നേട്ടങ്ങൾ:
- സെൻസിറ്റിവിറ്റി ക്ലാസ് (പൊതു / ആന്തരിക / രഹസ്യാത്മക / പരമ രഹസ്യം) അനുസരിച്ച് വിവരങ്ങൾ വിലയിരുത്താനും 'ആസ്ക് ക്ലാസ്, ടൂൾ പൊരുത്തപ്പെടുത്തുക' റിഫ്ലെക്സ് പ്രയോഗിക്കാനുമുള്ള കഴിവ്
- AI-യുടെ ഡാറ്റ സ്റ്റോറേജ്, മോഡൽ പരിശീലനം, ശേഖരണം, ലംഘന അപകടസാധ്യതകൾ എന്നിവ മനസിലാക്കുകയും തുറന്നതും തരംതിരിച്ചതുമായ ലോകത്തെ പ്രത്യേകമായി നിലനിർത്തുകയും ചെയ്യുന്നു
- ഏറ്റവും കുറഞ്ഞ ഡാറ്റാ തത്വം, വ്യക്തിഗത ഡാറ്റ പരിരക്ഷണം, അനിശ്ചിതത്വ വിവരങ്ങൾ ഉയർന്ന ക്ലാസ് പോലെ സംരക്ഷിക്കുന്നതിനുള്ള അച്ചടക്കം എന്നിവ സ്വീകരിക്കാനുള്ള കഴിവ്.
നയതന്ത്രം വിശ്വാസത്തിൽ അധിഷ്ഠിതമാണ്, വിശ്വാസം രഹസ്യത്തിൽ അധിഷ്ഠിതമാണ്. ഒരു ചർച്ചയുടെ സ്ഥാനം, ഒരു ഇൻ്റലിജൻസ് വിലയിരുത്തൽ, ഒരു സംഭാഷണക്കാരനുമായുള്ള സംഭാഷണത്തിൻ്റെ ഉള്ളടക്കം, അല്ലെങ്കിൽ ഇതുവരെ പ്രഖ്യാപിക്കാത്ത തീരുമാനം, തെറ്റായ കൈകളിൽ, ഒരു സംസ്ഥാനത്തിൻ്റെ താൽപ്പര്യങ്ങളെയോ ചർച്ചയുടെ ഫലത്തെയോ ആളുകളുടെ സുരക്ഷയെപ്പോലും അപകടത്തിലാക്കാം. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഈ ഫീൽഡിലേക്ക് അതിശയകരമായ വേഗത നൽകുന്നു, എന്നാൽ ഇത് പുതിയതും ഗുരുതരമായ സ്വകാര്യത അപകടസാധ്യതകളും വഹിക്കുന്നു. ഈ യൂണിറ്റിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ യുഗത്തിൽ ക്ലാസിഫൈഡ്, സെൻസിറ്റീവ് വിവരങ്ങൾ എങ്ങനെ സംരക്ഷിക്കാം, ഏത് വാഹനത്തിൽ ഏത് ഡാറ്റയാണ് നൽകാനാവുക, സുരക്ഷിതമായ ഉപയോഗത്തിൻ്റെ അച്ചടക്കം എന്നിവ നിങ്ങൾ പഠിക്കും.
ഈ യൂണിറ്റ് മൊഡ്യൂളിൻ്റെ ഏറ്റവും നിർണായകമായ സുരക്ഷാ പാഠമാണ്. ഇവിടെ ഒരു തെറ്റ് - ഒരു രഹസ്യ പ്രമാണം തെറ്റായ ഉപകരണത്തിലേക്ക് ഒട്ടിക്കുന്നത് - മാറ്റാനാവാത്തതാണ്. അതിനാൽ, ഓർമ്മിക്കേണ്ട ഒരു റിഫ്ലെക്സ് ഇവിടെ സ്ഥാപിക്കും: ഒരു AI ഉപകരണത്തിന് എന്തെങ്കിലും ഡാറ്റ നൽകുന്നതിന് മുമ്പ്, എല്ലായ്പ്പോഴും ചോദിക്കുക: ഈ ഡാറ്റ ഏത് ക്ലാസിലാണ്, ഈ ഉപകരണത്തിന് ഈ ക്ലാസിന് അംഗീകാരം ലഭിച്ചിട്ടുണ്ടോ?
