Добивки:
- Анонимизација и евалуација на неопходноста пред да се дадат чувствителните и финансиски податоци на клиентот на алатките за вештачка интелигенција
- Способност да се разликуваат разликите помеѓу корпоративните и јавните алатки за вештачка интелигенција во приватноста, задржувањето податоци и употребата во образованието
- Способност за управување со прекршување на податоци, период на задржување и ризици за споделување на трета страна во рамките на KVKK
Осигурувањето е една од професиите кои работат со најчувствителни податоци. Досие за осигурување; Може да вклучува информации за идентитетот, адреса, приход, банкарска сметка, здравствена историја, евиденција за оштетување, регистарска табличка, имотен лист, па дури и информации за семејството. Некои од овие податоци се предмет на највисока заштита како „лични податоци од посебна природа“ во KVKK (Закон за заштита на лични податоци); Здравствени, биометриски и слични податоци се типични примери за ова. Неконтролираното споделување на овие податоци при користење на алатки за вештачка интелигенција (особено оние базирани на облак) е сериозен ризик од прекршување и губење на довербата. Откако ќе протече, податоците не може да се вратат. Во оваа единица, ќе научите како да ги анонимизирате податоците за клиентите (отстранување информации за лична идентификација) пред да ги дадете на вештачката интелигенција, разликите во приватноста помеѓу корпоративните и јавните алатки и како да управувате со ризиците од прекршување на податоци, складирање и споделување од трета страна во рамките на KVKK. Оваа единица не е правен совет; Објаснува општи принципи, консултирајте се за усогласеност/правен оддел во конкретен случај.
Зошто приватноста е критична: типови на податоци
Во осигурувањето потребно е да се издвојат податоците според степенот на заштита:
- Податоци за идентификација: Име, презиме, TR ID број, датум на раѓање, контакт. Тоа директно ја идентификува личноста.
- Финансиски податоци: приходи, банкарска сметка, историја на плаќање. Лични и чувствителни.
- Посебни податоци за квалитет: Здравје, биометриски податоци. Највисока заштита; Потребни се построги услови (експлицитна согласност или законски исклучок) за обработка.
- Податоци за датотека: број на полиса, регистарска табличка, имотен лист, детали за штета. Кога се комбинира со други, може да открие идентитет.
Најголемата опасност е препознатливоста што се јавува кога ќе ги соберете овие податоци. Додека „45-годишна жена“ е анонимна, „45-годишна жена + одредена регистарска табличка + одредена адреса“ може да го открие идентитетот.
Внимание: Да се каже „избриши“ откако ќе се даде податок на алатката за вештачка интелигенција, всушност не се брише. Некои алатки го складираат влезот, па дури и го користат за обука на моделот. Правило: никогаш не испраќајте чувствителни податоци; Анонимизацијата доаѓа пред испраќањето.
Анонимизација: како да го направите тоа
Анонимизацијата е отстранување на информации за идентификација и замена со фактички еквивалент; Целта е да се направи личноста непрепознатлива додека се одржува квалитетот на излезот. Добра анонимизација:
- Ги отстранува информациите за име, TR ID, телефон, адреса, број на полиса, регистарска табличка и имотен лист.
- Ги заменува со аналитички значаен еквивалент: „45 години, маж, полиса за осигурување, Централна Анадолија, едностран судир“.
- Избегнува ретки/карактеристични комбинации: многу специфична професија + многу мало место, кое само по себе може да го отвори идентитетот.
- Го задржува медицинското/техничкото значење: како „комплементарно здравје, планирана ортопедска хирургија“.
Совет: По анонимизирањето, запрашајте се: „Доколку странец го прочита овој текст, дали може да ја најде личноста? Ако одговорот е да, генерализирајте понатаму. Особено ретките комбинации (мала област + специфичен настан) се опасни.
Претпријатие наспроти јавни алатки
Не сите алатки за вештачка интелигенција имаат исто ниво на приватност. Тие се разликуваат во три димензии:
- Задржување податоци: Дали го задржува влезот и колку долго?
