Ieguvumi:
- Spēja izveidot drošu AI plūsmu ar minimizēšanas principu, neslēpjot sensitīvus datus avotā un nekad nepārraidot kartes numuru
- Iespēja kontrolēt maskēšanu ar atsevišķu autentifikācijas slāni un izvēlēties rīkus, kas ir uzņēmuma, iespējoti DPA un neizmanto datus apmācībā
- Iespēja izmantot rīkus tikai autorizētiem, aizsardzības un vienprātības mērķiem, vienlaikus saglabājot caurspīdīgumu ar klientu
Zvanu centrs ir vieta, kur notiek visintensīvākā organizācijas personas datu plūsma. Katrā sarunā var tikt minēts vārds, tālruņa numurs, adrese, TR ID, pasūtījumu vēsture, informācija par veselību un pat maksājumu kartes numurs. Pat uz mirkli atslābinoties, apstrādājot šos datus mākslīgajā intelektā, tiks noteiktas gan nopietnas juridiskas sankcijas (KVKK sodi var sasniegt miljonus liru, GDPR sodi var sasniegt procentus no apgrozījuma), gan neatgriezenisks klientu uzticības zaudējums. Šī vienība ir drošības pamats, kas atrodas virs visām iepriekšējām vienībām: neatkarīgi no tā, cik gudrs ir robots, kopsavilkums, analīze vai palīgs, to nevar izmantot, ja tā neapstrādā datus droši.
Šajā nodaļā mēs apskatīsim trīs galvenās tēmas: datu privātums (personas datu aizsardzība — KVKK/GDPR), maksājumu drošība (PCI-DSS) un maskēšana/rediģēšana (sensitīvu datu slēpšana pirms to nodošanas mākslīgajam intelektam). Turklāt IT drošības ziņā mēs uzsvērsim vienīgo atļauto un aizsardzības šo rīku izmantošanu.
Pamatjēdzieni un tiesiskais regulējums
KVKK (Personas datu aizsardzības likums) regulē personas datu apstrādi Tirkijā; GDPR ir ekvivalents Eiropā. Saskaņā ar šiem likumiem personas datus var apstrādāt tikai droši un tiktāl, cik tas ir nepieciešams konkrētam, likumīgam mērķim. Tāda informācija kā veselība, reliģija un biometriskie dati ir īpaši personas dati un ir īpaši aizsargāti. PCI-DSS (maksājumu karšu nozares datu drošības standarts) nosaka, kā tiek apstrādāti karšu dati; Tas ir viens no stingrākajiem noteikumiem un aizliedz nevajadzīgi uzglabāt/pārsūtīt pilnu kartes numuru.
Daži kritiski jēdzieni mākslīgā intelekta kontekstā:
- Maskēšana / rediģēšana: sensitīvu datu (vārds, ID, karte, tālrunis) slēpšana / dzēšana pirms to nodošanas mākslīgajam intelektam. "[KLIENTS]", nevis "Ahmet Yılmaz", "[CARD]" kartes vietā.
- Datu samazināšana: kopīgojiet tikai tik daudz datu, cik nepieciešams uzņēmumam. Kopsavilkumā neiekļaujot pilnu adresi, ja vien tas nav nepieciešams.
- Datu dzīvesvieta: kurā valstī/serverī dati tiek apstrādāti; Daži dati nevar tikt nosūtīti uz ārzemēm.
- Datu apstrādes līgums (DPA): līgums, kas nosaka, kā jūsu izmantotais AI rīks apstrādās datus, nevis tos uzglabās un neizmantos modeļu apmācībā.
- Piekrišana un mērķis: Sarunu ierakstu apstrādei nepieciešamā informācija un tiesiskais pamats.
Uzmanību: Nepietiek pateikt "Es maskēju personas datus"; Ir jāpārliecinās, vai maskēšana darbojas. Automātiskā maskēšana dažkārt var palaist garām vārdu vai kartes numuru. Pārbaudiet, ņemot paraugus maskēšanas izvadei augsta riska straumēs.
Droša arhitektūra: kur un kā apstrādāt datus?
Ieviešot AI zvanu centrā, ir jāizveido šādi drošības līmeņi:
- Maskēšana avotā: personas/kartes dati tiek automātiski maskēti, pirms transkripcija nonāk AI. Karšu numuri nekad netiek ievadīti modelī to neapstrādātā veidā.
- Korporatīvo rīku izvēle: priekšroka tiek dota korporatīvajiem rīkiem, kas neizmanto jūsu datus modeļu apmācībā, ar DPA parakstu un garantētu datu dzīvesvietu. Klientu dati netiek ievadīti bezmaksas publiski pieejamos rīkos.
- Piekļuves kontrole: Kas var piekļūt reģistrētajiem datiem (audita žurnāls). Neatļauta piekļuve ir novērsta.
- Uzglabāšanas limits: Dati tiek glabāti tikai tik ilgi, cik nepieciešams; nevajadzīgie ieraksti tiek dzēsti.
- Pārredzamība: klients zina, ka viņa saruna tiek ierakstīta/apstrādāta un ka viņš runā ar robotprogrammatūru.
