Winst:
- Vermogen om informatie te evalueren op basis van gevoeligheidsklasse (openbaar / intern / vertrouwelijk / topgeheim) en de 'ask class, match the tool'-reflex toe te passen
- Inzicht in de gegevensopslag, modeltraining, verzameling en inbreukrisico's van AI en het gescheiden houden van de open en geheime wereld
- Vermogen om het minimale gegevensprincipe, de bescherming van persoonlijke gegevens en de discipline om onzekere informatie te beschermen alsof deze van een hogere klasse is, over te nemen.
Diplomatie is gebaseerd op vertrouwen, en vertrouwen is gebaseerd op geheimhouding. Een onderhandelingspositie, een inlichtingenonderzoek, de inhoud van een gesprek met een gesprekspartner of een nog niet aangekondigd besluit in de verkeerde handen kunnen de belangen van een staat, de uitkomst van een onderhandeling of zelfs de veiligheid van mensen in gevaar brengen. Kunstmatige intelligentie zorgt voor een enorme snelheid op dit gebied, maar brengt ook nieuwe en ernstige privacyrisico's met zich mee. In dit onderdeel leert u hoe u geheime en gevoelige informatie kunt beschermen in het tijdperk van kunstmatige intelligentie, welke gegevens welk voertuig kunnen binnendringen en de discipline van veilig gebruik.
Dit onderdeel is de meest kritische beveiligingsles van de module. Eén fout hier – een vertrouwelijk document in de verkeerde tool plakken – is onomkeerbaar. Daarom zal hier een reflex worden gecreëerd die moet worden onthouden: voordat u gegevens aan een AI-tool geeft, moet u zich altijd afvragen: in welke klasse bevinden deze gegevens zich en is deze tool goedgekeurd voor deze klasse?
Informatieclassificatie: fundamenteel onderscheid
Diplomatieke informatie wordt vaak geclassificeerd op basis van de gevoeligheid ervan. Hoewel het van instelling tot instelling verschilt, is de basislogica deze:
- Niet-geclassificeerd/openbaar: informatie die al is gepubliceerd en openbaar toegankelijk is. Voorbeeld: officiële persberichten, publiek nieuws.
- Beperkt/intern: Interne informatie die niet openbaar beschikbaar is, maar een lage gevoeligheid heeft.
- Vertrouwelijk: informatie waarvan de openbaarmaking de belangen van de staat ernstig zou kunnen schaden. Voorbeeld: onderhandelingspositie, interne evaluatie.
- Topgeheim: informatie waarvan de openbaarmaking de ernstigste schade zou veroorzaken. Voorbeeld: gevoelige inlichtingen, kritische veiligheidsinformatie.
De vuistregel is simpel: er wordt geen geheime informatie ingevoerd die niet openbaar beschikbaar is in een AI-tool die uw instelling niet heeft goedgekeurd voor die klasse. Een publieke AI-dienst is per definitie niet gecertificeerd voor deze klasse van informatie.
Tip: Als u het niet zeker weet, behandel de informatie dan als een senior. Zeggen "dit is waarschijnlijk al bekend" is een gevaarlijke gok. Totdat u er 100 procent zeker van bent dat informatie openbaar is, beschermt u deze alsof deze vertrouwelijk is. Onnodige voorzichtigheid is geen kostenpost, maar een zekerheid.
Privacyrisico’s van AI
AI-tools brengen andere privacyrisico’s met zich mee dan traditionele software:
1. Gegevensverwerking en opslag: De tekst die u naar een openbare AI-dienst schrijft, kan worden verwerkt en opgeslagen op de servers van die dienst. U heeft geen controle over wie er toegang toe heeft, hoe lang het wordt bewaard en hoe het wordt gebruikt.
2. Gebruik bij modeltraining: Sommige services kunnen de gegevens die u invoert gebruiken om het model te verbeteren. Hierdoor ontstaat het risico dat uw vertrouwelijke informatie indirect in het ‘geheugen’ van het model terechtkomt en naar anderen lekt.
3. Aggregatierisico: stukjes informatie die afzonderlijk onschadelijk lijken, kunnen in combinatie een gevoelig beeld vormen. Kleine stukjes informatie die op verschillende tijdstippen worden ingevoerd, kunnen gezamenlijk een geheime positie verraden.
