Keuntungan:
- Menilai maklumat mengikut sensitivitinya dan membezakan antara kenderaan terbuka dan sistem selamat dengan refleks 'tanya kelas, padankan kenderaan'
- Memahami data minimum, prinsip keselamatan dan tanggungjawab KVKK dan melihat bahawa pemadaman nama tidak mencukupi dan konteks adalah identiti.
- Keupayaan untuk mengamalkan disiplin memilih jalan paling selamat sekiranya terdapat keraguan, melindungi data sensitif pada tahap tertinggi dan melaporkan pelanggaran secara telus.
Apa yang klien beritahu anda—keganasan, penyakit, kemiskinan, ketagihan, rahsia keluarga—adalah maklumat peribadi yang paling rapuh dalam hidupnya. Dia memberikan maklumat ini kepada anda dengan yakin akan kerahsiaan profesional. Amanah ini adalah asas yang membolehkan kerja sosial berfungsi; Apabila ia digoncang, pelanggan tidak membuka semula dan perkhidmatan kehilangan fungsinya. Mengekalkan kepercayaan ini pada zaman kecerdasan buatan telah mengambil dimensi baharu: memasukkan maklumat pelanggan ke dalam alat yang salah kini bukan sahaja melanggar privasi, tetapi juga liabiliti undang-undang di bawah KVKK (Undang-undang Perlindungan Data Peribadi) dan boleh membawa kepada kebocoran maklumat yang tidak dapat dipulihkan. Dalam unit ini, anda akan belajar cara melindungi data pelanggan dalam era AI, logik asas KVKK, perbezaan antara kenderaan terbuka dan kenderaan selamat, dan disiplin "kebersihan data" yang praktikal.
Peraturan paling asas dari awal ialah peraturan yang kami ulangi sepanjang modul ini: Tiada data peribadi yang mengenal pasti pelanggan akan dimasukkan ke dalam alat AI awam yang tidak diluluskan oleh institusi anda. Satu ayat ini adalah intipati semua butiran di bawah.
Merumuskan KVKK untuk pekerja sosial
KVKK mengawal selia bagaimana data peribadi (sebarang maklumat yang menjadikan seseorang itu khusus atau boleh dikenal pasti - nama, ID, alamat, telefon, tetapi juga maklumat seperti kesihatan, status keluarga, rekod jenayah) boleh diproses. Kebanyakan data yang anda proses dalam kerja sosial ialah data peribadi yang sensitif (data yang kebocorannya amat berbahaya, seperti kesihatan, kehidupan seksual, agama, etnik, sabitan jenayah) dan memerlukan perlindungan tertinggi. Makna praktikal KVKK untuk anda datang kepada beberapa prinsip:
- Had tujuan dan data minimum: Hanya sebanyak data yang diperlukan diproses. Apabila memproses teks ke dalam AI, jangan masukkan sebarang butiran peribadi yang tidak diperlukan untuk kerja itu.
- Keselamatan: Data dilindungi daripada akses yang tidak dibenarkan. Alat AI awam tidak menyediakan keselamatan ini.
- Persetujuan dan ketelusan: Memaklumkan pelanggan tentang cara data diproses. Menyediakan data pelanggan kepada alat luaran yang tidak terkawal bukanlah dalam skop sebarang persetujuan.
- Akauntabiliti: Jika pelanggaran berlaku, tanggungjawab terletak pada organisasi yang memproses data dan orang yang memasukkan data tersebut — "AI mahukannya begitu" bukanlah pembelaan.
Awas: Memadamkan nama selalunya BUKAN perlindungan yang mencukupi. Walaupun nama tidak disebut dalam teks, konteks (kejiranan + umur + peristiwa + tarikh + struktur keluarga) boleh menjadikan seseorang itu boleh dikenal pasti. Perlindungan sebenar disediakan bukan dengan menutup, tetapi dengan memilih alat dan persekitaran yang betul.
Dua dunia: kenderaan terbuka lwn. sistem selamat
Pisahkan penggunaan AI anda kepada dua dunia yang jelas:
1. Dunia alat awam/terbuka. Ia boleh digunakan untuk tugas yang tidak mengenal pasti pelanggan: soalan maklumat umum ("Bagaimana untuk menulis matlamat SMART?"), latihan dengan contoh fiksyen/tanpa nama, penjelasan umum perundangan, teks program yang tidak menunjuk kepada sesiapa. Data pelanggan sebenar tidak pernah dimasukkan di sini.
2. Dunia data pelanggan. Sebarang kerja yang melibatkan maklumat pelanggan sebenar — rakaman, laporan, nota risiko, rujukan — hanya dilakukan dalam sistem selamat yang diluluskan oleh institusi anda, di mana data tidak bocor. Jika tiada sistem sedemikian, kerja itu dilakukan tanpa AI, dengan kaedah selamat tradisional.