വിവര വർഗ്ഗീകരണം: അടിസ്ഥാന വ്യത്യാസം
നയതന്ത്ര വിവരങ്ങൾ പലപ്പോഴും അതിൻ്റെ സെൻസിറ്റിവിറ്റി അനുസരിച്ച് തരംതിരിക്കപ്പെടുന്നു. ഇത് ഓരോ സ്ഥാപനത്തിനും വ്യത്യാസമുണ്ടെങ്കിലും അടിസ്ഥാന യുക്തി ഇതാണ്:
- തരംതിരിക്കാത്തത്/പൊതുവായത്: ഇതിനകം പ്രസിദ്ധീകരിച്ചതും പൊതുവായി ആക്സസ് ചെയ്യാവുന്നതുമായ വിവരങ്ങൾ. ഉദാഹരണം: ഔദ്യോഗിക പത്രക്കുറിപ്പുകൾ, പൊതു വാർത്തകൾ.
- നിയന്ത്രിത/ആന്തരികം: പൊതുവായി ലഭ്യമല്ലാത്തതും എന്നാൽ കുറഞ്ഞ സെൻസിറ്റിവിറ്റി ഉള്ളതുമായ ആന്തരിക വിവരങ്ങൾ.
- രഹസ്യാത്മകം: വെളിപ്പെടുത്തൽ സംസ്ഥാനത്തിൻ്റെ താൽപ്പര്യങ്ങൾക്ക് ഗുരുതരമായ ഹാനികരമായേക്കാവുന്ന വിവരങ്ങൾ. ഉദാഹരണം: ചർച്ചയുടെ സ്ഥാനം, ആന്തരിക മൂല്യനിർണ്ണയം.
- പ്രധാന രഹസ്യം: വെളിപ്പെടുത്തൽ ഏറ്റവും ഗുരുതരമായ ദോഷം വരുത്തുന്ന വിവരങ്ങൾ. ഉദാഹരണം: സെൻസിറ്റീവ് ഇൻ്റലിജൻസ്, നിർണായക സുരക്ഷാ വിവരങ്ങൾ.
പൊതുവേ ലഭ്യമല്ലാത്ത ക്ലാസിഫൈഡ് വിവരങ്ങളൊന്നും ആ ക്ലാസിനായി നിങ്ങളുടെ സ്ഥാപനം അംഗീകരിച്ചിട്ടില്ലാത്ത ഒരു AI ടൂളിലേക്ക് നൽകില്ല. ഒരു പൊതു AI സേവനം, നിർവചനം അനുസരിച്ച്, ഈ ക്ലാസ് വിവരങ്ങൾക്ക് സാക്ഷ്യപ്പെടുത്തിയിട്ടില്ല.
നുറുങ്ങ്: നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, ഒരു മുതിർന്ന വ്യക്തിയെപ്പോലെ വിവരങ്ങൾ കൈകാര്യം ചെയ്യുക. "ഇത് ഒരുപക്ഷെ നേരത്തെ അറിഞ്ഞിരിക്കാം" എന്ന് പറയുന്നത് അപകടകരമായ ഒരു ഊഹമാണ്. വിവരങ്ങൾ എല്ലാവർക്കുമുള്ളതാണെന്ന് നിങ്ങൾക്ക് 100 ശതമാനം ഉറപ്പാകുന്നത് വരെ, അത് രഹസ്യസ്വഭാവമുള്ളത് പോലെ സംരക്ഷിക്കുക. അനാവശ്യമായ ജാഗ്രത ചെലവല്ല, ഉറപ്പാണ്.
