利益:
- KVKKおよび税務手続法の機密保持義務の枠組み内で納税者および財務データを分類し、保護レベルを決定する能力
- データを人工知能に渡す前に、匿名化、マスキング、安全/組織的ツールの選択手順を適用する機能
- プライバシー侵害による法的、刑事的、職業上の影響を理解することで、監視なしの運転を避ける習慣を身につけることができます。
専門家は、売上高、利益、銀行動向、従業員の給与、TR ID 番号、契約、パートナーシップ構造など、納税者の最も機密性の高い情報を閲覧します。この情報は、KVKK (個人情報保護法、個人情報の不正な処理を禁止する法律) と税務手続法の守秘義務 (職務上知り得た情報を専門家が秘密にしておく義務) という 2 つの別個の法的層によって保護されています。人工知能の時代において、この保護は、管理されていないツールに機密データを貼り付けるという新たな脅威に直面しています。このユニットの原理は 1 つです。データは AI に入力される前に保護されます。監視されていない車両に機密データが入ることはありません。
2 層の保護とそれを真剣に受け止めるべき理由
- KVKK レイヤー: 実在の人物に属するすべての情報 (名前、TR ID、給与、連絡先) は個人データです。不正な処理、転送、および不適切な保護が行われた場合、行政罰金および補償金が科せられます。
- VUK 機密性レイヤー: 専門家は納税者の財務上の機密を第三者と共有することはできません。違反は刑事的および職業的（懲戒）的結果の両方をもたらします。
公開されている AI ツールに貼り付けられた試算表や給与計算書は、「第三者に譲渡された」とみなされる場合があります。多くの場合、ツールがデータをどのように保存するか、またそれがトレーニングで使用されるかどうかは不明です。この不確実性だけでも十分なリスクとなります。
注意: 「どうせ誰も見ないだろう」という考えは法的防御策ではありません。データが制御されていないシステムに入ると、制御不能になります。プライバシー侵害が危険なのは、それが起こる可能性があるからではなく、一度起こってしまうと取り返しがつかないからです。
AI にデータを渡す前: 保護手順
- 分類します。あなたが持っているデータは個人的なものですか、財務上の秘密ですか、それとも公開のものですか?それに応じて保護レベルを決定します。
- 必要性を問う。このデータをモデルに与えることが本当に必要ですか? それとも匿名/要約データを使用してタスクを実行できますか?
- 匿名化/マスク。それらの名前は K1、K2 です。 Ş1、Ş2 社。 TR ID とアカウント番号をマスクに置き換えます。間接的な診断を提供する固有の詳細を一般化します。
- 安全な車両を選択してください。可能であれば、データ保持を保証する企業/承認済みのツールを使用してください。
- 跡を残してください。どのデータをどのツールに与え、どのような保護を施したのかを記録します。
データ型
例
保全アプローチ
アイデンティティデータ
名前、TR ID
マスク/匿名化。決して生で与えないでください
財務上の秘密
売上高、利益、銀行
要約/匿名化。企業車両
関係データ
パートナー、サプライヤー
一般化します。固有の詳細を削除する
公共の
宣言された貸借対照表
普通に処理できる
匿名化は実際にどのように行われるのでしょうか?
匿名化とは、データの有用性を維持しながら、身元を区別できないようにすることです。たとえば、給与を分析するとします。名前と TR ID の代わりにシーケンス番号を入力すると、給与分布の分析は中断されませんが、個人を特定することはできません。重要なのは間接的な診断です。「35 人の会社で唯一の女性部長」や「35 人の会社で唯一の 92 歳」などの表現は、名前を削除してもその人物を特定します。これらも一般化されています。
ミニケース3個
ケース 1 — 給与漏洩。インターンは、3,500 人の給与明細 (名前、ID カード、給与) を無料の Web ツールにアップロードし、「要約」と言います。データは車両のリポジトリに混入するリスクがあります。 KVKK と VUK の両方の機密保持違反が発生します。顧客に知られたら終わりです。正しい方法は、企業が承認した車両を使用するか、名前/TR ID をマスクして給与の分配のみを行うことでした。
ケース 2 — 間接的な診断。コンサルタントはモデルに名前を削除したリストを渡しますが、「会社で唯一の外国人マネージャー」というフレーズは残します。この言葉はその人を諦めさせます。匿名化がありません。教訓: 間接的な診断を提供する固有の詳細も一般化する必要があります。
ケース 3 — ハンドリングが良好。機密データをモデルにフィードする前に、オフィスは標準的な匿名化ステップを経ます。テンプレートを使用して、名前、ID、ブランド名をコードに変換し、分析します。分析の品質は低下せず、個人情報が漏洩することもありません。プライバシーと効率性は同時に保護されます。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
次の給与を要約します: [Ahmet Yılmaz、TC 123...、給与 45,000; ...]
