लाभ:
- संवेदनशीलता वर्ग (सार्वजनिक / आन्तरिक / गोप्य / शीर्ष गोप्य) अनुसार जानकारी मूल्याङ्कन गर्ने क्षमता र 'वर्ग सोध्नुहोस्, उपकरण मिलाउनुहोस्' रिफ्लेक्स लागू गर्नुहोस्।
- डाटा भण्डारण, मोडेल प्रशिक्षण, सङ्कलन र एआईको उल्लङ्घन जोखिमहरू बुझ्दै र खुला र वर्गीकृत संसारलाई अलग राख्दै
- न्यूनतम डेटा सिद्धान्त, व्यक्तिगत डेटा सुरक्षा र अनिश्चित जानकारीको सुरक्षा गर्ने अनुशासन अपनाउने क्षमता, मानौं यो उच्च वर्ग हो।
कूटनीति विश्वासमा आधारित हुन्छ, र विश्वास गोपनीयतामा आधारित हुन्छ। एक वार्तालाप स्थिति, एक खुफिया मूल्याङ्कन, एक वार्तालापको सामग्री, वा अझै घोषणा गर्न बाँकी निर्णय, गलत हातहरूमा, राज्यको हित, वार्ताको नतिजा, वा जनताको सुरक्षालाई खतरामा पार्न सक्छ। आर्टिफिसियल इन्टेलिजेन्सले यस क्षेत्रमा अत्याधिक गति ल्याउँछ, तर यसले नयाँ र गम्भीर गोपनीयता जोखिमहरू पनि बोक्छ। यस एकाइमा, तपाईंले कृत्रिम बुद्धिमत्ताको युगमा वर्गीकृत र संवेदनशील जानकारी कसरी सुरक्षित गर्ने, कुन डेटा कुन सवारी साधनमा प्रवेश गर्न सक्छ, र सुरक्षित प्रयोगको अनुशासन सिक्नुहुनेछ।
यो एकाइ मोड्युलको सबैभन्दा महत्त्वपूर्ण सुरक्षा पाठ हो। यहाँ एउटा गल्ती - गलत उपकरणमा गोप्य कागजात टाँस्नु - अपरिवर्तनीय छ। त्यसकारण, याद गर्न आवश्यक पर्ने रिफ्लेक्स यहाँ स्थापित हुनेछ: एआई उपकरणमा कुनै पनि डाटा दिनु अघि, सधैं सोध्नुहोस्: यो डाटा कुन कक्षामा छ र यो उपकरण यस कक्षाको लागि स्वीकृत छ?
जानकारी वर्गीकरण: आधारभूत भेद
कूटनीतिक जानकारी प्रायः यसको संवेदनशीलता अनुसार वर्गीकृत गरिन्छ। यद्यपि यो संस्था अनुसार भिन्न हुन्छ, आधारभूत तर्क यो हो:
- अवर्गीकृत/सार्वजनिक: जानकारी जुन पहिले नै प्रकाशित भइसकेको छ र सार्वजनिक रूपमा पहुँचयोग्य छ। उदाहरण: आधिकारिक प्रेस विज्ञप्ति, सार्वजनिक समाचार।
- प्रतिबन्धित/आन्तरिक: आन्तरिक जानकारी जुन सार्वजनिक रूपमा उपलब्ध छैन तर कम संवेदनशीलता छ।
- गोप्य: सूचना जसको खुलासाले राज्यको हितलाई गम्भीर रूपमा हानि पुर्याउन सक्छ। उदाहरण: वार्ताको स्थिति, आन्तरिक मूल्याङ्कन।
- शीर्ष गोप्य: जानकारी जसको खुलासाले सबैभन्दा गम्भीर हानि निम्त्याउँछ। उदाहरण: संवेदनशील खुफिया, महत्वपूर्ण सुरक्षा जानकारी।
थम्बको नियम सरल छ: सार्वजनिक रूपमा उपलब्ध नभएको कुनै पनि वर्गीकृत जानकारी एआई उपकरणमा प्रविष्ट गरिने छैन जुन तपाईंको संस्थाले त्यो कक्षाको लागि अनुमोदन गरेको छैन। एक सार्वजनिक AI सेवा, परिभाषा अनुसार, जानकारी को यस वर्ग को लागी प्रमाणित छैन।
