ಪಾರದರ್ಶಕತೆ, ಓಪನ್ ಡೇಟಾ ಮತ್ತು ಮಾಹಿತಿಗೆ ಪ್ರವೇಶ

ಲಾಭಗಳು:

• ಶಾಸನಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮಾಹಿತಿ ವಿನಂತಿಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ, ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ಇಲ್ಲ ಎಂದು ವಿವರಿಸುತ್ತದೆ.
• ಇದು ಪ್ರಕಟಿಸುವ ಮೊದಲು ತೆರೆದ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯದ ಸಂಯೋಜನೆಗಳ ಮಟ್ಟದಲ್ಲಿ ಅದನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುತ್ತದೆ.
• ಪಾರದರ್ಶಕತೆಯು ಸಾರ್ವಜನಿಕ ನಂಬಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸುವ ಮತ್ತು ಗೌಪ್ಯವಾಗಿ ಇಡಬೇಕಾದುದನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಆಡಳಿತ ಸಾಧನವಾಗಿದೆ ಎಂದು ತಿಳಿದಿದೆ.

ಪ್ರಜಾಪ್ರಭುತ್ವದ ಸಾರ್ವಜನಿಕ ಆಡಳಿತದ ಮೂಲಾಧಾರವೆಂದರೆ ಪಾರದರ್ಶಕತೆ: ನಾಗರಿಕರು ಹೇಗೆ ಮತ್ತು ಯಾವ ಆಧಾರದ ಮೇಲೆ ಅವರಿಗೆ ಸಂಬಂಧಿಸಿದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ ಎಂಬುದನ್ನು ಕಲಿಯುವ ಸಾಮರ್ಥ್ಯ. ಈ ತತ್ವವು ಎರಡು ಕಾಂಕ್ರೀಟ್ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ ಜೀವಕ್ಕೆ ಬರುತ್ತದೆ. ಮೊದಲನೆಯದು ಮಾಹಿತಿಯ ಹಕ್ಕು (ಮಾಹಿತಿ ಹಕ್ಕು ಸಂಖ್ಯೆ 4982; ನಾಗರಿಕರು ಸಾರ್ವಜನಿಕ ಸಂಸ್ಥೆಗಳಿಂದ ಮಾಹಿತಿ ಮತ್ತು ದಾಖಲೆಗಳನ್ನು ವಿನಾಯಿತಿಗಳೊಂದಿಗೆ ವಿನಂತಿಸಬಹುದು). ಎರಡನೆಯದು ತೆರೆದ ಡೇಟಾ (ಸಾರ್ವಜನಿಕ ಸಂಸ್ಥೆಗಳು ತಾವು ಉತ್ಪಾದಿಸುವ ಡೇಟಾದ ವೈಯಕ್ತಿಕವಲ್ಲದ ಮತ್ತು ಗೌಪ್ಯವಲ್ಲದ ಭಾಗವನ್ನು ಪ್ರತಿಯೊಬ್ಬರೂ ಪ್ರವೇಶಿಸುವ ಮತ್ತು ಬಳಸಬಹುದಾದ ರೀತಿಯಲ್ಲಿ ಪ್ರಕಟಿಸುತ್ತವೆ). ಇಲ್ಲಿ, ಒಳಬರುವ ಮಾಹಿತಿ ವಿನಂತಿಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು, ಪ್ರತಿಕ್ರಿಯೆ ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಲು, ಯಾವ ಮಾಹಿತಿಯನ್ನು ನೀಡಬಹುದು ಮತ್ತು ಯಾವುದಕ್ಕೆ ವಿನಾಯಿತಿ ನೀಡಲಾಗಿದೆ ಎಂಬುದನ್ನು ಪೂರ್ವ-ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಮತ್ತು ಪ್ರಕಟಣೆಗಾಗಿ ಮುಕ್ತ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುವಲ್ಲಿ AI ಪ್ರಬಲ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ಈ ಘಟಕದ ಎರಡು ಪಟ್ಟು ಎಚ್ಚರಿಕೆಯು ಮುಖ್ಯವಾಗಿದೆ: ಪಾರದರ್ಶಕತೆ ಹೆಚ್ಚು ಇರಬಾರದು, ಕಡಿಮೆ ಇರಬಾರದು - ನಾಗರಿಕನಿಗೆ ಅವನು ಅರ್ಹವಾದ ಮಾಹಿತಿಯನ್ನು ನೀಡಬೇಕು, ಆದರೆ ವೈಯಕ್ತಿಕ ಡೇಟಾ ಮತ್ತು ನೈಜ ವಿನಾಯಿತಿಗಳನ್ನು ರಕ್ಷಿಸಬೇಕು; ಈ ಸಮತೋಲನವನ್ನು ಜವಾಬ್ದಾರಿಯುತ ಸಾರ್ವಜನಿಕ ಅಧಿಕಾರಿಯಿಂದ ಸ್ಥಾಪಿಸಲಾಗಿದೆ, AI ಅಲ್ಲ.