AI-യുടെ സ്വകാര്യത അപകടസാധ്യതകൾ
പരമ്പരാഗത സോഫ്റ്റ്വെയറിനേക്കാൾ വ്യത്യസ്തമായ സ്വകാര്യത അപകടസാധ്യതകൾ AI ടൂളുകൾ ഉയർത്തുന്നു:
1. ഡാറ്റ പ്രോസസ്സിംഗും സംഭരണവും: ഒരു പൊതു AI സേവനത്തിലേക്ക് നിങ്ങൾ എഴുതുന്ന വാചകം ആ സേവനത്തിൻ്റെ സെർവറുകളിൽ പ്രോസസ്സ് ചെയ്യുകയും സംഭരിക്കുകയും ചെയ്തേക്കാം. ആരൊക്കെ ഇത് ആക്സസ് ചെയ്യുന്നു, എത്ര നേരം സൂക്ഷിക്കുന്നു, എങ്ങനെ ഉപയോഗിക്കുന്നു എന്നിവ നിങ്ങൾക്ക് നിയന്ത്രിക്കാനാകില്ല.
2. മോഡൽ പരിശീലനത്തിൽ ഉപയോഗിക്കുക: മോഡൽ മെച്ചപ്പെടുത്താൻ ചില സേവനങ്ങൾ നിങ്ങൾ നൽകുന്ന ഡാറ്റ ഉപയോഗിച്ചേക്കാം. ഇത് നിങ്ങളുടെ രഹസ്യാത്മക വിവരങ്ങൾ മോഡലിൻ്റെ "മെമ്മറി"യിലേക്ക് പരോക്ഷമായി പ്രവേശിക്കുകയും മറ്റുള്ളവരിലേക്ക് ചോർത്തുകയും ചെയ്യുന്നതിനുള്ള അപകടസാധ്യത സൃഷ്ടിക്കുന്നു.
3. അഗ്രഗേഷൻ റിസ്ക്: വ്യക്തിഗതമായി നിരുപദ്രവകരമെന്ന് തോന്നുന്ന വിവരങ്ങളുടെ കഷണങ്ങൾ സംയോജിപ്പിക്കുമ്പോൾ ഒരു സെൻസിറ്റീവ് ചിത്രം ഉണ്ടാക്കാം. വ്യത്യസ്ത സമയങ്ങളിൽ നൽകിയിട്ടുള്ള ചെറിയ വിവരങ്ങൾക്ക് കൂട്ടായി ഒരു രഹസ്യ സ്ഥാനം നൽകാൻ കഴിയും.
4. ആക്സസ്, ലംഘന സാധ്യത: ഏതൊരു ബാഹ്യ സിസ്റ്റത്തെയും പോലെ, AI സേവനങ്ങളും ഡാറ്റാ ലംഘനത്തിന് വിധേയമാകാം. നിങ്ങൾ നൽകുന്ന ഡാറ്റ ആ ലംഘനത്തിൽ വെളിപ്പെട്ടേക്കാം.
ഈ അപകടസാധ്യതകൾക്കുള്ള പരിഹാരം രണ്ട് വ്യത്യസ്ത ലോകങ്ങൾ സ്ഥാപിക്കുക എന്നതാണ്: ഓപ്പൺ സോഴ്സ് വർക്കിനുള്ള പൊതു ഉപകരണങ്ങൾ; ക്ലാസിഫൈഡ് ജോലികൾക്കായി ഡാറ്റ കയറ്റുമതി ചെയ്യാത്ത ഇൻ-ഹൗസ്, സുരക്ഷിത, അംഗീകൃത സംവിധാനങ്ങൾ മാത്രം. ഒരിക്കലും രണ്ടും മിക്സ് ചെയ്യരുത്.