- Употреба во обуката: Дали го користи влезот за да го обучи моделот?
- Локација и договор: Каде се обработуваат податоците, дали постои договор за корпоративна обработка на податоци?
Институционалните (договорни на институцијата, гаранции за обработка на податоци) алатки честопати нудат ограничувања за некористење и складирање на податоци во образованието. Јавните, бесплатни алатки можат да складираат податоци и да ги користат во обуката. Правило: чувствителните податоци се обработуваат само на средства одобрени од институција, договорени средства и во што е можно поанонимизирана форма. Внесувањето податоци за клиентите во неодобрена алатка го прави процесорот на податоци неревидиран.
Чекор по чекор: Работете безбедно со доверливи податоци
- Класифицирајте ги податоците. Податоци за идентитет / финансиски / посебен квалитет / датотека.
- Тест за неопходност. Дали овие податоци навистина се неопходни за оваа задача? Ако не, не го користете.
- Анонимизирај. Отстранете ги идентификаторите, заменете ги фактичките еквиваленти, генерализирајте ретките комбинации.
- Изберете возило. Само возила одобрени од агенцијата, договорени со договор; Нема достапни чувствителни податоци за јавната алатка.
- Работете со минимални податоци. Споделете ги минималните информации потребни за задачата.
- Управувајте со складирањето и споделувањето. Каде го складирате излезот, со кого го споделувате; Почитувајте го периодот на задржување на KVKK и правилата на трети лица. Остави свој белег.
три мини футроли
Случај 1 - Заштита на чувствителни податоци. Специјалист за штети сакаше да ја праша вештачката интелигенција за сложено досие за здравствено осигурување. Наместо да пишува име, легитимација и дијагноза на осигуреникот, тој направи анонимен контекст од типот „52 години, женско, комплементарна здравствена полиса, планирана операција на срцеви залистоци, спорна сума“. Квалитетот на излезот не е намален; Приватните податоци не отидоа во ниту еден облак. Здравствените податоци се предмет на највисока заштита; оваа навика го спречи прекршувањето.
Случај 2 - Ретка комбинирана стапица. „38 години, жена, само фармацевт во [многу мала област], политика за професионална одговорност“, напиша еден експерт. Иако ова технички не содржеше име, директно го откри неговиот идентитет бидејќи тој беше единствениот фармацевт во таа област. Експертот го забележал тоа и го генерализирал како „мала населба, здравствена струка“. Анонимизацијата не е само бришење на името, туку и уништување на препознатливоста.
Случај 3 - Погрешен избор на алатка. За брзина, вработениот би го поставил прегледот на барањето на клиентите на бесплатна, јавна алатка. Тимската политика стапува на сила: податоците за клиентите се обработуваат само во алатката одобрена од институцијата, договорена со договор. Вработениот прво ги анонимизирал податоците, а потоа ги извршил во одобрената алатка. Доколку се користи неодобрена алатка, ризикот од складирање на податоци и употреба во образованието би бил неконтролиран.
Четири потсетници за копирање
1) Помошник за анонимизација:
Отстранете ги сите лични и идентификациски податоци од следниот текст: име, презиме, лична карта, датум на раѓање, телефон, адреса, број на полиса, регистарска табличка, имотен лист, IBAN. Заменете ги со фактички еквивалент со аналитичко значење (на пр. „45 години, маж, полиса за осигурување, едностран судир“). Генерализирајте ретки/карактеристични комбинации (мало место + посебно занимање). Задржете го медицинското/техничкото значење. Текст: [паста]
2) Проверка на препознатливост:
Проверете го следниов анонимизиран текст за препознавање: [текст]Прашајте: Може ли странец да ја најде личноста со овој текст? Дали има ретка комбинација (мала населба + специфична професија/настан), единствен датум или сума? Истакнете ја секоја ризична точка и предложете како да генерализирате побезбедно.