ಜ್ಞಾನವನ್ನು ಪಡೆಯುವ ಎರಡು ತಪ್ಪು ತುದಿಗಳು

ಮಾಹಿತಿಗಾಗಿ ವಿನಂತಿಗಳಲ್ಲಿ, ದೋಷಗಳನ್ನು ಎರಡು ದಿಕ್ಕುಗಳಲ್ಲಿ ಮಾಡಬಹುದು:

• ಪಾರದರ್ಶಕತೆಯ ಕೊರತೆ: ನೀಡಬಹುದಾದ ಮಾಹಿತಿಯನ್ನು "ಗೌಪ್ಯ/ಅಸಾಧಾರಣ" ಎಂದು ಅನಗತ್ಯವಾಗಿ ತಿರಸ್ಕರಿಸುವುದು. ಇದು ಹಕ್ಕನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ ಮತ್ತು ಸಂಸ್ಥೆಯಲ್ಲಿ ಅಪನಂಬಿಕೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಮತ್ತು ಆಗಾಗ್ಗೆ ನ್ಯಾಯಾಂಗದಲ್ಲಿ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ.
• ಅತಿ-ಬಹಿರಂಗಪಡಿಸುವಿಕೆ: ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಸಲ್ಲಿಸುವಾಗ ಆಕಸ್ಮಿಕವಾಗಿ ಮೂರನೇ ವ್ಯಕ್ತಿಯ ವೈಯಕ್ತಿಕ ಡೇಟಾ, ವ್ಯಾಪಾರ ರಹಸ್ಯ ಅಥವಾ ನಿಜವಾದ ವಿನಾಯಿತಿ (ಭದ್ರತೆ, ಇತ್ಯಾದಿ) ಬಹಿರಂಗಪಡಿಸುವುದು. ಇದು KVKK ಅನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ ಮತ್ತು ಹಾನಿಯನ್ನುಂಟುಮಾಡುತ್ತದೆ.

AI ಎರಡೂ ತುದಿಗಳಲ್ಲಿ ಸಹಾಯ ಮಾಡಬಹುದು: ಇದು ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಬಹುದು, ಅದರೊಳಗೆ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಗುರುತಿಸಬಹುದು ಮತ್ತು ರಿಡಕ್ಷನ್ ಅನ್ನು ಸೂಚಿಸಬಹುದು (ಡಾಕ್ಯುಮೆಂಟ್‌ನ ಗೌಪ್ಯ/ವೈಯಕ್ತಿಕ ಭಾಗಗಳನ್ನು ಅಸ್ಪಷ್ಟಗೊಳಿಸುವುದು/ತೆಗೆದುಹಾಕುವುದು); ನೀವು ವಿನಂತಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ವಿನಾಯಿತಿ ವರ್ಗವನ್ನು ಇದು ಪಟ್ಟಿ ಮಾಡಬಹುದು. ಆದರೆ ಅಂತಿಮ ನಿರ್ಧಾರ - ಈ ಮಾಹಿತಿಯನ್ನು ನೀಡಲಾಗಿದೆಯೇ, ಯಾವ ಭಾಗವನ್ನು ಅಸ್ಪಷ್ಟಗೊಳಿಸಲಾಗಿದೆ - ಕಾನೂನು ಜವಾಬ್ದಾರಿಯನ್ನು ಹೊಂದಿರುವ ವ್ಯಕ್ತಿಗೆ ಸೇರಿದೆ.

ಗಮನ: "ಈ ಮಾಹಿತಿಯು ವಿನಾಯಿತಿಯ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆ" ಅಥವಾ "ನೀಡಬಹುದು" ಎಂಬ AI ಹೇಳಿಕೆಯು ಕಾನೂನು ಅಭಿಪ್ರಾಯವಲ್ಲ. ಮಾಹಿತಿಯ ಪ್ರವೇಶದ ಮೇಲಿನ ಕಾನೂನಿನ ಸಂಬಂಧಿತ ಲೇಖನಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ವಿನಾಯಿತಿ ಮೌಲ್ಯಮಾಪನವನ್ನು ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಸಮರ್ಥಿಸಲಾಗುತ್ತದೆ; AI ಪೂರ್ವ-ಕ್ವಾಲ್ಸ್ ಮತ್ತು ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ಮಾತ್ರ ಉತ್ಪಾದಿಸುತ್ತದೆ.

ತೆರೆದ ಡೇಟಾವನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಪ್ರಕಟಿಸಲಾಗುತ್ತಿದೆ

ಓಪನ್ ಡೇಟಾ ಸಾರ್ವಜನಿಕ ದಕ್ಷತೆ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ; ಉದ್ಯಮಿಗಳು, ಪತ್ರಕರ್ತರು, ಸಂಶೋಧಕರು ಈ ಡೇಟಾದಿಂದ ಮೌಲ್ಯವನ್ನು ರಚಿಸುತ್ತಾರೆ. ಆದರೆ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ಪ್ರಕಟಿಸುವ ಮೊದಲು, ಅದನ್ನು ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯದ ವಿರುದ್ಧ ಪರಿಶೀಲಿಸಬೇಕು (ಅನಾಮಧೇಯ ಎಂದು ಭಾವಿಸಲಾದ ಡೇಟಾವನ್ನು ಇತರ ಡೇಟಾದೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಮತ್ತೆ ವ್ಯಕ್ತಿಗಳಿಗೆ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ). ಉದಾಹರಣೆಗೆ, "ವಯಸ್ಸು + ನೆರೆಹೊರೆ + ಅಪರೂಪದ ಉದ್ಯೋಗ" ಸಂಯೋಜನೆಯು ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಕಟಣೆಗಾಗಿ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುವಾಗ, ಅಪಾಯಕಾರಿ ಕಾಲಮ್ ಸಂಯೋಜನೆಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಲು ಮತ್ತು ಡೇಟಾ ನಿಘಂಟನ್ನು ಬರೆಯಲು AI ಸಹಾಯಕವಾಗಿದೆ (ಪ್ರತಿ ಕಾಲಮ್ ಎಂದರೆ ಏನು ಎಂಬುದರ ವಿವರಣೆ).