ശ്രദ്ധിക്കുക: "ഞാൻ ഇത് അജ്ഞാതമാക്കി" എന്ന് പറയുന്നത് പലപ്പോഴും മതിയാകില്ല. നിങ്ങൾ പേരുകൾ ഇല്ലാതാക്കിയാലും, ഐഡൻ്റിറ്റികളും സ്ഥാനവും തിരുത്താൻ ഒരു വിദഗ്ദ്ധന് സന്ദർഭം (തീയതി, സ്ഥാനം, ഇവൻ്റ്, കക്ഷികളുടെ എണ്ണം) മതിയാകും. യഥാർത്ഥ സെൻസിറ്റീവ് വിവരങ്ങൾ പരിരക്ഷിക്കപ്പെടുന്നത് മാസ്കിംഗിലൂടെയല്ല, മറിച്ച് ഉപകരണങ്ങളുടെയും മീഡിയയുടെയും ഉചിതമായ തിരഞ്ഞെടുപ്പിലൂടെയാണ്.
സുരക്ഷിതമായ ഉപയോഗ അച്ചടക്കം
ഒരു പ്രായോഗിക നിയന്ത്രണ ഫ്ലോ സജ്ജീകരിക്കുക:
- ക്ലാസ് നിർണ്ണയിക്കുക. ഈ ഡാറ്റ പൊതുവായതോ ആന്തരികമോ രഹസ്യമോ രഹസ്യമോ ആണോ?
- വാഹനം ജോടിയാക്കുക. ഈ ടൂളിൽ ഈ ക്ലാസ് പ്രോസസ്സ് ചെയ്യാനാകുമോ? ഇല്ലെങ്കിൽ നിർത്തുക.
- കുറഞ്ഞ ഡാറ്റ നയം. ജോലി ചെയ്യാവുന്ന ജോലിയിൽ പോലും, ജോലിക്ക് ആവശ്യമുള്ളതിനേക്കാൾ കൂടുതൽ വിവരങ്ങൾ നൽകരുത്.
- വ്യക്തിഗത ഡാറ്റ പരിരക്ഷിക്കുക. വ്യക്തിഗത ഡാറ്റ (പേര്, കോൺടാക്റ്റ്, സ്ഥാനം) ആവശ്യമെങ്കിൽ മാത്രമേ നിയമപരമായ അടിസ്ഥാനത്തിൽ പ്രോസസ്സ് ചെയ്യുകയുള്ളൂ; ആവശ്യമില്ലെങ്കിൽ, അത് മുഖംമൂടി അല്ലെങ്കിൽ നൽകില്ല.
- റെക്കോർഡ് സൂക്ഷിക്കുക. ഏത് ജോലിക്ക് നിങ്ങൾ ഏത് ടൂൾ ഉപയോഗിച്ചു, ഏത് ഡാറ്റ ഉപയോഗിച്ച് ഡോക്യുമെൻ്റ് ചെയ്യുക; എന്തെങ്കിലും പ്രശ്നമുണ്ടെങ്കിൽ, അത് കണ്ടെത്താനാകും.
നുറുങ്ങ്: നിങ്ങളുടെ ടീമിൽ "സ്വകാര്യത ആദ്യം" എന്ന സംസ്കാരം സ്ഥാപിക്കുക: ഒരു പുതിയ ക്ലർക്ക് അല്ലെങ്കിൽ ഇൻ്റേൺ ആദ്യ ദിവസം മുതൽ "രഹസ്യപരമായ രേഖകളൊന്നും പൊതു ഡൊമെയ്നിലേക്ക് പ്രവേശിക്കരുത്" എന്ന റിഫ്ലെക്സ് പഠിക്കണം. മിക്ക നിയമലംഘനങ്ങളും ഉണ്ടാകുന്നത് ദുരുദ്ദേശ്യത്തിൽ നിന്നല്ല, മറിച്ച് ഒരു വാഹനം എത്രത്തോളം തുറന്നിട്ടുണ്ടെന്ന് അറിയാത്തതിൽ നിന്നാണ്.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - റിഫ്ലെക്സ് ലംഘനം തടഞ്ഞു. ഒരു വിദഗ്ദ്ധൻ ഒരു അഭിമുഖ കുറിപ്പ് സംഗ്രഹിക്കാൻ പോകുകയായിരുന്നു, അവൻ നിർത്തി അതിൻ്റെ വർഗ്ഗീകരണം ചോദിച്ചു: കുറിപ്പ് ഒരു സംഭാഷണക്കാരനുമായുള്ള രഹസ്യ സംഭാഷണമായിരുന്നു. പൊതു ഉപകരണത്തിന് പകരം ഇൻ-ഹൗസ് സെക്യൂരിറ്റി സിസ്റ്റത്തിലേക്ക് മാറി. "ആദ്യം ക്ലാസ് ചോദിക്കുക" എന്ന ലളിതമായ റിഫ്ലെക്സ് ഒരു ലംഘനത്തെ തടഞ്ഞു.
