ਲਾਭ:
- KVKK ਸਿਧਾਂਤਾਂ ਦੇ ਅਨੁਸਾਰ AI ਟੂਲ ਵਿੱਚ ਕਿਹੜਾ ਡੇਟਾ ਦਾਖਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਇਸਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਮਾਸਕਿੰਗ/ਅਨਾਮਾਈਜ਼ੇਸ਼ਨ ਨਾਲ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਅਤੇ ਇੱਕ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਸੈਟ ਅਪ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- KVKK ਦਸਤਾਵੇਜ਼ਾਂ ਜਿਵੇਂ ਕਿ ਜਾਣਕਾਰੀ ਟੈਕਸਟ ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂਆਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਅਤੇ ਤਸਦੀਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਕਾਨੂੰਨੀ ਅਤੇ ਪਾਲਣਾ ਕਰਨ ਵਾਲੇ ਪੇਸ਼ੇਵਰ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਸੰਪਤੀ ਡੇਟਾ ਹੈ: ਕਲਾਇੰਟ ਦੀ ਜਾਣਕਾਰੀ, ਕਰਮਚਾਰੀ ਰਿਕਾਰਡ, ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ। ਇੱਕ ਨਕਲੀ ਬੁੱਧੀ (AI) ਟੂਲ ਵਿੱਚ ਗਲਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਇੱਕ ਬਟਨ ਦਬਾਉਣ ਜਿੰਨਾ ਆਸਾਨ ਹੈ, ਪਰ ਨਤੀਜੇ ਗੰਭੀਰ ਹਨ: KVKK ਦੀ ਉਲੰਘਣਾ, ਪ੍ਰਬੰਧਕੀ ਜੁਰਮਾਨਾ, ਇਕਰਾਰਨਾਮੇ ਦੀ ਗੁਪਤਤਾ ਦੀ ਉਲੰਘਣਾ ਅਤੇ ਸਾਖ ਦਾ ਨੁਕਸਾਨ। ਇਸ ਯੂਨਿਟ ਲਈ ਸਵਾਲ ਸਪੱਸ਼ਟ ਹੈ: ਕਿਹੜਾ ਡੇਟਾ ਕਿਸ ਟੂਲ ਅਤੇ ਕਿਵੇਂ ਵਿੱਚ ਦਾਖਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ? ਅਸੀਂ KVKK ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ AI ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਵਰਤਣਾ ਸਿੱਖਾਂਗੇ ਅਤੇ ਇਸਨੂੰ ਦਸਤਾਵੇਜ਼ਾਂ ਜਿਵੇਂ ਕਿ ਸਪਸ਼ਟੀਕਰਨ ਟੈਕਸਟ, ਪ੍ਰੋਸੈਸਿੰਗ ਇਨਵੈਂਟਰੀ, ਆਦਿ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸਹਾਇਕ ਦੇ ਤੌਰ 'ਤੇ ਸਥਿਤੀ ਵਿੱਚ ਰੱਖਾਂਗੇ — ਪਰ ਦਾਖਲ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਤੁਹਾਡੇ ਕੋਲ ਰਹਿੰਦੀ ਹੈ।