ಸಲಹೆ: ತೆರೆದ ಡೇಟಾವನ್ನು ಪ್ರಕಟಿಸುವ ಮೊದಲು, ಕೇಳಿ: "ಈ ಸೆಟ್‌ನಲ್ಲಿ ಎರಡು-ಮೂರು ಕಾಲಮ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ನಾನು ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ಹುಡುಕಬಹುದೇ?" ಉತ್ತರವು "ಬಹುಶಃ" ಆಗಿದ್ದರೆ (ವ್ಯಕ್ತಿಯ ಬದಲಿಗೆ ಗುಂಪು), ಅಪರೂಪದ ವರ್ಗಗಳನ್ನು ಸಂಯೋಜಿಸಿ ಅಥವಾ ಸೂಕ್ಷ್ಮ ಪ್ರದೇಶವನ್ನು ತೆಗೆದುಹಾಕಿ.

ಮಾಹಿತಿಯ ಹಂತ ಹಂತದ ಹರಿವು

1. ಬೇಡಿಕೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ ಮತ್ತು ವರ್ಗೀಕರಿಸಿ. ಏನು ವಿನಂತಿಸಲಾಗಿದೆ, ಇದು ಯಾವ ಘಟಕಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ, ಅವಧಿ ಎಷ್ಟು?
2. ಮಾಹಿತಿಯು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಅಥವಾ ಅದನ್ನು ಉತ್ಪಾದಿಸುವ ಅಗತ್ಯವಿದೆಯೇ? ಕಾನೂನು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಜ್ಞಾನವನ್ನು ಒಳಗೊಂಡಿದೆ; ಸಂಸ್ಥೆಯು ಹೊಸ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಮಾಡಬೇಕಾಗಿಲ್ಲ (ದೃಢೀಕರಿಸಲಾಗಿದೆ).
3. ವಿನಾಯಿತಿ ಮೌಲ್ಯಮಾಪನ. ವೈಯಕ್ತಿಕ ಡೇಟಾ, ಭದ್ರತೆ, ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳು, ಆಂತರಿಕ ಅಭಿಪ್ರಾಯದಂತಹ ಯಾವುದೇ ವಿನಾಯಿತಿಗಳಿವೆಯೇ?
4. ರಿಡಕ್ಷನ್. ಸಂರಕ್ಷಿಸಬೇಕಾದ ರಫ್ತು ಮಾಡಬಹುದಾದ ಡಾಕ್ಯುಮೆಂಟ್‌ನ ಭಾಗಗಳನ್ನು ತೆಗೆದುಹಾಕಿ.
5. ತರ್ಕಬದ್ಧ ಉತ್ತರ. ಕೊಟ್ಟಿರುವ/ಕೊಡದಿರುವ ಭಾಗ ಮತ್ತು ಅದರ ಆಧಾರ; ತಿರಸ್ಕರಿಸಿದರೆ ಆಕ್ಷೇಪಣೆ ವಿಧಾನ.
6. ಲಾಗ್ ಮತ್ತು ಆಡಿಟ್ ಟ್ರಯಲ್. ವಿನಂತಿ, ನಿರ್ಧಾರ ಮತ್ತು ಸಮರ್ಥನೆಯನ್ನು ದಾಖಲಿಸಲಾಗಿದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಸಂಪಾದನೆ ದೋಷವನ್ನು ತಪ್ಪಿಸಲಾಗಿದೆ. ಮಾಹಿತಿಯ ಸ್ವಾತಂತ್ರ್ಯದ ವಿನಂತಿಗೆ ಏಜೆನ್ಸಿಯು ಟೆಂಡರ್ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಸಲ್ಲಿಸುತ್ತದೆ. AI ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿದೆ ಮತ್ತು ಮೂರು ಜನರ ಫೋನ್ ಸಂಖ್ಯೆಗಳು ಮತ್ತು TR ID ಸಂಖ್ಯೆಗಳನ್ನು ಗುರುತಿಸಿದೆ. ಪ್ರೂಫ್ ರೀಡಿಂಗ್ ಮಾಡದೆ ಕಳುಹಿಸಿದ್ದರೆ ಕೆವಿಕೆಕೆ ಉಲ್ಲಂಘನೆಯಾಗುತ್ತಿತ್ತು; ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಕಪ್ಪಾಗಿಸಲಾಗಿದೆ, ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ತಲುಪಿಸಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಅನ್ಯಾಯದ ನಿರಾಕರಣೆ ಸರಿಪಡಿಸಲಾಗಿದೆ. ಒಂದು ಘಟಕವು "ಇನ್-ಹೌಸ್" ಎಂದು ಚಟುವಟಿಕೆ ಡೇಟಾಕ್ಕಾಗಿ ವಿನಂತಿಯನ್ನು ತಿರಸ್ಕರಿಸುತ್ತದೆ. ವಿನಾಯಿತಿ ವರ್ಗಗಳ ಕುರಿತು AI ಅನ್ನು ಕೇಳಿದಾಗ, ಈ ಡೇಟಾವನ್ನು ವಾಸ್ತವವಾಗಿ ಈಗಾಗಲೇ ತೆರೆದ ಡೇಟಾದಂತೆ ಪ್ರಕಟಿಸಬಹುದಾಗಿದೆ. ವಿನಂತಿಯನ್ನು ಪೂರೈಸಲಾಯಿತು, ಸಂಭವನೀಯ ಆಕ್ಷೇಪಣೆ ಮತ್ತು ಮೊಕದ್ದಮೆಯನ್ನು ತಡೆಯಲಾಯಿತು.