കേസ് 2 - കളക്ഷൻ റിസ്ക് തിരിച്ചറിഞ്ഞു. ഒരു ടീം വ്യത്യസ്ത ദിവസങ്ങളിൽ ഒരു ബാഹ്യ ഉപകരണത്തിലേക്ക് ചെറുതും "നിരുപദ്രവകരമല്ലാത്തതുമായ" വിവരങ്ങളുടെ കഷണങ്ങൾ ഇൻപുട്ട് ചെയ്യും. ഒരു സുരക്ഷാ അവലോകനം കാണിക്കുന്നത്, ഈ ഭാഗങ്ങൾ സംയോജിപ്പിക്കുമ്പോൾ, വരാനിരിക്കുന്ന ഒരു ചർച്ചയുടെ അജണ്ട വിട്ടുകൊടുത്തു. അപേക്ഷ നിർത്തി; ജോലി സുരക്ഷിതമായ അന്തരീക്ഷത്തിലേക്ക് മാറ്റി.
കേസ് 3 - വ്യാജ അജ്ഞാതത്വം. പേരുകൾ ഇല്ലാതാക്കി പുറത്തുള്ള ഏജൻ്റിന് കൈമാറിയതിനാൽ ഒരു ക്ലാർക്ക് ഒരു രേഖയെ "അജ്ഞാതമായി" കണക്കാക്കി. എന്നാൽ, രേഖയിലെ തീയതിയും സ്ഥലവും സംഭവവിവരണവും ആരെയാണ് ഉദ്ദേശിച്ചതെന്ന് വ്യക്തമാക്കി. പേര് ഇല്ലാതാക്കിയാൽ പോരാ; എന്തായാലും സുരക്ഷിതമായ അന്തരീക്ഷത്തിൽ ഡോക്യുമെൻ്റ് പ്രോസസ്സ് ചെയ്തിരിക്കണം.
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) ക്ലാസും വാഹനവും മുൻകൂട്ടി പരിശോധിക്കുക:
ഞാൻ താഴെ ജോലി വിവരിക്കും. എന്നോട് പറയുക (ജോലി ചെയ്യരുത്): (1) ഈ ഡാറ്റയ്ക്ക് എന്ത് സെൻസിറ്റിവിറ്റി ഉണ്ടായിരിക്കാം (പൊതു / ആന്തരിക / രഹസ്യം / പരമ രഹസ്യം), (2) ഈ ക്ലാസ് ഒരു പൊതു AI ടൂളിൽ പ്രോസസ്സ് ചെയ്യണമോ, (3) ഇല്ലെങ്കിൽ, ഏത് തരത്തിലുള്ള പരിസ്ഥിതി ആവശ്യമാണ്. ജോലി/ഡാറ്റ വിവരണം: [ഇവിടെ]
2) വ്യക്തിഗത ഡാറ്റ സ്കാനിംഗും മറയ്ക്കലും:
ചുവടെയുള്ള ടെക്സ്റ്റിൽ പ്രോസസ്സ് ചെയ്യുന്നതിന് മുമ്പ് മാസ്ക് ചെയ്യേണ്ട വ്യക്തിഗത/സെൻസിറ്റീവ് ഡാറ്റ (പേര്, പേര്, കോൺടാക്റ്റ്, ലൊക്കേഷൻ, ആരോഗ്യം, ഐഡി നമ്പർ) ലിസ്റ്റ് ചെയ്യുക. വാചകം പ്രോസസ്സ് ചെയ്യുന്നു; ഏതൊക്കെ മേഖലകളാണ് നീക്കം ചെയ്യേണ്ടതെന്ന് പറയൂ. ഞാൻ മുഖംമൂടി നടത്തി വീണ്ടും അയയ്ക്കും. വാചകം: [ഇവിടെ]
3) കളക്ഷൻ റിസ്ക് വിലയിരുത്തൽ:
ഇനിപ്പറയുന്ന വിവരങ്ങൾ ഒരു ബാഹ്യ ഉപകരണത്തിലേക്ക് പ്രത്യേകം എക്സ്പോർട്ടുചെയ്യുന്നത് ഞാൻ പരിഗണിക്കുന്നു: [കഷണങ്ങൾ]. ഇവ വ്യക്തിഗതമായി നിരുപദ്രവകരമാണെന്ന് തോന്നുമെങ്കിലും, സംയോജിപ്പിക്കുമ്പോൾ അവയ്ക്ക് ഒരു സെൻസിറ്റീവ് ചിത്രം സൃഷ്ടിക്കാൻ കഴിയുമോ (ഉദാ. ഒരു സ്ഥാനം, അജണ്ട, ഐഡൻ്റിറ്റി)? ശേഖരണത്തിൻ്റെ അപകടസാധ്യത വിലയിരുത്തുകയും ഏതൊക്കെ ഇനങ്ങൾ ഒരുമിച്ച് നൽകരുതെന്ന് പറയുകയും ചെയ്യുക.
4) പൊതു ലഭ്യത സ്ഥിരീകരണം:
ഇനിപ്പറയുന്ന വിവരങ്ങൾ പൊതുവായതാണോ എന്ന് എനിക്ക് ഉറപ്പില്ല: [വിവരങ്ങൾ]. ഇത് പൊതുവായി കണക്കാക്കുന്നതിന് മുമ്പ് ഞാൻ എന്ത് പരിശോധന നടത്തണമെന്ന് ലിസ്റ്റ് ചെയ്യുക (ഒരു ഔദ്യോഗിക റിലീസ് ഉണ്ടോ, ആരാണ് അത് പ്രസിദ്ധീകരിച്ചത്, തീയതി). എനിക്ക് ഉറപ്പില്ലെങ്കിൽ, "രഹസ്യമായി കൈകാര്യം ചെയ്യുക" എന്ന തത്വം എന്നെ ഓർമ്മിപ്പിക്കുക.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
ഈ അഭിമുഖ കുറിപ്പ് സംഗ്രഹിക്കുക. (മറഞ്ഞിരിക്കുന്ന ഉള്ളടക്കം കുറിപ്പിൽ നേരിട്ട് ഒട്ടിച്ചിരിക്കുന്നു)
ഇതാണ് ഏറ്റവും അപകടകരമായ തെറ്റ്: ഒരു രഹസ്യ പ്രമാണം അതിൻ്റെ ക്ലാസ് ചോദ്യം ചെയ്യപ്പെടാതെ ഒരു പൊതു മാധ്യമത്തിൽ പ്രവേശിച്ചു. ചോർച്ചയുടെ അപകടസാധ്യത സംഭവിച്ചതിനാൽ പഴയപടിയാക്കാൻ കഴിയില്ല.
