Pelnas:
- Taikykite AI aspektus kiekviename duomenų gyvavimo ciklo etape
- Nustatykite saugojimo laikotarpius ir įtraukite AI pokalbių istorijas į naikinimo politiką
- Skirtumo tarp anonimiškumo ir pseudonimizacijos taikymas
„Po“ duomenų dalis yra ta, kurią duomenų apsaugos pareigūnas dažnai nepastebi. Kai tekstas įvedamas į AI, atrodo, kad darbas atliktas; Tačiau tie duomenys kažkur saugomi, gal naudojami modelių mokymuose, gal pokalbių istorijoje kaupiasi mėnesiais. Šiame skyriuje žingsnis po žingsnio aptarsime asmens duomenų gyvavimo ciklą; Sužinosime apie saugojimo laikotarpius, AI pokalbių istorijų sunaikinimą ir dviejų svarbių metodų – anonimiškumo ir pseudonimizacijos – skirtumą. Tikslas yra tvarkyti duomenis visą jų gyvavimo laiką, o ne tik tada, kai jie įvedami.
Duomenų gyvavimo ciklas ir AI
Asmens duomenys praeina visą gyvavimo ciklą; Kiekvienas etapas turi specifinius DI dėmesio taškus.
Scena
Kas atsitiks?
AI dėmesio taškas
kolekcija
Duomenys gaunami
Ar aiškūs tikslas ir pagrindas? Ar jis buvo sumažintas iki minimumo?
Naudojimas / apdorojimas
Įvestas į AI, apdorotas
Ar maskavimas buvo atliktas? Patvirtinta transporto priemonė?
saugykla
Duomenys išsaugomi
Kiek laiko trunka pokalbių istorija?
perkėlimas
eina pas ką nors kitą
Tarptautinis serveris? Ar yra tinkamas užtikrinimas?
Sunaikinimas
Ištrynimas/anoniminimas
Ar jis buvo ištrintas pasibaigus tikslui? Ar yra atsarginės dalys?
Du labiausiai apleisti etapai yra saugojimas ir šalinimas. Duomenys „pamirštami“ ir toliau kaupiami sistemoje – tai ir pažeidžia KVKK principą, ir padidina žalą pažeidimo atveju.
Laikymo laikas: kiek laiko galite jį laikyti?
KVKK saugojimo principas yra aiškus: asmens duomenys negali būti saugomi ilgiau, nei tai būtina tikslui, dėl kurio jie tvarkomi. Kai tikslas nebepasiekiamas, duomenys turi būti ištrinti, sunaikinti arba anonimizuoti. Įstaiga parengia saugojimo ir utilizavimo politiką; nustato, kiek saugoti kiekvienos kategorijos duomenų.
Kritinis dalykas, būdingas AI: AI pokalbių istorijos taip pat yra saugomi duomenys. Jei darbuotojas kelis mėnesius įvedė klientų duomenis į tą patį pokalbį, ta istorija tampa duomenų saugykla. Už tai:
- Konfigūruokite duomenų saugojimo nustatymus įmonės AI įrankiuose (jei įmanoma, automatiškai ištrinkite istoriją arba išjunkite naudojimą modelio mokymuose).
- Įtraukite pokalbių istoriją į naikinimo tvarkaraštį.
- Įsitikinkite, kad įmonės sutartyje yra parinktis „Nenaudoti modelių mokymuose“ (atsisakyti).
Dėmesio: duomenų ištrynimas nėra tik jų pašalinimas iš ekrano. Taip pat reikėtų atsižvelgti į atsargines kopijas, žurnalus ir kopijas teikėjo serveryje. Kai sakote „ištrintas“, įsitikinkite, kad tai, ką ištrynėte, yra tikrai negrįžtama.
Anonimizavimas ar pseudoniminimas?
Šios dvi sąvokos dažnai painiojamos, tačiau jų teisinės pasekmės yra diametraliai priešingos.
- Anonimizavimas: duomenų pavertimas taip, kad jų jokiu būdu nebūtų galima susieti su asmeniu. Jei padaryta teisingai, rezultatas nebėra asmens duomenys ir nepatenka į KVKK taikymo sritį. Pavyzdys: ištrinamos atskiros 10 000 žmonių duomenų rinkinio eilutės ir paliekama tik bendra statistika, pvz., „Vidutinės išlaidos 25–34 metų amžiaus grupėje Stambule“.