सुझाव: यदि तपाईं अनिश्चित हुनुहुन्छ भने, जानकारीलाई वरिष्ठ जस्तै व्यवहार गर्नुहोस्। "यो सायद पहिले नै थाहा छ" भन्नु खतरनाक अनुमान हो। जबसम्म तपाईं 100 प्रतिशत सुनिश्चित हुनुहुन्न कि जानकारी सार्वजनिक छ, यसलाई गोप्य रूपमा सुरक्षित गर्नुहोस्। अनावश्यक सावधानी लागत होइन, यो एक आश्वासन हो।
AI को गोपनीयता जोखिम
AI उपकरणहरूले परम्परागत सफ्टवेयर भन्दा फरक गोपनीयता जोखिमहरू खडा गर्छन्:
1. डाटा प्रशोधन र भण्डारण: तपाईंले सार्वजनिक AI सेवामा लेख्नुभएको पाठलाई त्यस सेवाको सर्भरमा प्रशोधन र भण्डारण गर्न सकिन्छ। तपाईं यसलाई कसले पहुँच गर्छ, यसलाई कति समयसम्म राख्छ, र कसरी प्रयोग गरिन्छ भनेर नियन्त्रण गर्न सक्नुहुन्न।
2. मोडेल प्रशिक्षणमा प्रयोग गर्नुहोस्: केही सेवाहरूले मोडेल सुधार गर्न तपाईंले प्रविष्ट गर्नुभएको डाटा प्रयोग गर्न सक्छन्। यसले तपाईंको गोप्य जानकारी अप्रत्यक्ष रूपमा मोडेलको "मेमोरी" मा प्रवेश गर्ने र अरूलाई चुहावट गर्ने जोखिम सिर्जना गर्दछ।
3. एकत्रीकरण जोखिम: व्यक्तिगत रूपमा हानिरहित देखिने जानकारीका टुक्राहरूलाई संयोजन गर्दा संवेदनशील चित्र बनाउन सक्छ। विभिन्न समयमा प्रविष्ट गरिएका जानकारीका साना टुक्राहरूले सामूहिक रूपमा गोप्य स्थिति दिन सक्छन्।
4. पहुँच र उल्लङ्घन जोखिम: कुनै पनि बाह्य प्रणाली जस्तै, AI सेवाहरू डाटा उल्लंघनको अधीनमा हुन सक्छ। तपाईंले प्रदान गर्नुभएको डाटा त्यो उल्लङ्घनमा पर्दाफास हुन सक्छ।
यी जोखिमहरूको समाधान दुई अलग-अलग संसारहरू स्थापना गर्नु हो: खुला स्रोत कार्यका लागि सामान्य उपकरणहरू; केवल इन-हाउस, सुरक्षित, अनुमोदित प्रणालीहरू जसले वर्गीकृत कार्यको लागि डाटा निर्यात गर्दैन। दुईलाई कहिल्यै नमिलाउनुहोस्।
ध्यान दिनुहोस्: "मैले यसलाई गुमनाम बनाएको छु" भन्ने प्रायः पर्याप्त हुँदैन। यदि तपाईंले नामहरू मेटाउनुभयो भने पनि, सन्दर्भ (मिति, स्थान, घटना, पक्षहरूको संख्या) पहिचान र स्थिति सुधार गर्न विशेषज्ञको लागि पर्याप्त हुन सक्छ। वास्तविक संवेदनशील जानकारी मास्किंग द्वारा होइन तर उपकरण र मिडिया को उपयुक्त चयन द्वारा सुरक्षित छ।
सुरक्षित उपयोग अनुशासन
एक व्यावहारिक नियन्त्रण प्रवाह सेट अप गर्नुहोस्:
- कक्षा निर्धारण गर्नुहोस्। के यो डाटा सार्वजनिक, आन्तरिक, गोप्य, वा शीर्ष गोप्य हो?
