adatokat, és mennyi ideig?
- Használat a képzésben: Használja a bemenetet a modell betanításához?
- Helyszín és szerződés: Hol történik az adatkezelés, van-e vállalati adatkezelési megállapodás?
Az intézményi (az intézmény szerződéses, adatfeldolgozási biztosítékai) eszközei gyakran korlátokat adnak az adatok oktatásban történő felhasználásának és tárolásának mellőzésére. A nyilvános, ingyenes eszközök tárolhatják a bemeneti adatokat, és felhasználhatják a képzésben. Szabály: a szenzitív adatokat csak az intézmény által jóváhagyott, szerződésben rögzített módon és a lehető leganonimizált formában kezeljük. Az ügyféladatok nem jóváhagyott eszközbe történő bevitele az adatfeldolgozót auditálhatatlanná teszi.
Lépésről lépésre: Biztonságos munka a bizalmas adatokkal
- Osztályozza az adatokat. Személyazonosság / pénzügyi / különleges minőség / fájl adatok.
- Szükségességi teszt. Valóban szükségesek ezek az adatok ehhez a feladathoz? Ha nem, akkor ne használja.
- Anonimizálás. Távolítsa el az azonosítókat, helyettesítse a tényszerű megfelelőket, általánosítsa a ritka kombinációkat.
- Válassza ki a járművet. Csak ügynökség által jóváhagyott, szerződéses járművek; Nem állnak rendelkezésre érzékeny adatok a nyilvános eszköz számára.
- Minimális adatmennyiséggel dolgozzon. Ossza meg a feladathoz szükséges minimális információkat.
- Tárolás és megosztás kezelése. Hol tárolja a kimenetet, kivel osztja meg; Tartsa be a KVKK megőrzési időszakára és a harmadik félre vonatkozó szabályokat. Hagyd a nyomod.
három mini tok
1. eset – Érzékeny adatok védelme. Egy káresemény-szakértő egy összetett egészségbiztosítási aktáról akarta megkérdezni az AI-t. A biztosított nevének, személyi igazolványának és diagnózisának felírása helyett olyan névtelen kontextust hozott létre, mint például "52 éves, nő, kiegészítő egészségügyi politika, tervezett szívbillentyű műtét, vitatott összeg". A kimenet minősége nem csökkent; A privát adatok nem mentek át egyetlen felhőbe sem. Az egészségügyi adatok a legmagasabb szintű védelmet élvezik; ez a szokás akadályozta meg a jogsértést.
2. eset – Ritka kombinált csapda. „38 éves, nő, egyetlen gyógyszerész [nagyon kis megyében], szakmai felelősségi politika” – írta egy szakértő. Bár ez gyakorlatilag nem tartalmazott nevet, közvetlenül felfedte személyazonosságát, mivel ő volt az egyetlen gyógyszerész a körzetben. A szakember ezt észrevette és "kistelepülési, egészségügyi szakmaként" általánosította. Az anonimizálás nem csak a név törlését jelenti, hanem a felismerhetőséget is.
3. eset – Rossz szerszámválasztás. A gyorsaság érdekében az alkalmazott feltölti az ügyféligénylés bontását egy ingyenes, nyilvános eszközbe. Csapatszabályzat lép életbe: ügyféladatok feldolgozása csak az intézmény által jóváhagyott, szerződött eszközben történik. Az alkalmazott először anonimizálta az adatokat, majd lefuttatta azokat a jóváhagyott eszközben. Ha nem jóváhagyott eszközt használnának, az adattárolás és az oktatásban való felhasználás kockázata ellenőrizhetetlen lenne.
Négy másolható felszólítás
1) Anonimizálási asszisztens:
Távolítson el minden személyes és azonosító adatot a következő szövegből: név, vezetéknév, személyi igazolvány, születési idő, telefon, cím, kötvényszám, rendszám, tulajdoni lap, IBAN. Cserélje le őket egy elemző jelentésű tényszerű megfelelővel (pl. "45 éves, férfi, biztosítási kötvény, egyoldalú ütközés"). Általánosítsa a ritka/megkülönböztető kombinációkat (kis hely + különleges foglalkozás). Orvosi/műszaki jelentés megőrzése. Szöveg: [beillesztés]
2) Felismerhetőségi ellenőrzés:
Ellenőrizd a következő névtelen szöveget a felismeréshez: [szöveg]Kérdezzen: Megtalálhatja egy idegen a személyt ezzel a szöveggel? Van-e ritka kombináció (kis település + konkrét szakma/esemény), egyedi dátum vagy összeg? Jelöljön ki minden kockázatos pontot, és javasolja, hogyan általánosíthat biztonságosabban.