生の個人データが制御されずに車両に侵入します。それは直接的な違反です。
強力なプロンプト:
データセットをお渡しします。処理の前に、次の匿名化を適用し、匿名化されたバージョンも見せてください。 - 個人名を K1、K2... にします。 - TR ID と口座番号を完全に削除します。 - 会社名/ブランド名を T1、K2... にします。 個人を間接的に特定できる固有の詳細を一般化します。次に、匿名バージョンでのみ作業します。[DATA (可能な限りマスク): ...]
注: 生の個人データはまったく入力しないことが最も安全です。入場する場合はマスクを着用し、安全な車両に乗らなければなりません。
データ分類のヘルプについては、以下を参照してください。
次の各フィールドを分類します: 個人データか、財務秘密か、公開か?それぞれに推奨される保護レベルを書き込みます。フィールド: [フィールド名、サンプル RETURN]
匿名化テンプレートを生成するには:
給与/試算表分析で使用する標準的な匿名化チェックリストを作成します。どのフィールドをマスクし、どのフィールドを省略する必要があるか、間接的な診断のために何を調べるべきかなどです。
車両の安全性評価については、次のとおりです。
AI ツールが納税者の機密データ (データ保持、教育での使用、法人契約、所在地) に適しているかどうかを評価する際には、どのような質問をすればよいでしょうか?チェックリストを作成します。
よくある間違い
- 生の個人データを入力します。名前/TR ID の確認なしで車両に進入しないでください。
- 間接的な診断をスキップします。ユニークなディテールは、たとえ名前を削除してもアイデンティティを与えます。
- 車の安全性については問いません。ツールがデータをどのように保存するかを知らなければ、機密データは提供されません。
- 必要性は問わない。タスクが匿名/要約データで実行できる場合、生データはまったく提供されません。
- 追跡していない。どのデータがどこに与えられたのかが記録されていない場合、侵害を追跡することはできません。
要約すれば
納税者のデータは、KVKK と VUK の両方の機密保持義務によって 2 つの層で保護されていますが、人工知能時代における最大の新たなリスクは、機密データを管理されていないツールに貼り付けることです。データはモデルに入力される前に分類され、その必要性が検討され、名前/TR ID などの識別子がマスクされ、間接的な診断を提供する詳細が一般化されます。可能であれば、安全でデータ保持が保証された企業ツールのみを使用します。プライバシーの侵害は取り返しのつかない損害です。最も安全なデータは、決して入力されないデータです。
アプリケーションタスク
一般的な機密ファイル (給与明細や試算表など) を手に取ります。まず、分野を分類します (個人/財務秘密/公共)。次に、匿名化テンプレートを適用します。どの領域をマスクし、どの領域を削除し、間接的な識別のために何を探すかをリストします。最後に、チェックリストを使用して、使用する/使用する予定の人工知能ツールのセキュリティ適合性を評価します。
チェックリスト
- [ ] データを個人/財務秘密/公開に分類しました。
- [ ] 生データを提供する必要が本当にあるのか疑問に思いました。
- [ ] 名前、TR ID、口座番号をマスク/削除しました。
- [ ] 私は間接的な診断を提供する独自の詳細を一般化しました。
- [ ] データ保持が保証されているセキュア/エンタープライズ ツールのみを使用しました。
- [ ] ツールのデータ ポリシー (ストレージ、トレーニング) を評価しました。
- [ ] どのデータをどこに与えたかをトレースとして記録しました。