3) Барање за податоци и класификација:
Класифицирај и тестирај ги податоците потребни за следната задача:Задача: [опис] Податоците што ги имам: [листа]За секој податок: тип (идентитет/финансиски/специјален/датотека), дали се потребни за оваа задача (да/не), доколку е потребно, како да се користат анонимно. Означете ги непотребните податоци како „не користете“.
4) Список за проверка на избор на возила:
Направете листа за проверка пред да користите алатка за вештачка интелигенција со податоци за осигурување. Вклучете прашања: Дали возилото е одобрено од институцијата? Дали постои договор за обработка на податоци? Дали го складира/користи влезот во обуката? Каде се обработуваат податоците? За кој тип на податоци е погоден/несоодветен? Дали е доволна анонимизацијата?
Слаб промпт / Силен промпт
Слабо: „Оценете го досието на клиентот Ахмет Јилмаз (TC 123..., медицински извештај во прилог).
Проблем: Идентитетот и чувствителните (здравствени) податоци се споделуваат директно; голем ризик од прекршување на KVKK.
Силно: „Земете го следниов анонимизиран контекст: 52 години, жена, дополнителна здравствена политика, планирана операција, спорна сума. Нема информации за идентификација“.
Зошто е добро: Аналитичкото значење е зачувано, идентитетот и чувствителните податоци не се откриваат.
споредбена табела
Тип на податоци
Ниво на заштита
Употреба во вештачката интелигенција
Име/ТК/контакт
високо
Отстранете, ставете еквивалент
Финансиски (приход/IBAN)
високо
Отстрани/генерализирај
Здравствени/посебни квалификации
највисоко
Никогаш сурово; анонимно + одобрено возило
Број на полиса / табличка / имотен лист
средно-висока
Отстрани; сам е ризичен
Агрегат/статистички податоци
низок
Достапно (ако нема контакт)
Вообичаени грешки
- Вметнување необработени лични/здравствени податоци. Најчеста и најтешка повреда.
- Мислејќи дека само бришење на името е доволно. Ретките комбинации сè уште може да го откријат идентитетот.
- Потпирајќи се на велејќи „избриши подоцна“. Алатката може да складира/користи податоци во обуката.
- Неодобрено/јавно возење. Неконтролирана обработка на податоци.
- Не управува со складирање и споделување. Неограничено складирање на излез, неконтролирано споделување со трети страни.
Сумирано
Податоците за осигурување се многу чувствителни; Специјалните податоци како што е здравјето се предмет на највисока заштита според KVKK. Класифицирајте, предизвикувајте и анонимизирајте ги податоците пред да ги дадете на вештачката интелигенција: отстранете ги идентификаторите, воведете фактички еквиваленти, генерализирајте ретките комбинации. Обработете ги чувствителните податоци само во алатки одобрени од институција, договорени алатки и во минимален степен. Управувајте со периодот на складирање и споделување од трети страни во рамките на KVKK и оставете трага. Консултирајте се за усогласеност/правно во конкретниот случај; Протечените податоци не може да се вратат.
Задача за апликација
Добијте вистинска штета/референтен текст (за цели на тестирање). Анонимизирајте со промптот #1, а потоа проверете го препознавањето со промптот #2: дали сè уште има ретки комбинации во текстот што би можеле да ја откријат личноста? Генерализирајте го секој ризик што ќе го најдете. Оценете ја и алатката за вештачка интелигенција што ја користите со списокот за проверка број 4: дали е погодна за чувствителни податоци?
листа за проверка
- [ ] Ги класифицирав податоците според нивните типови.
- [ ] го применив тестот за неопходност; Не користев непотребни податоци.
- [ ] Ги отстранив идентификаторите и ги заменив со фактички еквивалент.
- [ ] Генерализирав ретки/карактеристични комбинации.
- [ ] Направив проверка на препознатливост.
- [ ] Користев само возила одобрени од компанијата, договорени со договор.
- [ ] Управував складирање и споделување од трети страни во согласност со KVKK; Оставив трага.