4. Toegangs- en inbreukrisico: Zoals elk extern systeem kunnen AI-diensten onderhevig zijn aan een datalek. De gegevens die u verstrekt, kunnen bij dat lek openbaar worden gemaakt.
De oplossing voor deze risico's is het creëren van twee afzonderlijke werelden: algemene tools voor open source-werk; Alleen interne, veilige, goedgekeurde systemen die geen gegevens exporteren voor geheim werk. Meng deze twee nooit.
Let op: Zeggen "Ik heb het anoniem gemaakt" is vaak niet voldoende. Zelfs als u de namen verwijdert, kan de context (datum, locatie, gebeurtenis, aantal partijen) voldoende zijn voor een deskundige om identiteiten en positie te redigeren. Echt gevoelige informatie wordt niet beschermd door maskering, maar door de juiste selectie van tools en media.
Veilige gebruiksdiscipline
Zet een praktische controlestroom op:
- Bepaal de klasse. Zijn deze gegevens openbaar, intern, vertrouwelijk of uiterst geheim?
- Koppel het voertuig. Kan deze klasse in deze tool worden verwerkt? Zo niet, stop dan.
- Minimaal databeleid. Geef, zelfs bij een werkbare baan, niet meer informatie door dan de baan vereist.
- Bescherm persoonlijke gegevens. Persoonsgegevens (naam, contactpersoon, locatie) worden alleen verwerkt indien noodzakelijk en op wettelijke basis; Als het niet nodig is, wordt het gemaskeerd of helemaal niet gegeven.
- Houd het verslag bij. Documenteer welk gereedschap u voor welke klus heeft gebruikt, met welke gegevens; Als er een probleem is, kan dit worden opgespoord.
Tip: Creëer een ‘privacy first’-cultuur in uw team: een nieuwe klerk of stagiair moet vanaf dag één de reflex leren dat er geen vertrouwelijke documenten in het publieke domein terechtkomen. De meeste overtredingen komen niet voort uit boosaardigheid, maar uit het niet weten hoe open een voertuig is.
drie minikoffers
Geval 1 — Reflex voorkwam overtreding. Een deskundige stond op het punt een interviewnotitie samen te vatten toen hij stopte en vroeg naar de classificatie ervan: de notitie was een vertrouwelijk gesprek met een gesprekspartner. Overgestapt naar een intern beveiligd systeem in plaats van een publieke tool. Een simpele ‘vraag het eerst aan de klas’-reflex voorkwam een inbreuk.
Geval 2 — Erkend incassorisico. Een team voerde op verschillende dagen kleine, ogenschijnlijk ‘onschadelijke’ stukjes informatie in een externe tool in. Uit een veiligheidsonderzoek bleek dat deze stukken, wanneer ze gecombineerd werden, de agenda van een komende onderhandeling verraden. De applicatie is gestopt; Het werk werd verplaatst naar een beveiligde omgeving.
Geval 3 — Valse anonimiteit. Een griffier beschouwde een document als 'anoniem' omdat hij namen had verwijderd en het aan de externe agent had overhandigd. De datum, plaats en gebeurtenisbeschrijving in het document maakten echter duidelijk wie er bedoeld werd. Het verwijderen van de naam was niet voldoende; Het document had sowieso in een beveiligde omgeving verwerkt moeten worden.
Vier kopieerbare sjablonen
1) Voorcontrole van klasse en voertuig:
Hieronder zal ik de werkzaamheden beschrijven. Vertel me (doe het werk niet): (1) welke gevoeligheidsklasse deze gegevens kunnen hebben (openbaar / intern / geheim / topgeheim), (2) moet deze klasse worden verwerkt in een openbare AI-tool, (3) zo niet, welk type omgeving is vereist. Functie-/gegevensbeschrijving: [hier]
2) Scannen en maskeren van persoonlijke gegevens:
Vermeld in onderstaande tekst de persoonlijke/gevoelige gegevens (naam, titel, contactpersoon, locatie, gezondheid, ID-nummer) die vóór verwerking moeten worden gemaskeerd. VERWERKEN VAN DE TEKST; Vertel me gewoon welke gebieden moeten worden verwijderd. Ik zal het maskeren en opnieuw verzenden. Tekst: [hier]
3) Collectierisicobeoordeling:
Ik overweeg om de volgende stukjes informatie afzonderlijk naar een externe tool te exporteren: [stuks]. Ook al lijken deze op zichzelf misschien onschuldig, kunnen ze, wanneer ze GECOMBINEERD worden, een gevoelig beeld creëren (bijvoorbeeld een standpunt, agenda, identiteit)? Beoordeel het risico van het verzamelen en vertel welke items niet samen mogen worden gegeven.