- गाडी जोड्नुहोस्। के यो कक्षा यस उपकरणमा प्रशोधन गर्न सकिन्छ? यदि छैन भने, रोक्नुहोस्।
- न्यूनतम डाटा नीति। कार्ययोग्य काममा पनि, कामको आवश्यकता भन्दा बढी जानकारी नदिनुहोस्।
- व्यक्तिगत डाटा सुरक्षित गर्नुहोस्। व्यक्तिगत डाटा (नाम, सम्पर्क, स्थान) आवश्यक भएमा र कानुनी आधारमा मात्र प्रशोधन गरिन्छ; यदि अनावश्यक छ भने, यो मास्क गरिएको छ वा दिईएको छैन।
- रेकर्ड राख्नुहोस्। कागजात कुन उपकरण तपाईंले कुन कामको लागि प्रयोग गर्नुभयो, कुन डाटासँग; यदि कुनै समस्या छ भने, यो पत्ता लगाउन सकिन्छ।
सुझाव: आफ्नो टोलीमा "गोपनीयता पहिलो" संस्कृति स्थापना गर्नुहोस्: नयाँ क्लर्क वा इन्टर्नले पहिलो दिनबाट "कुनै गोप्य कागजातहरू सार्वजनिक डोमेनमा प्रवेश नगर्नुहोस्" रिफ्लेक्स सिक्नुपर्छ। धेरै जसो उल्लङ्घनहरू दुर्भावनाबाट होइन तर सवारी साधन कत्तिको खुला छ भनेर थाहा नभएको कारणले हुन्छ।
तीन मिनी केसहरू
केस 1 - रिफ्लेक्स उल्लङ्घन रोकियो। एक विशेषज्ञ एक अन्तर्वार्ता नोट संक्षेप गर्न लागिरहेको थियो जब उसले रोक्यो र यसको वर्गीकरण सोध्यो: नोट एक अन्तर्वार्ताकार संग एक गोप्य कुराकानी थियो। सार्वजनिक उपकरणको सट्टा इन-हाउस सुरक्षित प्रणालीमा स्विच गरियो। एउटा साधारण "आस्क क्लास फर्स्ट" रिफ्लेक्सले उल्लङ्घनलाई रोक्यो।
केस २ - सङ्कलन जोखिम पहिचान भयो। एउटा टोलीले फरक-फरक दिनहरूमा बाह्य उपकरणमा साना, "निर्दोष" जानकारीको टुक्राहरू इनपुट गर्नेछ। एक सुरक्षा समीक्षाले देखाएको छ कि जब संयुक्त, यी टुक्राहरूले आगामी वार्ताको एजेन्डा दिए। आवेदन रोकिएको छ; काम सुरक्षित वातावरणमा सारियो।
केस 3 - नक्कली बेनामी। एक क्लर्कले कागजातलाई "अज्ञात" माने किनभने उसले नामहरू मेटाएको थियो र बाहिरी एजेन्टलाई हस्तान्तरण गरेको थियो। यद्यपि, कागजातमा मिति, स्थान र घटना विवरणले कसलाई भनिएको थियो भनेर स्पष्ट पारेको छ। नाम मेटाउन पर्याप्त थिएन; कागजात जसरी पनि सुरक्षित वातावरणमा प्रशोधन गरिएको हुनुपर्छ।
चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
१) कक्षा र सवारी साधनको पूर्व-जाँच:
म तल काम वर्णन गर्नेछु। मलाई भन्नुहोस् (काम नगर्नुहोस्): (१) यस डेटामा कस्तो संवेदनशीलता वर्ग हुन सक्छ (सार्वजनिक / आन्तरिक / गोप्य / शीर्ष गोप्य), (२) यो वर्गलाई सार्वजनिक एआई उपकरणमा प्रशोधन गर्नुपर्छ, (३) यदि छैन भने, कस्तो प्रकारको वातावरण आवश्यक छ। काम/डेटा विवरण: [यहाँ]