Šajā tabulā ir salīdzināta droša un riskanta prakse:
Priekšmets
Riskanta prakse
Droša lietojumprogramma
Transportlīdzekļa izvēle
Ikvienam pieejams bezmaksas rīks
Korporatīvs, DPA, netiek izmantots izglītībā
kartes dati
Neapstrādāta ielīmēšana tekstā
Nekad; maskēts/[KARTE]
personas dati
Dalies kā ir
Maskēšana + minimizēšana
uzglabāšana
Uz nenoteiktu laiku
Mērķis ierobežots, dzēšanas politika
Piekļuve
visiem
Autorizēts, reģistrēts
caurspīdīgums
slepenais ieraksts
Apgaismojums + informācija
Soli pa solim: droša AI datu plūsma
- Klasificēt: kuri datu lauki ir sensitīvi (TC, karte, veselības stāvoklis, adrese)? Atzīmējiet tos iepriekš.
- Maska: Lietojiet automātisko maskēšanu pirms došanās uz AI; Nekad nepārsūtiet karti.
- Minimizēt: nesūtiet vairāk, nekā nepieciešams darbam.
- Pārbaude: pārbaudiet, veicot paraugu ņemšanu, vai maskējot nav pazuduši kādi dati.
- Līgums un saglabāšana: apstipriniet transportlīdzekļa DPA, datu dzīvesvietu un saglabāšanas periodu.
- Uzraudzīt un auditēt: Reģistrējieties piekļuvi, veiciet regulāras drošības pārbaudes.
Četras kopējamas veidnes
1) Maskēšanas (rediģēšanas) pieprasījums:
Zemāk esošajā tekstā atrodiet un maskējiet šādus personas datus: vārds-uzvārds → [KLIENTS], TR ID → [IDN], tālrunis → [TELEFONS], kartes numurs → [KARTE], adrese → [ADRESE], e-pasts → [EMAIL]. Dodiet maskēto tekstu; Norādiet arī, cik un kāda veida dati ir maskēti. Maskējiet arī zonu, par kuru neesat pārliecināts (drošības puse). Teksts: <<...>>
2) Maskēšanas pārbaude (noplūdes skenēšana):
Tālāk esošajam tekstam jābūt maskētam. Vai iekšā VĒL ir palikuši redzami neatmaskēti personas/kartes dati? (vārds, ID, tālrunis, karte, adrese, e-pasts) Uzskaitiet, ko atradāt; Ja tāda nav, sakiet "tīrs". Nemainiet tekstu, vienkārši pārbaudiet.Teksts: <<maskēts teksts>>
3) Datu minimizēšanas kontrole:
Tālāk norādītajai AI uzvednei/izejai pārbaudiet personas datu laukus, kas NAV OBLIGĀTI, pamatojoties uz uzņēmējdarbības mērķi. Mērķis: <<piem. zvanu kopsavilkums>>.Kurus laukus var izvilkt? Iesakiet vienkāršotu versiju, kas veic to pašu darbu ar minimālu datu daudzumu.Saturs: <<...>>
4) Transportlīdzekļa/atbilstības iepriekšējās pārbaudes saraksts (reģistrācija):
Pirms jauna AI rīka izmantošanas zvanu centrā sagatavojiet atbilstības piezīmi, atbildot uz šiem jautājumiem:- Vai dati tiek apstrādāti vietējā līmenī? - Vai tas ir parakstīts DPA? – Vai datus izmanto modeļu apmācībā? - Uzglabāšanas periods? - Vai kartes dati tiek apstrādāti? PCI-DSS pārklājums? - Vai piekļuve ir reģistrēta? Atzīmējiet trūkstošos/riskantos vienumus kā "nevar izmantot bez apstiprinājuma".
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Apkopojiet šo zvanu ierakstu: "Ahmets Yılmaz, TC 12345678901, kart5312 3456 7890 1234, adrese Bağdat Cad Nr. 5, iebilda pret viņa rēķinu."
Nopietns pārkāpums: neapstrādāts vārds, ID un kartes numurs nonāk publiskajā rīkā; PCI-DSS un KVKK pārkāpums.
Spēcīga uzvedne:
Apkopojiet šādu maskēto zvanu: "[KLIENTS] ir pārbaudīts ar [IDN], [KARTE], [ADRESE] un ir iebildis pret savu rēķinu." Saglabājiet kopsavilkumu anonīmu; Neģenerējiet un nepieprasiet nekādus personas/kartes datus.
Atšķirība: dati maskēti, minimizēti, kopsavilkums anonīms; nekādu pārkāpumu.
trīs mini futrāļi
1. gadījums — pareiza maskēšana. Apdrošināšanas centrā katru dienu tika analizēti 8000 zvanu atšifrējumi. Pirms došanās uz AI transkripti tika izlaisti cauri automātiskai maskēšanas slānim; Vārds, TR ID numurs, polises numurs un veselības informācija tika maskēta, un maskēšanas izvade tika pārbaudīta ar ikdienas paraugu ņemšanu. Analīze saglabāja visu savu vērtību, nekādi personas dati netika iekļauti modelī. Drošība un labums tika panākts kopā.