3) Adatkövetelmény és besorolás:
A következő feladathoz szükséges adatok besorolása és követelménytesztelése:Feladat: [leírás] A rendelkezésemre álló adatok: [lista]Minden adatnál: típus (identitás/pénzügyi/speciális/fájl), szükséges-e ehhez a feladathoz (igen/nem), ha szükséges, hogyan kell anonim módon használni.A szükségtelen adatokat jelölje meg "ne használja".
4) Járműválasztási ellenőrző lista:
Hozzon létre egy ellenőrzőlistát, mielőtt egy MI-eszközt használna biztosítási adatokkal. Tartalmazzon kérdéseket: Jóváhagyta-e a járművet az intézmény? Van adatkezelési szerződés? Tárolja/használja a bemenetet az edzés során? Hol történik az adatok feldolgozása? Melyik adattípushoz alkalmas/nem megfelelő? Elég az anonimizálás?
Gyenge felszólítás / Erős felszólítás
Gyenge: "Értékelje ki Ahmet Yılmaz ügyfél aktáját (TC 123..., orvosi jelentés mellékelve)."
Probléma: A személyazonosság és az érzékeny (egészségügyi) adatok közvetlenül megosztásra kerülnek; nagy a KVKK megsértésének veszélye.
Erős: "Vegye fontolóra a következő anonimizált kontextust: 52 éves kor, nő, kiegészítő egészségügyi politika, tervezett műtét, vitatott összeg. Nincs azonosító információ."
Miért jó: Az analitikai jelentés megmarad, a személyazonosság és az érzékeny adatok nem derülnek ki.
összehasonlító táblázat
Adattípus
Védelmi szint
Használata a mesterséges intelligenciában
Név/TC/kapcsolat
magas
Távolítsa el, tegye be az egyenértékű
Pénzügyi (bevétel/IBAN)
magas
Eltávolítás/általánosítás
Egészségügyi/speciális képesítések
legmagasabb
Soha nem nyers; névtelen + jóváhagyott jármű
Kötvényszám/tábla/tulajdoni lap
középmagas
Távolítsa el; egyedül kockázatos
Összesítés/statisztika
alacsony
Elérhető (ha nincs kapcsolat)
Gyakori hibák
- Nyers személyes/egészségügyi adatok beillesztése. A leggyakoribb és legsúlyosabb jogsértés.
- Úgy gondolja, hogy elég a név törlése. A ritka kombinációk továbbra is felfedhetik a személyazonosságot.
- A „törlés később” kimondására hagyatkozva. Lehetséges, hogy az eszköz adatokat tárol/felhasznál edzés közben.
- Jóvá nem hagyott/nyilvános vezetés. Ellenőrizetlen adatfeldolgozás.
- Nem kezeli a tárolást és a megosztást. A kimenet korlátlan tárolása, ellenőrizetlen megosztás harmadik felekkel.
Összefoglalva
A biztosítási adatok nagyon érzékenyek; Az olyan különleges adatok, mint az egészség, a KVKK értelmében a legmagasabb védelem alá tartoznak. Osztályozza, kérdőjelezze meg és anonimizálja az adatokat, mielőtt átadná őket az MI-nek: távolítsa el az azonosítókat, vezessen be ténybeli megfelelőket, általánosítson ritka kombinációkat. Kényes adatokat csak az intézmény által jóváhagyott, szerződéses eszközökkel és minimális mértékben dolgozzon fel. Kezelje a tárolási időt és a harmadik fél megosztását a KVKK keretein belül, és hagyjon nyomot. Az adott esetben konzultáljon a megfelelőségi/jogi jogi kérdésekkel; A kiszivárgott adatokat nem lehet visszakeresni.
Pályázati feladat
Szerezzen be egy valódi sérülést/hivatkozási szöveget (tesztelési célokra). Névtelenítse az 1. prompttal, majd ellenőrizze a felismerést a 2. prompttal: vannak még ritka kombinációk a szövegben, amelyek felfedhetik a személyt? Általánosítson minden talált kockázatot. Értékelje az Ön által használt mesterséges intelligencia eszközt is a 4-es ellenőrzőlistával: alkalmas-e érzékeny adatokra?
ellenőrző lista
- [ ] Az adatokat típusuk szerint osztályoztam.
- [ ] A szükségességi tesztet alkalmaztam; Nem használtam fölösleges adatokat.
- [ ] Eltávolítottam az azonosítókat, és egy tényszerű megfelelővel helyettesítettem.
- [ ] Ritka/megkülönböztető kombinációkat általánosítottam.
- [ ] Felismerhetőségi ellenőrzést végeztem.
- [ ] Csak a cég által jóváhagyott, szerződéses járműveket használtam.
- [ ] Tárolást és harmadik fél megosztását a KVKK szerint kezeltem; nyomot hagytam.