Mengelirukan kedua-duanya — memberikan data pelanggan sebenar kepada alat terbuka — ialah kesilapan paling berbahaya dan biasa dalam modul ini.
Langkah demi langkah: disiplin kebersihan data
- Tanya tentang kelas. Tanya sebelum setiap kerja: "Adakah teks ini menerangkan pelanggan?" Jika ya, sistem selamat; Jika tidak, kenderaan terbuka boleh digunakan.
- Minimumkan. Hadkan data yang dimasukkan kepada minimum yang diperlukan oleh kerja, walaupun kerja itu benar-benar memerlukannya.
- Kenal pasti (dan ketahui had anda). Alih keluar pengecam jika perlu; tetapi ingat bahawa konteks juga boleh memberikan identiti.
- Gunakan alat yang diluluskan. Ketahui kenderaan yang diluluskan oleh institusi untuk data yang mana dan jangan menyimpang daripadanya.
- Jika anda tidak pasti, bertindak seperti kelas atasan. Jika anda tidak pasti sama ada sesuatu data itu sensitif atau tidak, pilih laluan yang paling dilindungi.
- Laporkan pelanggaran. Jika terdapat kebocoran atau ralat, sembunyikannya; Laporkan mengikut prosedur institusi. Intervensi awal mengurangkan kerosakan.
tiga kes mini
Kes 1 — Konteks memberikan identiti. Seorang pakar menyerahkan ringkasan kes kepada alat terbuka, berkata "Saya memadamkan nama, ia selamat sekarang." Tiada nama dalam teks itu, tetapi terdapat frasa "Seorang wanita cacat penglihatan di kawasan kejiranan X, dengan 3 orang anak, yang suaminya di penjara." Terdapat hanya satu orang di kawasan kejiranan itu yang sesuai dengan perihalan itu — identitinya boleh dikatakan jelas. Pakar kanan menyedari ini; Kerja telah dipindahkan ke sistem selamat. Pengajaran: konteks juga merupakan data peribadi.
Kes 2 — Dasar data minimum berjaya. Seorang pakar hanya perlu memudahkan satu ayat. Daripada memberikan keseluruhan fail kepada alat itu, dia hanya memberikan satu ayat itu tanpa butiran peribadi. Kerja telah selesai, tiada data sensitif keluar. Dasar data minimum adalah selamat dan mencukupi.
Kes 3 — Pelaporan awal mengurangkan kerosakan. Seorang pekerja baru secara tidak sengaja menampal maklumat pelanggan ke dalam alat terbuka dan menyedari serta-merta. Daripada panik dan bersembunyi, dia segera melaporkannya kepada penyelianya. Institusi menilai kejadian itu mengikut prosedur KVKK, mengambil langkah yang diperlukan dan mengajar pekerja cara menggunakannya dengan betul. Pemberitahuan yang telus dan pantas menghalang insiden daripada meningkat.
Empat templat yang boleh disalin
1) Pra penerbangan kelas data:
Nilaikan teks berikut SEBELUM memprosesnya dalam alat AI: Adakah teks ini menjadikan seseorang secara langsung (nama, ID, alamat, telefon) ATAU secara tidak langsung (konteks: kejiranan, umur, peristiwa, struktur keluarga) boleh dikenal pasti? Adakah ia mengandungi data sensitif (kesihatan, agama, etnik, rekod jenayah)? Jika ya, bahagian mana? Beritahu saya jika teks ini boleh dipaparkan dalam alat awam. Teks: [tampal teks]
2) Menurunkan taraf kepada data minimum:
Tentukan maklumat PALING KURANG yang diperlukan untuk melakukan kerja berikut. Alih keluar semua butiran peribadi yang tidak diperlukan oleh kerja dan biarkan hanya bahagian yang tidak mengenal pasti yang diperlukan oleh kerja itu. Senaraikan maklumat yang anda tinggalkan dan mengapa. Kerja: [huraikan tugasan]Teks: [tampal teks]
3) Nyah pengenalan dan kawalan konteks:
Ekstrak pengecam (nama, ID, alamat, telefon, nama institusi) terus daripada teks di bawah. Tandakan juga mana-mana elemen konteks yang kekal dalam teks (gabungan keadaan yang jarang berlaku, lokasi + peristiwa tertentu) yang secara TIDAK LANGSUNG boleh memberikan identiti. Sebelum mengalih keluar ini, nilai sama ada teks masih menjadikan orang itu boleh dikenal pasti.Teks: [tampal teks]
4) Mencipta contoh latihan tanpa nama/fiksyen:
Menghasilkan contoh kes yang menyerupai kes sebenar, tetapi sepenuhnya FIKSYEN dan bukan milik mana-mana orang sebenar; Saya akan menggunakan ini untuk latihan/latihan. Menggunakan nama sebenar, tempat atau peristiwa; Biarlah semuanya palsu. [Topik: penilaian awal penjagaan warga emas]
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Saya menampal keseluruhan fail pelanggan ini di bawah, ia akan memberi saya ringkasan yang bagus. (termasuk nama, alamat, maklumat kesihatan)
Ini memberikan data peribadi yang sensitif kepada sistem luaran yang tidak terkawal — pelanggaran KVKK dan risiko privasi yang tidak dapat dipulihkan. Hanya kerana ringkasannya "bagus" tidak memaafkan pelanggaran ini.