2. gadījums — kartes datu pārkāpums. E-komercijas darbinieks augšupielādēja zvanu ierakstus ar pilniem karšu numuriem publiskā rīkā, lai analizētu maksājumu problēmas. Tādējādi tika pārkāpts PCI-DSS pamatnoteikums (karšu datu nepārsūtīšana uz nesankcionētu datu nesēju); Revīzijas laikā pastāvēja nopietnu konstatējumu un sodu risks. Pareizais veids bija pilnībā maskēt kartes datus avotā un analizēt tikai informāciju "Maksājums ar [KARTI] neizdevās".
3. gadījums — maskēšanas noplūde. Kādā bankā automātiskā maskēšana palaida garām vairākus neparastā formātā rakstītus ID numurus. Par laimi, darbība "2) maskēšanas pārbaude" bija spēkā, tāpēc noplūdes tika konstatētas un novērstas pirms analīzes. Nodarbība: ar maskēšanu vien nepietiek; Nepieciešams autentifikācijas slānis. Vienslānis, tāpat kā cilvēka kļūda, ir viena punkta kļūme.
Biežas kļūdas
- Neapstrādāto datu ielīmēšana rīkā. Vārdu, ID, karti un adresi nedrīkst ievadīt nevienā AI transportlīdzeklī bez maskēšanas.
- Apstrādājiet kartes datus. Pilns kartes numurs nekad netiek ievadīts modeļa ievadē; PCI-DSS to aizliedz.
- Braukšana sabiedriskā vietā. Klientu dati netiek sniegti rīkiem, kuriem nav DPA un kuri izmanto datus apmācībā.
- Maskēšana netiek pārbaudīta. Automātiskā maskēšana var tikt izlaista; Jābūt paraugu ņemšanas/validācijas slānim.
- Izlaižot caurspīdīgumu. Klientam ir jāzina, ka ieraksts tiek apstrādāts un jārunā ar botu; Slepenā apstrāde ir gan neētiska, gan nelikumīga.
- Pārāk daudz datu glabāšana. Dati, kas tiek saglabāti pēc mērķa beigām, ir tikai risks.
Uzmanību (informācijas drošība): visas šīs nodaļas metodes ir derīgas tikai autorizētiem, aizsardzības mērķiem un jūsu organizācijas datiem. Runas analītikas, balss atpazīšanas un datu apstrādes rīku izmantošana, lai uzraudzītu nepiederošas personas, piekļūtu kādas citas personas datiem vai ierakstiem bez piekrišanas, ir gan nelikumīga, gan pret profesionālo ētiku. Dati netiek apstrādāti bez atļaujas, mērķa un piekrišanas.
Rezumējot
Datu privātums, drošība un atbilstība; ir zvanu centra AI neapspriežams pamats. KVKK/GDPR aizsargā personas datus, PCI-DSS maksājumu karti; Pārkāpjot kādu no tiem, tiek piemērotas smagas sankcijas un tiek zaudēta uzticība. Maskējiet sensitīvos datus avotā, nenododot tos AI, nekad nenododiet kartes numuru, kopīgojiet tikai tik daudz datu, cik nepieciešams (minimizācija), noteikti pārbaudiet maskēšanu un izvēlieties tikai uzņēmuma rīkus ar DPA, kas neizmanto datus apmācībai. Esiet caurspīdīgi attiecībā pret klientu un izmantojiet visus rīkus tikai ar pilnvarām, aizstāvību un piekrišanu.
Lietojumprogrammas uzdevums
Uzskaitiet 5 dažādus datu laukus, kas varētu tikt izmantoti AI jūsu zvanu centra scenārijā (piemēram, vārds, ID, karte, adrese, informācija par veselību), un nosakiet, kuru maskēšanas tagu izmantosit katram. Uzrakstiet iedomātu neapstrādātu atšifrējumu un izmantojiet veidnes "1) Maskēšana" un "2) Maskēšanas pārbaude". Visbeidzot, AI rīkam, kuru nesen izmantojāt (vai apsverat to izmantot), izveidojiet atbilstības piezīmi, izmantojot veidni “4) Rīka/atbilstības provizoriskais kontrolsaraksts” un atzīmējiet trūkstošos/riskantos vienumus.
kontrolsaraksts
- [ ] Es maskēju sensitīvus datus avotā (vārds, ID, tālruņa numurs, adrese), nenododot tos AI.
- [ ] Pilns kartes numurs nekad nav iekļauts modeļa ierakstā (PCI-DSS).
- [ ] Es kopīgoju tikai tik daudz datu, cik nepieciešams darbam (minimizācija).
- [ ] Es kontrolēju maskēšanu ar atsevišķu autentifikācijas slāni.
- [ ] Es izmantoju tikai korporatīvos, ar DPA iespējotus rīkus, kas neizmanto datus izglītībā.
- [ ] Es runāju atklāti ar klientu par ierakstīšanu/apstrādi un sarunām ar robotprogrammatūru.
- [ ] Es izmantoju rīkus tikai autorizētiem, aizsardzības un vienprātības mērķiem.