ಪ್ರಕರಣ 3 - ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯ. ಪುರಸಭೆಯು ತನ್ನ "ಸೇವಾ ವಿನಂತಿಗಳ" ಡೇಟಾಸೆಟ್ ಅನ್ನು ತೆರೆದ ಡೇಟಾದಂತೆ ಪ್ರಕಟಿಸುತ್ತದೆ. ಸೆಟ್ ನೆರೆಹೊರೆ + ಪೂರ್ಣ ವಿಳಾಸ ಜಿಲ್ಲೆಯ ವಿಭಜನೆಯನ್ನು ಒಳಗೊಂಡಿದೆ. ವಿಳಾಸ ಕ್ಷೇತ್ರವು ವೈಯಕ್ತಿಕ ಅಂಕೆಗಳನ್ನು ಸೂಚಿಸಬಹುದು ಎಂದು AI ಎಚ್ಚರಿಸಿದೆ; ವಿಳಾಸವನ್ನು ಬೀದಿ ಮಟ್ಟಕ್ಕೆ ಒಟ್ಟುಗೂಡಿಸಲಾಗಿದೆ ಮತ್ತು ಸೆಟ್ ಅನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಮಾಹಿತಿ ವಿನಂತಿ ವರ್ಗೀಕರಣ:

ನಿಮ್ಮ ಪಾತ್ರ: ಮಾಹಿತಿ ಸ್ವಾಧೀನ ತಜ್ಞ. ಈ ಕೆಳಗಿನ ವಿನಂತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ: (1) ನಿಖರವಾಗಿ ಏನು ವಿನಂತಿಸಲಾಗಿದೆ, (2) ಇದು ಯಾವ ಘಟಕಕ್ಕೆ ಸಂಬಂಧಿಸಿದೆ, (3) ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾಹಿತಿ ಅಥವಾ ಹೊಸ ಉತ್ಪಾದನೆಯ ಅಗತ್ಯವಿದೆಯೇ, (4) ಸಂಭವನೀಯ ವಿನಾಯಿತಿ ವಿಭಾಗಗಳು (ವೈಯಕ್ತಿಕ ಡೇಟಾ, ಭದ್ರತೆ, ವ್ಯಾಪಾರ ರಹಸ್ಯ, ಇತ್ಯಾದಿ). ಪ್ರತಿ ವಿನಾಯಿತಿಯನ್ನು "ಸಂಬಂಧಿತ ಲೇಖನದಿಂದ ಸಮರ್ಥಿಸಬೇಕು" ಎಂದು ಸೂಚಿಸಿ. ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು, ಪೂರ್ವ ಮೌಲ್ಯಮಾಪನ. ವಿನಂತಿ: [ಪಠ್ಯ]

2) ರಿಡಕ್ಷನ್ (ವೈಯಕ್ತಿಕ/ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಗುರುತಿಸುವುದು):

ಕೆಳಗಿನ ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿ, ಮಾಹಿತಿ ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಮಾಸ್ಕ್ ಮಾಡಬೇಕಾದ ಎಲ್ಲಾ ಭಾಗಗಳನ್ನು ಗುರುತಿಸಿ: ಹೆಸರು-ಉಪನಾಮ, ಟಿಆರ್ ಐಡಿ ಸಂಖ್ಯೆ, ವಿಳಾಸ, ದೂರವಾಣಿ, ಆರೋಗ್ಯ/ಅಪರಾಧ ಮಾಹಿತಿ, ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಡೇಟಾ, ವ್ಯಾಪಾರ ರಹಸ್ಯ. ಪ್ರತಿ ಚಿಹ್ನೆಗೆ ಸಂಕ್ಷಿಪ್ತ ಸಮರ್ಥನೆಯನ್ನು ಬರೆಯಿರಿ. ಡಾಕ್ಯುಮೆಂಟ್‌ನ ರಫ್ತು ಮಾಡಬಹುದಾದ ಭಾಗವನ್ನು ಹಾಗೆಯೇ ಬಿಡಿ. ಡಾಕ್ಯುಮೆಂಟ್: [ಪಠ್ಯ]

3) ಕಾರಣವಾದ ಉತ್ತರ ಕರಡು:

ಕೆಳಗಿನ ವಿನಂತಿಗೆ ಕಾರಣವಾದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಕರಡು ಮಾಡಿ: (1) ಯಾವ ಮಾಹಿತಿಯನ್ನು ನೀಡಲಾಗಿದೆ, (2) ಯಾವ ಭಾಗವನ್ನು ನೀಡಲಾಗಿಲ್ಲ ಮತ್ತು ಏಕೆ (ವಿನಾಯಿತಿ ಷರತ್ತು [ದೃಢೀಕರಿಸಲು]), (3) ಮೇಲ್ಮನವಿ ವಿಧಾನ ಮತ್ತು ಅವಧಿ [ದೃಢೀಕರಿಸಲು]. ಭಾಷೆ ಔಪಚಾರಿಕ ಮತ್ತು ಗೌರವಾನ್ವಿತವಾಗಿರಬೇಕು. ನೀಡದ ಭಾಗದ ಸಮರ್ಥನೆಯು ಕಾಂಕ್ರೀಟ್ ಆಗಿರಬೇಕು, ಸಾಮಾನ್ಯವಲ್ಲ. ವಿನಂತಿ: [ಸಾರಾಂಶ] ನಿರ್ಧಾರ: [ಏನು ನೀಡಲಾಯಿತು/ಕೊಡಲಿಲ್ಲ]

4) ಡೇಟಾ ಮರು-ದೃಢೀಕರಣ ನಿಯಂತ್ರಣವನ್ನು ತೆರೆಯಿರಿ:

ಕೆಳಗಿನ ಡೇಟಾಸೆಟ್‌ನ ಕಾಲಮ್‌ಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ. ಯಾವ ಕಾಲಮ್‌ಗಳ ಸಂಯೋಜನೆಯು ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ಸೂಚಿಸಬಹುದು ಎಂಬುದನ್ನು ಪಟ್ಟಿ ಮಾಡಿ (ಮರು ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯ). ಪ್ರತಿ ಅಪಾಯಕ್ಕೆ ಕೆಲವು ತಗ್ಗಿಸುವಿಕೆಯನ್ನು ಸೂಚಿಸಿ: ಒಟ್ಟುಗೂಡಿಸುವಿಕೆ, ಅಪರೂಪದ ವರ್ಗದ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆ, ಕ್ಷೇತ್ರ ಹೊರತೆಗೆಯುವಿಕೆ. ಕೊಟ್ಟಿರುವ ಕಾಲಮ್ ಪಟ್ಟಿಯನ್ನು ಬಳಸಿ. ಕಾಲಮ್‌ಗಳು: [ಪಟ್ಟಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಮಾಹಿತಿಗಾಗಿ ಈ ವಿನಂತಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸಿ."

Güçlü: "ನಿಮ್ಮ ಪಾತ್ರವು ಮಾಹಿತಿ ಘಟಕದ ಪರಿಣತವಾಗಿದೆ. ಮೊದಲು, ವಿನಂತಿಯನ್ನು ವರ್ಗೀಕರಿಸಿ: ಏನು ವಿನಂತಿಸಲಾಗಿದೆ, ಯಾವ ಘಟಕವು ಲಭ್ಯವಿದೆಯೇ, ಸಂಭವನೀಯ ವಿನಾಯಿತಿಗಳು ಯಾವುವು. ಪ್ರತಿ ವಿನಾಯಿತಿಯನ್ನು 'ಸಂಬಂಧಿತ ಲೇಖನದಿಂದ ಸಮರ್ಥಿಸಲು' ಎಂದು ಗುರುತಿಸಿ, ಕಾನೂನು ನಿರ್ಧಾರವನ್ನು ನೀವೇ ತೆಗೆದುಕೊಳ್ಳಬೇಡಿ. ನಂತರ, ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿ ಮರೆಮಾಚಬೇಕಾದ ವೈಯಕ್ತಿಕ/ಗೌಪ್ಯ ಭಾಗಗಳನ್ನು ಗುರುತಿಸಿ. ಆಕ್ಷೇಪಿಸುವ ವಿಧಾನ;

ವ್ಯತ್ಯಾಸ: ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್ ಪಾರದರ್ಶಕತೆ ಮತ್ತು ರಕ್ಷಣೆಯನ್ನು ಸಮತೋಲನಗೊಳಿಸುತ್ತದೆ, ಸಮರ್ಥನೆಗೆ ವಿನಾಯಿತಿಯನ್ನು ಕಟ್ಟುತ್ತದೆ, ರಿಡಕ್ಷನ್ ಮತ್ತು ಮೇಲ್ಮನವಿ ಮಾರ್ಗವನ್ನು ಸೇರಿಸುತ್ತದೆ.