२) व्यक्तिगत डाटा स्क्यानिङ र मास्किङ:
व्यक्तिगत/संवेदनशील डाटा (नाम, शीर्षक, सम्पर्क, स्थान, स्वास्थ्य, आईडी नम्बर) सूचीबद्ध गर्नुहोस् जुन तलको पाठमा प्रशोधन गर्नु अघि मास्क गर्नुपर्छ। पाठ प्रशोधन गर्दै; केवल मलाई भन्नुहोस् कुन क्षेत्रहरू हटाउन आवश्यक छ। म मास्किङ गर्छु र पुन: पठाउँछु। पाठ: [यहाँ]
३) सङ्कलन जोखिम मूल्याङ्कन:
म निम्न जानकारीका टुक्राहरूलाई बाह्य उपकरणमा अलग-अलग निर्यात गर्ने विचार गरिरहेको छु: [टुक्राहरू]। यद्यपि यी व्यक्तिगत रूपमा हानिरहित लाग्न सक्छ, जब तिनीहरूले एक संवेदनशील चित्र (जस्तै स्थिति, एजेन्डा, पहिचान) सिर्जना गर्न सक्छन्? सङ्कलनको जोखिमको मूल्याङ्कन गर्नुहोस् र कुन वस्तुहरू सँगै दिनु हुँदैन भनी बताउनुहोस्।
4) सार्वजनिक उपलब्धता पुष्टि:
म निश्चित छैन कि निम्न जानकारी सार्वजनिक छ: [जानकारी]। यसलाई सार्वजनिक मान्नु अघि मैले के प्रमाणीकरण गर्न आवश्यक छ भनेर सूचीबद्ध गर्नुहोस् (के त्यहाँ आधिकारिक विज्ञप्ति छ, जसले यसलाई प्रकाशित गर्यो, मिति)। यदि म अनिश्चित छु भने, मलाई "गोपनीय रूपमा व्यवहार गर्नुहोस्" सिद्धान्त सम्झाउनुहोस्।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
कमजोर प्रम्प्ट:
यो अन्तर्वार्ता नोट संक्षेप गर्नुहोस्। (लुकेको सामग्री सिधै नोटमा टाँसिएको छ)
यो सबैभन्दा खतरनाक गल्ती हो: एक गोप्य कागजात सार्वजनिक माध्यममा यसको वर्ग प्रश्न नगरी प्रवेश गरेको छ। चुहावटको जोखिम भएको छ र उल्टाउन सकिँदैन।
शक्तिशाली प्रम्प्ट (पहिले जाँच गर्नुहोस्):
म बैठक नोट प्रशोधन गर्न चाहन्छु। तर पहिले: यो नोट सायद गोप्य कक्षामा छ। मलाई भन्नुहोस् यदि यस प्रकारको कागजातलाई सार्वजनिक उपकरणमा प्रशोधन गर्न सकिन्छ र सही तरिका के हो? म तपाईंलाई कागजातको सामग्रीहरू दिइरहेको छैन; म केवल सही प्रक्रियाको लागि सोध्दै छु।
भिन्नता स्पष्ट छ: गोप्य सामग्री सबै दिइएको छैन, सही प्रक्रिया पहिले सोधिन्छ र काम उपयुक्त वातावरणमा निर्देशित छ।
वर्ग-देखि-वाहन म्यापिङ तालिका
जानकारी वर्ग
उदाहरण
सार्वजनिक AI
सही वातावरण
सार्वजनिक
प्रेस विज्ञप्ति
उपयुक्त
सामान्य उपकरण
आन्तरिक/सेवा विशिष्ट