4) Bevestiging van openbare beschikbaarheid:
Ik weet niet zeker of de volgende informatie openbaar is: [informatie]. Lijst welke verificatie ik moet doen voordat ik het als openbaar beschouw (is er een officiële release, wie heeft het gepubliceerd, datum). Als ik het niet zeker weet, herinner mij dan aan het principe 'behandelen als vertrouwelijk'.
Zwakke prompt/sterke prompt
Zwakke prompt:
Vat deze interviewnotitie samen. (verborgen inhoud wordt rechtstreeks in de notitie geplakt)
Dit is de gevaarlijkste fout: een vertrouwelijk document is op een openbaar medium terechtgekomen zonder dat de klasse ervan in twijfel werd getrokken. Het risico op lekkage is opgetreden en kan niet worden teruggedraaid.
Krachtige prompt (eerst controleren):
Ik wil een vergadernotitie verwerken. Maar eerst: dit briefje zit waarschijnlijk in de geheime klas. Vertel mij of dit type document in een openbare tool kan worden verwerkt en wat is de juiste manier? IK GEEF DE INHOUD VAN HET DOCUMENT NIET AAN U; Ik vraag alleen om het juiste proces.
Het verschil is duidelijk: de vertrouwelijke inhoud wordt helemaal niet gegeven, er wordt eerst naar het juiste proces gevraagd en het werk wordt naar de juiste omgeving geleid.
Tabel voor het in kaart brengen van klasse en voertuig
informatie klasse
voorbeeld
Publieke AI
juiste omgeving
publiek
persbericht
geschikt
algemeen hulpmiddel
Intern/servicespecifiek
innerlijke noot
Meestal nee
Intern goedgekeurd
geheim
onderhandelingspositie
nooit
Veilig instellingssysteem
topgeheim
gevoelige intelligentie
nooit
hoogste veiligheid
persoonlijke gegevens
geloofsbrieven
Alleen noodzakelijk+legaal
Gemaskeerd/beveiligd
Veel voorkomende fouten
- Gegevens invoeren zonder om de klas te vragen. Vóór elke klus is de reflex "in welke klas is dit?" is een must.
- Ervan uitgaande dat "het waarschijnlijk duidelijk is". Onzekere informatie wordt als vertrouwelijk beschermd.
- Het verwijderen van namen wordt aangezien voor anonimisering. Context kan identiteiten weggeven.
- Het risico van incasso negeren. Kleine onderdelen kunnen bij montage kwetsbaar zijn.
- Twee werelden vermengen. Open en geclassificeerde taken worden in aparte tools/omgevingen uitgevoerd.
Samengevat
Geheimhouding is de meest kritische grens van diplomatiek AI-gebruik. Neem informatieclassificatie (openbaar/intern/vertrouwelijk/topgeheim), "ask class, match vehicle"-reflex, minimumdataprincipe, bescherming van persoonsgegevens en verzamelrisico's als de ruggengraat van deze eenheid. Algemene hulpmiddelen voor open source-werk; Gebruik alleen interne, veilige, goedgekeurde systemen voor geclassificeerd werk. Verwar deze twee nooit; Bewaak bij twijfel de informatie als een senior.
Applicatie taak
Noem 8 verschillende stukjes gegevens van je eigen (of denkbeeldige) bureau (sommige openbaar, andere gevoelig). Plaats ze allemaal in een klas en beslis "in welke tool ze verwerkt kunnen worden". Evalueer dubbelzinnige met de sjabloon 'Klasse en voertuig pre-check'. Selecteer drie stukken en onderzoek of deze in combinatie met de ‘collectierisicobeoordeling’ een gevoelig beeld vormen.
controlelijst
- [ ] Ik heb eerst de gevoeligheidsklasse voor elke gegevens bepaald.
- Ik heb nooit gegevens ingevoerd waarvan de klasse [ ] niet geschikt is voor een openbaar voertuig.
- [ ] Ik bewaakte de informatie waar ik niet zeker van was als een meerdere.
- [ ] Ik verwerk persoonlijke gegevens alleen als dat nodig en rechtmatig is, gemaskeerd.
- [ ] Ik nam het risico van het verzamelen en de scheiding van twee werelden.