ശക്തമായ നിർദ്ദേശം (ആദ്യം പരിശോധിക്കുക):
എനിക്ക് ഒരു മീറ്റിംഗ് നോട്ട് പ്രോസസ് ചെയ്യണം. എന്നാൽ ആദ്യം: ഈ കുറിപ്പ് രഹസ്യ ക്ലാസിലായിരിക്കാം. ഇത്തരത്തിലുള്ള ഡോക്യുമെൻ്റ് ഒരു പബ്ലിക് ടൂളിൽ പ്രോസസ്സ് ചെയ്യാൻ കഴിയുമോ എന്നും എന്താണ് ശരിയായ വഴി എന്നും എന്നോട് പറയൂ? ഡോക്യുമെൻ്റിൻ്റെ ഉള്ളടക്കം ഞാൻ നിങ്ങൾക്ക് നൽകുന്നില്ല; ശരിയായ പ്രക്രിയയാണ് ഞാൻ ആവശ്യപ്പെടുന്നത്.
വ്യത്യാസം വ്യക്തമാണ്: രഹസ്യാത്മക ഉള്ളടക്കം നൽകിയിട്ടില്ല, ശരിയായ പ്രക്രിയ ആദ്യം ചോദിക്കുകയും ഉചിതമായ അന്തരീക്ഷത്തിലേക്ക് ജോലി നയിക്കുകയും ചെയ്യുന്നു.
ക്ലാസ്-ടു-വെഹിക്കിൾ മാപ്പിംഗ് ടേബിൾ
വിവര ക്ലാസ്
ഉദാഹരണം
പൊതു AI
ശരിയായ പരിസ്ഥിതി
പൊതു
പത്രക്കുറിപ്പ്
അനുയോജ്യം
പൊതു ഉപകരണം
ആന്തരിക/സേവനം പ്രത്യേകം
ആന്തരിക കുറിപ്പ്
സാധാരണയായി ഇല്ല
ഇൻ-ഹൗസ് അംഗീകരിച്ചു
രഹസ്യം
ചർച്ചയുടെ സ്ഥാനം
ഒരിക്കലും
സുരക്ഷിത സ്ഥാപന സംവിധാനം
പരമ രഹസ്യം
സെൻസിറ്റീവ് ബുദ്ധി
ഒരിക്കലും
ഏറ്റവും ഉയർന്ന സുരക്ഷ
വ്യക്തിഗത ഡാറ്റ
യോഗ്യതാപത്രങ്ങൾ
ആവശ്യമുള്ളത്+നിയമപരമായി മാത്രം
മുഖംമൂടി / സുരക്ഷിതം
സാധാരണ തെറ്റുകൾ
- ക്ലാസ് ആവശ്യപ്പെടാതെ തന്നെ ഡാറ്റ നൽകുന്നു. എല്ലാ ജോലിക്കും മുമ്പായി, റിഫ്ലെക്സ് "ഇത് ഏത് ക്ലാസിലാണ്?" നിർബന്ധമാണ്.
- "ഇത് ഒരുപക്ഷേ വ്യക്തമാണ്" എന്ന് കരുതുക. അനിശ്ചിതമായ വിവരങ്ങൾ രഹസ്യാത്മകമായി സംരക്ഷിച്ചിരിക്കുന്നു.
- പേര് ഇല്ലാതാക്കുന്നത് അജ്ഞാതവൽക്കരണമായി തെറ്റിദ്ധരിക്കുന്നു. സന്ദർഭത്തിന് ഐഡൻ്റിറ്റികൾ നൽകാൻ കഴിയും.
- ശേഖരണത്തിൻ്റെ അപകടസാധ്യത അവഗണിക്കുന്നു. കൂട്ടിച്ചേർക്കുമ്പോൾ ചെറിയ ഭാഗങ്ങൾ അതിലോലമായേക്കാം.
- രണ്ട് ലോകങ്ങൾ മിശ്രണം ചെയ്യുന്നു. തുറന്നതും തരംതിരിച്ചതുമായ ജോലികൾ പ്രത്യേക ഉപകരണങ്ങൾ/പരിസരങ്ങളിൽ പ്രവർത്തിക്കുന്നു.