भित्री नोट
सामान्यतया छैन
इन-हाउस स्वीकृत
गोप्य
वार्ता स्थिति
कहिल्यै
सुरक्षित संस्थागत प्रणाली
शीर्ष गोप्य
संवेदनशील बुद्धि
कहिल्यै
उच्चतम सुरक्षा
व्यक्तिगत डाटा
प्रमाणहरू
आवश्यक + कानूनी मात्र
मास्क / सुरक्षित
सामान्य गल्तीहरू
- कक्षाको लागि सोध्नु बिना डाटा प्रविष्ट गर्दै। हरेक काम अघि, रिफ्लेक्स "यो कुन कक्षामा छ?" अनिवार्य छ।
- मान्दै "यो सम्भवतः स्पष्ट छ"। अनिश्चित जानकारी गोप्य रूपमा सुरक्षित छ।
- गुमनामको रूपमा नाम मेटाउन गलत। सन्दर्भले पहिचान दिन सक्छ।
- संकलनको जोखिमलाई बेवास्ता गर्दै। साना भागहरू भेला हुँदा नाजुक हुन सक्छ।
- दुई संसारको मिश्रण। खुला र वर्गीकृत कार्यहरू अलग-अलग उपकरण/परिवेशमा चल्छन्।
संक्षेपमा
गोपनीयता कूटनीतिक एआई प्रयोगको सबैभन्दा महत्वपूर्ण सीमा हो। यस इकाईको मेरुदण्डको रूपमा जानकारी वर्गीकरण (सार्वजनिक/आन्तरिक/गोपनीय/शीर्ष गोप्य), "आस्क क्लास, म्याच गाडी" रिफ्लेक्स, न्यूनतम डेटा सिद्धान्त, व्यक्तिगत डेटा सुरक्षा र सङ्कलन जोखिम लिनुहोस्। खुला स्रोत कामको लागि सामान्य उपकरणहरू; वर्गीकृत कामको लागि मात्र इन-हाउस सुरक्षित, अनुमोदित प्रणालीहरू प्रयोग गर्नुहोस्। दुईलाई कहिल्यै भ्रमित नगर्नुहोस्; जब शंका छ, एक वरिष्ठ जस्तै जानकारी को रक्षा गर्नुहोस्।
आवेदन कार्य
तपाईंको आफ्नै (वा काल्पनिक) डेस्कबाट (केही सार्वजनिक, केही संवेदनशील) डाटाका 8 विभिन्न टुक्राहरू सूचीबद्ध गर्नुहोस्। प्रत्येकलाई कक्षामा राख्नुहोस् र "कुन उपकरणमा यसलाई प्रशोधन गर्न सकिन्छ" निर्णय गर्नुहोस्। "क्लास र सवारी साधन प्रि-चेक" टेम्प्लेटको साथ अस्पष्ट व्यक्तिहरूको मूल्याङ्कन गर्नुहोस्। तीन टुक्राहरू छान्नुहोस् र "संकलन जोखिम मूल्याङ्कन" सँग जोड्दा तिनीहरूले संवेदनशील चित्र बनाउँछन् कि छैनन् भनी जाँच्नुहोस्।
चेकलिस्ट
- [ ] मैले पहिले प्रत्येक डेटाको लागि संवेदनशीलता वर्ग निर्धारण गरें।
- मैले कहिल्यै डाटा प्रविष्ट गरेको छैन जसको [ ] कक्षा सार्वजनिक सवारीका लागि उपयुक्त छैन।
- [ ] मैले जानकारीको रक्षा गरें जुन म एक उच्च अधिकारीको रूपमा अनिश्चित थिएँ।
- [ ] म व्यक्तिगत डाटालाई आवश्यक र वैधानिक रूपमा मास्क गरिएको अवस्थामा मात्र प्रशोधन गर्छु।
- [ ] मैले दुई संसारको सङ्कलन र अलग गर्ने जोखिम उठाए।