ਆਓ ਸ਼ਰਤਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੀਏ। KVKK ਨਿੱਜੀ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨ ਨੰ. 6698 ਹੈ; ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਦਾ ਹੈ. ਨਿੱਜੀ ਡੇਟਾ ਕਿਸੇ ਪਛਾਣੇ ਜਾਂ ਪਛਾਣੇ ਜਾਣ ਵਾਲੇ ਕੁਦਰਤੀ ਵਿਅਕਤੀ (ਨਾਮ, ਆਈਡੀ ਨੰਬਰ, ਟੈਲੀਫੋਨ, ਈ-ਮੇਲ, ਸਥਾਨ) ਬਾਰੇ ਕੋਈ ਵੀ ਜਾਣਕਾਰੀ ਹੈ। ਵਿਸ਼ੇਸ਼ ਗੁਣਵੱਤਾ (ਸੰਵੇਦਨਸ਼ੀਲ) ਡੇਟਾ ਇੱਕ ਕਿਸਮ ਦਾ ਡੇਟਾ ਹੈ ਜੋ ਵਧੇਰੇ ਸਖ਼ਤੀ ਨਾਲ ਸੁਰੱਖਿਅਤ ਹੈ, ਜਿਵੇਂ ਕਿ ਸਿਹਤ, ਧਰਮ, ਜਿਨਸੀ ਜੀਵਨ, ਅਪਰਾਧਿਕ ਸਜ਼ਾਵਾਂ। ਡੇਟਾ ਮਿਨੀਮਾਈਜੇਸ਼ਨ ਸਿਰਫ ਓਨੇ ਹੀ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦਾ ਸਿਧਾਂਤ ਹੈ ਜਿੰਨਾ ਕਿਸੇ ਉਦੇਸ਼ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਅਨਾਮਾਈਜ਼ੇਸ਼ਨ ਡੇਟਾ ਨੂੰ ਕਿਸੇ ਵਿਅਕਤੀ ਨਾਲ ਵਾਪਸ ਲਿੰਕ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ; ਮਾਸਕਿੰਗ/ਸੂਡਨੋਮਾਈਜ਼ੇਸ਼ਨ ਪਛਾਣ ਜਾਣਕਾਰੀ ਨੂੰ ਛੁਪਾ ਰਿਹਾ ਹੈ ਪਰ ਇੱਕ ਕੁੰਜੀ ਨਾਲ ਰਿਸ਼ਤੇ ਦੀ ਰੱਖਿਆ ਕਰ ਰਿਹਾ ਹੈ। ਜਾਣਕਾਰੀ ਟੈਕਸਟ ਇੱਕ ਸੂਚਨਾ ਹੈ ਜੋ ਡੇਟਾ ਮਾਲਕ ਨੂੰ ਦੱਸਦੀ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
ਕਿਹੜਾ ਡੇਟਾ, ਕਿਸ ਵਾਹਨ ਨੂੰ?
ਬੁਨਿਆਦੀ ਫੈਸਲਾ ਦੋ ਧੁਰਿਆਂ 'ਤੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਡੇਟਾ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਟੂਲ ਦਾ ਭਰੋਸਾ। ਨਿੱਜੀ ਜਾਂ ਗੁਪਤ ਡੇਟਾ ਸਿਰਫ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਵਿੱਚ ਦਾਖਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜੋ ਸੰਸਥਾਗਤ ਡੇਟਾ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ (ਡਾਟਾ ਸਿੱਖਿਆ ਵਿੱਚ ਨਹੀਂ ਵਰਤਿਆ ਜਾਣਾ, ਸਟੋਰ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ, ਤੀਜੀਆਂ ਧਿਰਾਂ ਨਾਲ ਸਾਂਝਾ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ)। ਇੱਕ ਅਸੁਰੱਖਿਅਤ ਜਨਤਕ ਟੂਲ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਉਸ ਡੇਟਾ ਨੂੰ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਲੈ ਰਿਹਾ ਹੈ।
ਫੈਸਲੇ ਦਾ ਪ੍ਰਵਾਹ ਇਸ ਪ੍ਰਕਾਰ ਹੈ:
- ਵਰਗੀਕਰਨ ਕਰੋ। ਕੀ ਟੈਕਸਟ ਵਿੱਚ ਨਿੱਜੀ/ਨਿੱਜੀ/ਗੁਪਤ ਡੇਟਾ ਹੈ?
- ਪੁੱਛੋ ਕਿ ਕੀ ਇਹ ਜ਼ਰੂਰੀ ਹੈ। ਕੀ ਇਸ ਕੰਮ (ਘੱਟੋ-ਘੱਟ) ਲਈ ਨਿੱਜੀ ਡੇਟਾ ਅਸਲ ਵਿੱਚ ਜ਼ਰੂਰੀ ਹੈ?
- ਵਾਹਨ ਬੀਮੇ ਦੀ ਜਾਂਚ ਕਰੋ। ਕੀ ਟੂਲ ਕਾਰਪੋਰੇਟ ਡੇਟਾ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ?