- Pseudoniminimas: tapatybės informacija pakeičiama kodu/žyma, bet gali būti grąžinta asmeniui naudojant „raktą“. Pavyzdys: vietoj „Ahmet Yılmaz“ rašoma „Customer-4471“, bet išlaikoma lentelė, rodanti, kuris kodas kam priklauso. Tai vis dar yra asmens duomenys ir patenka į KVKK taikymo sritį.
funkcija
Anonimiškumas
Pseudoniminimas
Ar galima grąžinti asmenį?
Ne (jei padaryta teisingai)
Taip, su raktu
Ar tai vis dar asmens duomenys?
ne
Taip
KVKK taikymo sritis
lauke
in
Norėdami patekti į AI
Saugiausias būdas
Vėlgi, būtinas pagrindas / taisyklė
Patarimas: "Ar tai grįžtama?" prieš įvesdami duomenis į AI. paklausti. Jei jame yra raktas / atitikmuo, jis yra pseudonimas ir vis dar yra asmens duomenys. Tikrasis anonimiškumas yra bendrų rezultatų, o ne atskirų eilučių bendrinimas.
trys mini dėklai
1 atvejis – netikras anonimiškumas. Sveikatos priežiūros įmonė pateikia dirbtiniam intelektui duomenų rinkinį, kurį ji teigia „anonimizuojanti“ analizei. Tačiau rinkinyje yra gimimo data, apskritis ir reta diagnozė; ši trijulė gali nurodyti vieną asmenį mažoje apskrityje. Tai nėra anonimiškumas; duomenys vis dar yra asmeniniai. Teisingas būdas: gimimo datos konvertavimas į amžiaus intervalą, apibendrinimas pagal apskritį, retų diagnozių grupavimas – tai yra tikrasis agregavimas.
2 atvejis – pokalbių kaupimasis. Skambučių centre 6 agentai įveda klientų duomenis į tą pačią įmonės AI paskyrą 4 mėnesius. Niekas neišvalo praeities; galiausiai vienoje vietoje susikaupė daugiau nei 12 000 klientų sąveikų. Audito metu šis kaupimas yra pažymėtas kaip pagrindinė rizika. Sprendimas: nustatymas automatiškai ištrinti istoriją kas 30 dienų, taisyklė atsijungti, kai darbas baigtas, ir saugojimo politikos sąlyga.
3 atvejis – teisingas pseudoniminimas. Analizuodama darbuotojo našumą su AI, HR komanda koduoja tokius pavadinimus kaip „Darbuotojas-001“ ir saugo atitikmenų lentelę atskirame, ribotos prieigos faile. Tai pseudoniminimas; Duomenys vis dar yra asmeniniai, tačiau rizika sumažėja. Komanda žino, kad tai nėra anonimiškumas, ir atitinkamai nustato jos teisinį pagrindą ir saugojimo laikotarpį.
Kopijuojami šablonai
1 ŠABLONAS – saugojimo ir naikinimo politikos eilutė: "Pasiūlykite saugojimo ir naikinimo politikos eilutę šiai duomenų kategorijai: [kategorija]. Laukai: saugojimo laikotarpis (pagrįstas tikslu), naikinimo metodas (ištrynimas / sunaikinimas / anonimiškumas), ar įtraukta dirbtinio intelekto pokalbių istorija, atsakingas vaidmuo. Priminkite, ar yra teisinė saugojimo prievolė."
2 ŠABLONAS – anonimiškumo patikra: "Įvertinkite, ar šis duomenų rinkinys tikrai anonimiškas: [sąrašo laukai]. Dėl kokių laukų derinių galima pakartotinai identifikuoti asmenį (pvz., gimimo data + pašto kodas + reta ypatybė)? Siūlykite apibendrinimą kiekvienai rizikos sričiai (pvz., amžiaus intervalui, provincijos lygiui), kad sustiprintumėte anonimiškumą."
3 ŠABLONAS – maskavimas + grąžinimo klavišo atskyrimas: "Slapyvardis toliau nurodytas tekstas: užkoduokite asmeninius duomenis (pvz., [VARDAS]->K001), bet pateikite man atitikimo lentelę ATSKIRTA. Pačiame tekste nepalikite tikrosios tapatybės. Atminkite, kad atitikties lentelė yra „asmens duomenys“ ir ją reikia saugoti atskirai.