ಮಾಹಿತಿ ಪ್ರಕಾರದ ಮೂಲಕ ವಿಧಾನ

ಮಾಹಿತಿ ಪ್ರಕಾರ

ಡೀಫಾಲ್ಟ್

ಗಮನ

ಅಂಕಿಅಂಶಗಳು, ಒಟ್ಟು ಡೇಟಾ

ತೆರೆದ

ಮರು-ಗುರುತಿನ ಪರಿಶೀಲನೆ

ಆಡಳಿತಾತ್ಮಕ ಕ್ರಮಕ್ಕೆ ಕಾರಣ

ನೀಡಬಹುದು

ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಡೇಟಾವನ್ನು ಸಂಪಾದಿಸಿ

ಮೂರನೇ ವ್ಯಕ್ತಿಯ ವೈಯಕ್ತಿಕ ಡೇಟಾ

ರಕ್ಷಿಸಲಾಗಿದೆ

ಕೆವಿಕೆಕೆ; ಆದರೆ ಅನುಮತಿ / ವಿನಾಯಿತಿಯೊಂದಿಗೆ

ಭದ್ರತೆ/ಗೌಪ್ಯತೆ ವಿನಾಯಿತಿ

ರಕ್ಷಿಸಲಾಗಿದೆ

ಇದು ನಿಜವಾದ ಅಪವಾದವೇ, ದೃಢೀಕರಿಸಿ

ಆಂತರಿಕ ಅಭಿಪ್ರಾಯ/ಸಂಧಾನ

ಅವಲಂಬಿತವಾಗಿದೆ

ಸಂಬಂಧಿತ ಲೇಖನದ ಪ್ರಕಾರ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ

ಅನಾಮಧೇಯತೆ ಮತ್ತು ಮರು ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯ

ತೆರೆದ ಡೇಟಾವನ್ನು ಪ್ರಕಟಿಸುವಲ್ಲಿ ಅತ್ಯಂತ ತಾಂತ್ರಿಕ ಆದರೆ ನಿರ್ಣಾಯಕ ಹಂತವೆಂದರೆ ಅನಾಮಧೇಯತೆ (ಒಬ್ಬ ವ್ಯಕ್ತಿಯನ್ನು ಡೇಟಾದಿಂದ ನೇರವಾಗಿ ಅಥವಾ ಪರೋಕ್ಷವಾಗಿ ಗುರುತಿಸಲಾಗದಂತೆ ಮಾಡುವುದು). ಹೆಸರು ಮತ್ತು ಟಿ.ಆರ್. ID ಸಂಖ್ಯೆಯನ್ನು ಅಳಿಸುವುದು ಸಾಮಾನ್ಯವಾಗಿ ಸಾಕಾಗುವುದಿಲ್ಲ; ಏಕೆಂದರೆ ಹಲವಾರು ಸಾಮಾನ್ಯ ಪ್ರದೇಶಗಳ ಸಂಯೋಜನೆಯು ವ್ಯಕ್ತಿಯನ್ನು ಪುನಃ ಗುರುತಿಸುವಂತೆ ಮಾಡುತ್ತದೆ. ಇದನ್ನು ಮರು-ಗುರುತಿಸುವಿಕೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ (ಇತರ ಮಾಹಿತಿಯೊಂದಿಗೆ ಅನಾಮಧೇಯ ಎಂದು ಭಾವಿಸಲಾದ ಡೇಟಾ ಹೊಂದಾಣಿಕೆಯ ಮೂಲಕ ವ್ಯಕ್ತಿಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು). ಉದಾಹರಣೆಗೆ, ನೆರೆಹೊರೆಯಲ್ಲಿ ಒಬ್ಬನೇ 92 ವರ್ಷ ವಯಸ್ಸಿನ ವಿಧುರನಿದ್ದರೆ, ಮೂವರು "ನೆರೆಹೊರೆ + ವಯಸ್ಸು + ವೈವಾಹಿಕ ಸ್ಥಿತಿ" ಅವನನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ. ಡೇಟಾ ಸೆಟ್‌ನಲ್ಲಿನ ಯಾವ ಕ್ಷೇತ್ರಗಳ ಸಂಯೋಜನೆಯು ಬಹಿರಂಗಪಡಿಸುವ ಅಪಾಯದಲ್ಲಿದೆ ಮತ್ತು ಸುರಕ್ಷಿತ ಗುಂಪನ್ನು ಸೂಚಿಸಲು AI ಸಹಾಯ ಮಾಡುತ್ತದೆ (ವಯಸ್ಸನ್ನು ಶ್ರೇಣಿಗೆ ಪರಿವರ್ತಿಸುವುದು, ಅಪರೂಪದ ವರ್ಗಗಳನ್ನು ಸಂಯೋಜಿಸುವುದು); ಆದರೆ ಪ್ರಕಟಿಸುವ ನಿರ್ಧಾರ ಮತ್ತು ಅಂತಿಮ ಲೆಕ್ಕಪರಿಶೋಧನೆಯು ಸಂಸ್ಥೆಯ ಜವಾಬ್ದಾರಿಯಾಗಿದೆ.

ಮಿನಿ ಕೇಸ್ - ಮೂರು ಪ್ರದೇಶಗಳೊಂದಿಗೆ ಬಹಿರಂಗಪಡಿಸುವಿಕೆ. ಒಂದು ಪುರಸಭೆಯು ಸಾಮಾಜಿಕ ನೆರವು ಡೇಟಾವನ್ನು "ಅನಾಮಧೇಯವಾಗಿ" ಪ್ರಕಟಿಸಿದೆ: ಹೆಸರಿಲ್ಲ, ಆದರೆ ನೆರೆಹೊರೆ, ಹುಟ್ಟಿದ ವರ್ಷ ಮತ್ತು ಅಂಗವೈಕಲ್ಯದ ಪ್ರಕಾರ. ಪತ್ರಕರ್ತರೊಬ್ಬರು ಒಂದೇ ನೆರೆಹೊರೆಯಲ್ಲಿ ಒಬ್ಬ ವ್ಯಕ್ತಿಯಲ್ಲಿ ಅಪರೂಪದ ರೀತಿಯ ಅಂಗವೈಕಲ್ಯವನ್ನು ಗಮನಿಸಿ ವ್ಯಕ್ತಿಯನ್ನು ಗುರುತಿಸಿದರು. ಡೇಟಾವನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ; ಹುಟ್ಟಿದ ವರ್ಷವನ್ನು 10 ವರ್ಷಗಳ ಮಧ್ಯಂತರಕ್ಕೆ ಪರಿವರ್ತಿಸಿದಾಗ ಅದನ್ನು ಮರುಪ್ರಕಟಿಸಲಾಗಿದೆ ಮತ್ತು ಅಪರೂಪದ ವರ್ಗಗಳನ್ನು "ಇತರ" ಅಡಿಯಲ್ಲಿ ಗುಂಪು ಮಾಡಲಾಗಿದೆ.

ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯವನ್ನು ಪ್ರದರ್ಶಿಸುವ ಟೆಂಪ್ಲೇಟ್:

ಕಾರ್ಯ: ಕೆಳಗಿನ ಡೇಟಾ ಸೆಟ್‌ನ ಕಾಲಮ್‌ಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ; ನಾನು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಪ್ರಕಟಿಸುವುದಿಲ್ಲ, ನಾನು ಅಪಾಯದ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ಮಾತ್ರ ಬಯಸುತ್ತೇನೆ. ಕಾಲಮ್‌ಗಳು: [ಕಾಲಮ್ ಹೆಸರುಗಳು]ಔಟ್‌ಪುಟ್: 1) ನೇರ ಗುರುತಿಸುವಿಕೆಗಳು (ಅಳಿಸಲೇಬೇಕು). 2) ಪರೋಕ್ಷ ಗುರುತಿಸುವಿಕೆಯ ಸಂಯೋಜನೆಗಳು (ಮರು ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯ). 3) ಪ್ರತಿ ಅಪಾಯಕಾರಿ ಸಂಯೋಜನೆಗೆ ಶಿಫಾರಸು ಮಾಡಲಾದ ಗುಂಪು/ಮರೆಮಾಚುವಿಕೆ. 4) ಪ್ರಕಟಣೆಯ ಮೊದಲು ಅಂತಿಮ ಚೆಕ್ ಪ್ರಶ್ನೆಗಳು. ನಿಯಮ: ನಾನು ಯಾವುದೇ ನೈಜ ವೈಯಕ್ತಿಕ ಮೌಲ್ಯಗಳನ್ನು ಅಂಟಿಸಲಿಲ್ಲ; ಕೇವಲ ಕಾಲಮ್ ರಚನೆಯನ್ನು ಪರಿಗಣಿಸಿ.

ಎಚ್ಚರಿಕೆ: "ನಾನು ಹೆಸರನ್ನು ಅಳಿಸಿದ್ದೇನೆ, ಈಗ ಅನಾಮಧೇಯ" ಎಂಬುದು ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ಅಪಾಯಕಾರಿ ತಪ್ಪುಗ್ರಹಿಕೆಯಾಗಿದೆ. ಅನಾಮಧೇಯತೆಯು ಕ್ಷೇತ್ರದಿಂದ ಅಲ್ಲ, ಆದರೆ ಕ್ಷೇತ್ರಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಬಾಹ್ಯ ಡೇಟಾದೊಂದಿಗೆ ಹೊಂದಾಣಿಕೆಯ ಸಂಭವನೀಯತೆಯಿಂದ ನಿರ್ಧರಿಸಲ್ಪಡುತ್ತದೆ. ಸಂದೇಹವಿದ್ದರೆ, ಪ್ರಕಟಿಸಬೇಡಿ; ಅನಾಮಧೇಯತೆಯು ಹಿಂತೆಗೆದುಕೊಳ್ಳಲಾಗದ ನಿರ್ಧಾರವಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಅಭ್ಯಾಸವಾಗಿ ತಿರಸ್ಕರಿಸಲು. ಅನಗತ್ಯ "ಗೌಪ್ಯ" ಎಂದು ನೀಡಬಹುದಾದ ಮಾಹಿತಿಯನ್ನು ಪರಿಗಣಿಸುವುದು ಹಕ್ಕುಗಳ ಉಲ್ಲಂಘನೆ ಮತ್ತು ಮೊಕದ್ದಮೆಗೆ ಕಾರಣವಾಗಿದೆ.
• ಸರಿಪಡಿಸದ ದಾಖಲೆಗಳನ್ನು ಸಲ್ಲಿಸುವುದು. ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಡೇಟಾವನ್ನು ಬಹಿರಂಗಪಡಿಸುವುದು KVKK ಉಲ್ಲಂಘನೆಯಾಗಿದೆ.
• ಸಮರ್ಥನೆ ಇಲ್ಲದೆ ವಿನಾಯಿತಿಯನ್ನು ಬಳಸುವುದು. ತಿರಸ್ಕಾರವನ್ನು ಕಾಂಕ್ರೀಟ್ ವಸ್ತು ಮತ್ತು ಕಾಂಕ್ರೀಟ್ ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಮಾಡಬೇಕು; "ಮನೆಯಲ್ಲಿ" ಎಂದು ಹೇಳುವುದು ಸಾಕಾಗುವುದಿಲ್ಲ.
• AI ನ ಕಾನೂನು ತೀರ್ಪಿನ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ವಿನಾಯಿತಿಯನ್ನು ಮಾಡುವ ನಿರ್ಧಾರವು ಮಾನವವಾಗಿದೆ; AI ಪೂರ್ವ-ಅರ್ಹತೆ.
• ತೆರೆದ ಡೇಟಾದಲ್ಲಿ ಮರು-ಗುರುತಿಸುವಿಕೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಕಾಲಮ್ ಸಂಯೋಜನೆಗಳು ಜನರನ್ನು ಹುಡುಕಬಹುದು; ಒಟ್ಟುಗೂಡಿಸಿ.
• ಆಕ್ಷೇಪಣೆಯ ವಿಧಾನಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತಿಲ್ಲ. ನಿರಾಕರಣೆಗಳಲ್ಲಿ, ಅಪ್ಲಿಕೇಶನ್ ವಿಧಾನ ಮತ್ತು ಅವಧಿಯನ್ನು ಬರೆಯಬೇಕು (ದೃಢೀಕರಿಸಲಾಗಿದೆ).