Gesaan kuat:
(Hanya dalam sistem selamat yang diluluskan oleh institusi, atau dengan teks yang tidak dikenal pasti.) Ringkaskan teks DE-IDENTIFIED di bawah. Saya tidak meninggalkan sebarang konteks dalam teks yang boleh memberikan nama, alamat, ID atau identiti. Hanya memproses maklumat yang diperlukan untuk tugas itu. Teks: [tampal teks tanpa nama]
Perbezaannya: bekerja dalam alat yang betul, dengan data minimum dan tidak dikenal pasti, melindungi privasi dan undang-undang semasa menyelesaikan kerja.
Jenis data dan laluan yang betul
Jenis data
contoh
alat yang betul
Maklumat am
“Apakah matlamat SMART?”
kenderaan terbuka
contoh fiksyen
Kes latihan yang direka-reka
kenderaan terbuka
Tanpa identiti + tanpa konteks
Memudahkan ayat umum
Buka kenderaan (berhati-hati)
Data pelanggan
rekod sebenar, laporan
Sistem selamat sahaja
Data kualiti khas
Kesihatan, hukuman, etnik
Sistem perlindungan / selamat tertinggi
Nota risiko/keselamatan
Keganasan, maklumat perlindungan
Sistem perlindungan / selamat tertinggi
Kesilapan biasa
- Memberi data pelanggan sebenar kepada alat terbuka. Kesilapan yang paling berbahaya dan biasa; Pelanggaran KVKK dan penembusan tidak dapat dipulihkan.
- "Saya memadamkan nama" memikirkan ia adalah keselamatan. Konteks boleh memberikan identiti; Masking bukan perlindungan.
- Memasukkan lebih banyak data daripada yang diperlukan. Gunakan dasar data minimum; Beri seberapa banyak yang diperlukan oleh pekerjaan.
- Mengambil risiko apabila anda tidak pasti. Apabila ragu-ragu, pilih jalan yang paling selamat, bertindak seperti kelas atasan.
- Menyembunyikan pelanggaran. Pelaporan awal dan telus mengurangkan bahaya; Bersembunyi menjadikannya lebih besar.
Secara ringkasnya
Privasi pelanggan ialah asas kepercayaan dalam kerja sosial, dan pada zaman AI, ia juga bertukar menjadi kewajipan undang-undang dengan KVKK. Peraturan asas adalah jelas: tiada data peribadi yang mengenal pasti pelanggan memasuki alat awam yang tidak diluluskan. Pastikan kedua-dua dunia (alat terbuka vs. sistem selamat) berasingan, gunakan prinsip data minimum, ketahui bahawa pemadaman nama tidak mencukupi dan konteks adalah identiti, jika ada keraguan, pilih laluan paling selamat dan laporkan pelanggaran dengan telus. Privasi bukanlah ukuran yang ditambahkan kemudian, tetapi prinsip yang diperhatikan sejak awal lagi.
Tugasan permohonan
Tulis teks kes fiksyen dan lihat item mana yang ditanda AI sebagai data peribadi/peribadi dengan templat "pra penerbangan kelas data". Kemudian uji dengan corak "nyah pengenalan dan semakan konteks" untuk melihat sama ada konteks masih memberikan identiti walaupun selepas memadamkan nama. Akhir sekali, hasilkan contoh yang anda boleh gunakan dengan selamat dalam alat terbuka dengan templat "contoh latihan tanpa nama/fiksyen".
senarai semak
- [ ] Sebelum setiap kerja, "Adakah teks ini menerangkan pelanggan?" saya bertanya.
- [ ] Saya memproses data pelanggan hanya dalam sistem yang diluluskan dan selamat.
- [ ] Saya menggunakan dasar data minimum; Saya tidak menjelaskan secara terperinci.
- [ ] Mengetahui bahawa memadamkan nama itu tidak mencukupi, saya juga menyemak konteksnya.
- [ ] Sekiranya terdapat keraguan, saya memilih jalan paling selamat dan saya tahu cara melaporkan sekiranya berlaku pelanggaran.