ചുരുക്കത്തിൽ
നയതന്ത്ര AI ഉപയോഗത്തിൻ്റെ ഏറ്റവും നിർണായകമായ പരിധിയാണ് രഹസ്യം. ഈ യൂണിറ്റിൻ്റെ നട്ടെല്ലായി വിവര വർഗ്ഗീകരണം (പൊതു/ആന്തരികം/രഹസ്യം/പരമ രഹസ്യം), "ആസ്ക് ക്ലാസ്, മാച്ച് വെഹിക്കിൾ" റിഫ്ലെക്സ്, മിനിമം ഡാറ്റ തത്വം, വ്യക്തിഗത ഡാറ്റ സംരക്ഷണം, ശേഖരണ അപകടസാധ്യത എന്നിവ എടുക്കുക. ഓപ്പൺ സോഴ്സ് വർക്കിനുള്ള പൊതു ഉപകരണങ്ങൾ; ക്ലാസിഫൈഡ് ജോലികൾക്കായി ഇൻ-ഹൗസ് സുരക്ഷിതവും അംഗീകൃതവുമായ സംവിധാനങ്ങൾ മാത്രം ഉപയോഗിക്കുക. രണ്ടും ഒരിക്കലും ആശയക്കുഴപ്പത്തിലാക്കരുത്; സംശയമുണ്ടെങ്കിൽ, ഒരു മുതിർന്നയാളെപ്പോലെ വിവരങ്ങൾ സൂക്ഷിക്കുക.
ആപ്ലിക്കേഷൻ ടാസ്ക്
നിങ്ങളുടെ സ്വന്തം (അല്ലെങ്കിൽ സാങ്കൽപ്പിക) ഡെസ്കിൽ നിന്നുള്ള 8 വ്യത്യസ്ത ഡാറ്റകൾ ലിസ്റ്റ് ചെയ്യുക (ചിലത് പൊതുവായത്, ചിലത് സെൻസിറ്റീവ്). ഓരോന്നിനെയും ഒരു ക്ലാസ്സിൽ സ്ഥാപിച്ച് "ഏത് ടൂളിലാണ് ഇത് പ്രോസസ്സ് ചെയ്യേണ്ടത്" എന്ന് തീരുമാനിക്കുക. അവ്യക്തമായവ "ക്ലാസ്സും വെഹിക്കിൾ പ്രീ-ചെക്ക്" ടെംപ്ലേറ്റും ഉപയോഗിച്ച് വിലയിരുത്തുക. മൂന്ന് കഷണങ്ങൾ തിരഞ്ഞെടുത്ത് "ശേഖരണ അപകടസാധ്യത വിലയിരുത്തൽ" എന്നതിനൊപ്പം സംയോജിപ്പിക്കുമ്പോൾ അവ ഒരു സെൻസിറ്റീവ് ചിത്രം ഉണ്ടാക്കുന്നുണ്ടോയെന്ന് പരിശോധിക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഞാൻ ആദ്യം ഓരോ ഡാറ്റയ്ക്കും സെൻസിറ്റിവിറ്റി ക്ലാസ് നിർണ്ണയിച്ചു.
- ഒരു പൊതു വാഹനത്തിന് അനുയോജ്യമല്ലാത്ത [ ] ക്ലാസ് ഡാറ്റ ഞാൻ ഒരിക്കലും നൽകിയിട്ടില്ല.
- [ ] എനിക്ക് ഉറപ്പില്ലാത്ത വിവരങ്ങൾ ഒരു മേലുദ്യോഗസ്ഥനെപ്പോലെ ഞാൻ കാത്തുസൂക്ഷിച്ചു.
- [ ] ആവശ്യമുള്ളതും നിയമാനുസൃതവും മുഖംമൂടി ധരിച്ചതുമായപ്പോൾ മാത്രം ഞാൻ വ്യക്തിഗത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നു.
- [ ] രണ്ട് ലോകങ്ങൾ ശേഖരിക്കുന്നതിനും വേർപെടുത്തുന്നതിനും ഞാൻ റിസ്ക് എടുത്തു.