ಸಾರಾಂಶದಲ್ಲಿ

ಪಾರದರ್ಶಕತೆಯು ಸಾರ್ವಜನಿಕ ನಂಬಿಕೆಯ ಅಡಿಪಾಯವಾಗಿದೆ; FOI ವಿನಂತಿಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು, ಪ್ರೂಫ್ ರೀಡಿಂಗ್ ಅನ್ನು ಶಿಫಾರಸು ಮಾಡಲು, ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ರಚಿಸುವಲ್ಲಿ ಮತ್ತು ಪ್ರಕಟಣೆಗಾಗಿ ಮುಕ್ತ ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುವಲ್ಲಿ AI ಪ್ರಬಲ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ಸಮತೋಲನವು ನಿರ್ಣಾಯಕವಾಗಿದೆ: ನಾಗರಿಕರಿಗೆ ಅವರು ಅರ್ಹರಾಗಿರುವ ಮಾಹಿತಿಯನ್ನು ನೀಡಬೇಕು, ನೈಜ ವಿನಾಯಿತಿಗಳು ಮತ್ತು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಬೇಕು. ವಿನಾಯಿತಿ ಮಾಡುವ ನಿರ್ಧಾರವು ತರ್ಕಬದ್ಧವಾಗಿರಬೇಕು ಮತ್ತು ಮಾನವವಾಗಿರಬೇಕು; ಪ್ರಕಟಣೆಯ ಮೊದಲು ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯಕ್ಕಾಗಿ ತೆರೆದ ಡೇಟಾವನ್ನು ಆಡಿಟ್ ಮಾಡಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಮಾಹಿತಿ ವಿನಂತಿಯ ನೈಜ (ಮುಖವಾಡ) ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಸ್ವೀಕರಿಸಿ. "ವಿನಂತಿ ವರ್ಗೀಕರಣ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಪೂರ್ವ-ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಲಗತ್ತಿಸಲಾದ ಡಾಕ್ಯುಮೆಂಟ್‌ಗೆ "ರಿಡಕ್ಷನ್" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಅನ್ವಯಿಸಿ ಮತ್ತು ಮಾಸ್ಕ್ ಮಾಡಬೇಕಾದ ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಿ. ತೆರೆದ ಡೇಟಾ ಸೆಟ್‌ನ ಕಾಲಮ್‌ಗಳಿಗೆ "ಓಪನ್ ಡೇಟಾ ಮರು-ಗುರುತಿನ ಪರಿಶೀಲನೆ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಅನ್ವಯಿಸಿ ಮತ್ತು ಕನಿಷ್ಠ ಒಂದು ಅಪಾಯಕಾರಿ ಸಂಯೋಜನೆಯನ್ನು ಹುಡುಕಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ವಿನಂತಿಯನ್ನು ವರ್ಗೀಕರಿಸಿದ್ದೇನೆ; ಅನಗತ್ಯವಾಗಿ ನೀಡಬಹುದಾದ ಮಾಹಿತಿಯನ್ನು ನಾನು ತಿರಸ್ಕರಿಸಲಿಲ್ಲ.
• [ ] ನಾನು ಕಾಂಕ್ರೀಟ್ ವಸ್ತು ಮತ್ತು ಸಮರ್ಥನೆಯೊಂದಿಗೆ ವಿನಾಯಿತಿಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ (ಮಾನವ ನಿರ್ಧಾರ).
• [ ] ನಾನು ಸಲ್ಲಿಸಬೇಕಾದ ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿನ ವೈಯಕ್ತಿಕ/ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಸಂಪಾದಿಸಿದ್ದೇನೆ.
• [ ] ನಿರಾಕರಣೆಯ ಸಂದರ್ಭದಲ್ಲಿ, ನಾನು ಆಕ್ಷೇಪಣೆ ವಿಧಾನ ಮತ್ತು ಅವಧಿಯನ್ನು ಹೇಳಿದ್ದೇನೆ (ದೃಢೀಕರಿಸಲಾಗಿದೆ).
• [ ] ನಾನು ತೆರೆದ ಡೇಟಾದಲ್ಲಿ ಮರು-ಗುರುತಿಸುವಿಕೆಯ ಅಪಾಯವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಆಡಿಟ್‌ಗಾಗಿ ವಿನಂತಿ, ನಿರ್ಧಾರ ಮತ್ತು ಸಮರ್ಥನೆಯನ್ನು ದಾಖಲಿಸಿದ್ದೇನೆ.