4 ŠABLONAS – AI įrankio duomenų saugojimo auditas: „Paruoškite klausimų sąrašą, kad patikrintumėte mūsų naudojamo AI įrankio duomenų saugojimo elgseną: kiek laiko saugoma istorija, ar ją galima ištrinti, ar ji naudojama modelio mokymuose, ar yra atsisakymas, kur apdorojami duomenys, kokios atsarginės kopijos? Į kiekvieną klausimą parašykite laukiamą „saugų“ atsakymą.
Silpnas raginimas / Stiprus raginimas
WEAK: „Anonimizuoti šiuos duomenis“. (koduoja ir palieka vardus)-> Tiesiog slapyvardžiai; Išlieka pakartotinio identifikavimo rizika, pvz., gimimo data, retas požymis; Tai sukuria „anonimiškumo“ iliuziją. GÜÇLÜ: "Raskite šio rinkinio laukų derinius, kurie gali iš naujo identifikuoti asmenį; apibendrinkite kiekvieną iš jų (amžiaus intervalas, provincijos lygis). Mano tikslas yra ne vienas įrašas, o apibendrinta statistika. Dėl to niekas negali būti atskirtas kaip vienas asmuo ir tai patikrinti." -> Modelis linkęs į tikrą anonimiškumą, sumažinant pakartotinio identifikavimo riziką.
Dažnos klaidos
- Pseudonimizacijos klaidinimas su anonimiškumu; pamirštant, kad tai lieka asmens duomenimis.
- Vardų ištrynimas ir aprašomųjų derinių palikimas, pvz., gimimo data + vieta + retas bruožas.
- AI pokalbių istorijai netaikoma saugojimo / naikinimo taisyklė; kaupti neribotą laiką.
- Sutartyje neužtikrinamas punktas „Nenaudoti modelių mokymuose“ (atsisakymas).
- Kai sakau ištrynimą, turiu omenyje tiesiog išvalykite ekraną ir pamirškite atsargines kopijas ir žurnalus.
- Išsaugokite ilgesnį saugojimo laikotarpį „tik tuo atveju“, o ne pagal paskirtį.
- Nepaisydami to, kad perkėlimas ir saugojimas taip pat vyksta teikėjo serveryje.
Apibendrinant
- Asmens duomenys praeina visą gyvavimo ciklą; Labiausiai apleisti etapai yra sandėliavimas ir šalinimas.
- Duomenys negali būti saugomi ilgiau, nei būtina tikslui pasiekti; Įstaiga turėtų nustatyti saugojimo ir naikinimo politiką.
- AI pokalbių istorijos taip pat yra saugomi duomenys; turėtų būti įtraukti į šalinimo grafiką ir saugojimo nustatymus.
- Anoniminimas pašalina duomenis iš KVKK; Pseudoniminimas vis tiek palieka asmeninius duomenis.
- Vardo ištrynimas nėra anonimiškumas; Visi deriniai, kuriems kyla pakartotinio identifikavimo rizika, turėtų būti apibendrinti.
Taikymo užduotis
Pasirinkite duomenų kategoriją, kurią jūsų organizacija apdoroja naudodama AI (pvz., klientų aptarnavimo įrašus). Parašykite šios kategorijos saugojimo ir naikinimo politikos eilutę: saugojimo laikotarpis (pagrįstas), naikinimo metodas, ar įtraukta AI pokalbių istorija ir atsakingas vaidmuo. Tada paimkite pavyzdinį įrašą iš tų pačių duomenų ir pirmiausia jį pseudonimuokite (atitikties lentelę laikykite atskirai), tada parašykite, kuriuos laukus apibendrinsite ir kaip padaryti šį įrašą iki tikrojo anonimiškumo. Galiausiai paruoškite penkis klausimus, valdančius jūsų naudojamo AI įrankio duomenų saugojimo elgseną, ir į kiekvieną pridėkite „saugų“ atsakymą, kurio tikitės.
kontrolinis sąrašas
- [ ] Nustačiau duomenų kategorijos saugojimo laikotarpį ir sunaikinimo būdą.
- [ ] Į naikinimo tvarkaraštį įtraukiau AI pokalbių istoriją.
- [ ] Pažymėjau atsisakymo elementą „Nenaudoti modelių mokymuose“.
- [ ] Įgyvendinau skirtumą tarp pseudonimizacijos ir anonimizacijos.
- [ ] Turiu apibendrintus laukų derinius, kuriems kyla pakartotinio identifikavimo pavojus.
- [ ] Į ištrynimo sritį taip pat įtraukiau atsargines kopijas ir žurnalus.
- [ ] Aš patikrinau AI įrankio duomenų saugojimo elgesį.