- ਰੱਖਿਆ ਕਰੋ। ਜੇ ਜ਼ਰੂਰੀ ਨਾ ਹੋਵੇ ਤਾਂ ਮਾਸਕ ਜਾਂ ਅਗਿਆਤ ਬਣਾਓ।
- ਇਸ ਨੂੰ ਦਸਤਾਵੇਜ਼. ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਉਦੇਸ਼, ਆਧਾਰ ਅਤੇ ਮਿਆਦ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ।
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ KVKK/ਡਾਟਾ ਸੁਰੱਖਿਆ ਸਲਾਹਕਾਰ। AI ਟੂਲ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਨੂੰ ਦਾਖਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇੱਕ ਡੇਟਾ ਵਰਗੀਕਰਨ ਕਰੋ: 1) ਇਸ ਵਿੱਚ ਨਿੱਜੀ ਡੇਟਾ ਦੀ ਸੂਚੀ ਬਣਾਓ (ਕਿਸਮ: ਨਾਮ, ਆਈਡੀ ਨੰਬਰ, ਸੰਪਰਕ, ਸਥਾਨ...)। 2) ਜੇਕਰ ਸੰਵੇਦਨਸ਼ੀਲ (ਸੰਵੇਦਨਸ਼ੀਲ) ਡੇਟਾ ਹੈ ਤਾਂ ਨਿਸ਼ਾਨਬੱਧ ਕਰੋ। 3) ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ "ਹਟਾਉਣਯੋਗ" ਵਜੋਂ ਮਾਰਕ ਕਰੋ ਜੋ ਕੰਮ ਲਈ ਲੋੜੀਂਦਾ ਨਹੀਂ ਹੈ। 4) ਉਹਨਾਂ ਲਈ ਇੱਕ ਮਾਸਕਿੰਗ/ਅਨਾਮਕਰਨ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਦਿਓ ਜੋ ਬਾਕੀ ਰਹਿਣੇ ਚਾਹੀਦੇ ਹਨ। ਪਾਠ ਦੀ ਸਮੱਗਰੀ ਦੀ ਵਿਆਖਿਆ ਕਰੋ; ਸਿਰਫ਼ ਡੇਟਾ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰੋ।<text>[ਸਮੀਖਿਆ ਲਈ ਟੈਕਸਟ]</text>
ਸਾਵਧਾਨ: ਕਿਸੇ ਚੈਟ ਨੂੰ ਮਿਟਾਉਣ ਨਾਲ ਡੇਟਾ ਵਾਪਸ ਨਹੀਂ ਮਿਲਦਾ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਨਿੱਜੀ/ਗੁਪਤ ਡੇਟਾ ਇੱਕ ਅਸੁਰੱਖਿਅਤ ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਸ ਡੇਟਾ ਨੂੰ ਤੀਜੀ ਧਿਰ ਦੇ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸੰਸਾਧਿਤ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। "ਮੈਂ ਇਸਨੂੰ ਬਾਅਦ ਵਿੱਚ ਮਿਟਾ ਦੇਵਾਂਗਾ" ਇੱਕ ਸੁਰੱਖਿਆ ਨਹੀਂ ਹੈ; ਸੁਰੱਖਿਆ ਦਾ ਸਥਾਨ ਡੇਟਾ ਦਾਖਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੈ.
ਮਾਸਕਿੰਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਪ੍ਰੋਂਪਟ ਆਰਮਿੰਗ
ਜ਼ਿਆਦਾਤਰ ਕੰਮ ਇਹ ਜਾਣੇ ਬਿਨਾਂ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ ਕਿ ਵਿਅਕਤੀ ਕੌਣ ਹੈ। ਇਕਰਾਰਨਾਮੇ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਕਿਸੇ ਪਾਰਟੀ ਦੇ ਅਸਲੀ ਨਾਮ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ; "ਸਾਈਡ ਏ" ਕਾਫੀ ਹੈ। AI ਟੈਕਸਟ ਨੂੰ ਮਾਸਕ ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦਾ ਹੈ - ਪਰ ਮਨੁੱਖ ਨੂੰ ਮਾਸਕਿੰਗ ਦੀ ਸੰਪੂਰਨਤਾ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਵਿੱਚ, ਸਾਰੀਆਂ ਸਿੱਧੀਆਂ ਪਛਾਣ ਜਾਣਕਾਰੀ ਨੂੰ ਇਕਸਾਰ ਉਪਨਾਮਾਂ ਨਾਲ ਬਦਲੋ: ਵਿਅਕਤੀ ਦੇ ਨਾਮ → "ਵਿਅਕਤੀ 1, ਵਿਅਕਤੀ 2"; ਕੰਪਨੀਆਂ → "ਕੰਪਨੀ A, B"; TR ਨੰਬਰ, ਫ਼ੋਨ, ਈ-ਮੇਲ, ਪਤਾ, IBAN → [ਮਾਸਕੇਡ]। ਅਰਥ ਅਤੇ ਰਿਸ਼ਤਿਆਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖੋ. ਅੰਤ ਵਿੱਚ, ਇੱਕ ਮੈਪਿੰਗ ਸਾਰਣੀ ਪ੍ਰਦਾਨ ਕਰੋ ਕਿ ਤੁਸੀਂ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਨੂੰ ਕਿਸ ਨਾਲ ਬਦਲਿਆ ਹੈ, ਤਾਂ ਜੋ ਮੈਂ ਨਤੀਜਾ ਵਾਪਸ ਲਿੰਕ ਕਰ ਸਕਾਂ। ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਨੂੰ ਖੁੰਝ ਗਏ ਹੋ, ਤਾਂ ਮੈਂ ਮਾਸਕਿੰਗ ਦੀ ਜਾਂਚ ਕਰਾਂਗਾ।
ਮਾਸਕਿੰਗ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਕਈ ਵਾਰ ਜਾਣਕਾਰੀ ਜੋ ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਨਿਰਦੋਸ਼ ਜਾਪਦੀ ਹੈ, ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ (ਉਦਾਹਰਨ ਲਈ "ਇਸਤਾਂਬੁਲ ਵਿੱਚ ਇੱਕਮਾਤਰ ਮਹਿਲਾ CFO")। ਇਸ ਲਈ ਅਗਿਆਤਤਾ ਦੀ ਹਮੇਸ਼ਾ ਗਾਰੰਟੀ ਨਹੀਂ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਉੱਚ-ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਵਾਲੇ ਕੰਮ ਲਈ ਸਭ ਤੋਂ ਸੁਰੱਖਿਅਤ ਤਰੀਕਾ ਹੈ ਕਾਰਪੋਰੇਟ-ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
KVKK ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨਾ
AI ਤੇਜ਼ੀ ਨਾਲ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਪਹਿਲੇ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਖੁਲਾਸਾ ਟੈਕਸਟ, ਸਪਸ਼ਟ ਸਹਿਮਤੀ ਟੈਕਸਟ, ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ। ਪਰ ਇਹ ਦਸਤਾਵੇਜ਼ ਕਾਨੂੰਨੀ ਤੌਰ 'ਤੇ ਬਾਈਡਿੰਗ ਹਨ; ਡਰਾਫਟ ਤੁਹਾਡੀ ਅਸਲ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀ ਨਾਲ ਬਿਲਕੁਲ ਮੇਲ ਖਾਂਦਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਾਨੂੰਨੀ ਪ੍ਰਵਾਨਗੀ ਪਾਸ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
ਨਿਮਨਲਿਖਤ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀ ਲਈ ਇੱਕ ਡਰਾਫਟ ਜਾਣਕਾਰੀ ਟੈਕਸਟ ਤਿਆਰ ਕਰੋ। ਇਸ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਸਿਰਲੇਖ ਸ਼ਾਮਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ: ਡੇਟਾ ਕੰਟਰੋਲਰ, ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੀਆਂ ਸ਼੍ਰੇਣੀਆਂ, ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਉਦੇਸ਼, ਕਾਨੂੰਨੀ ਕਾਰਨ, ਟ੍ਰਾਂਸਫਰ (ਪ੍ਰਾਪਤਕਰਤਾ ਸਮੂਹ, ਜੇਕਰ ਕੋਈ ਹੈ), ਸਟੋਰੇਜ ਦੀ ਮਿਆਦ, ਡੇਟਾ ਮਾਲਕ ਦੇ ਅਧਿਕਾਰ, ਉਪਾਅ। ਨਿਯਮ: - ਮੇਰੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਨਾਲ ਹਰੇਕ ਖੇਤਰ ਨੂੰ ਭਰੋ; ਜੇਕਰ ਇਹ ਗੁੰਮ ਹੈ, ਤਾਂ [ਭਰਨ ਲਈ] ਛੱਡ ਦਿਓ ਅਤੇ ਇਹ ਨਾ ਸੋਚੋ। - ਕਨੂੰਨੀ ਕਾਰਨ ਅਤੇ ਧਾਰਨ ਦੀ ਮਿਆਦ ਲਈ ਇੱਕ ਨੋਟ "ਕਾਨੂੰਨੀ ਮਨਜ਼ੂਰੀ ਦੀ ਲੋੜ ਹੈ" ਸ਼ਾਮਲ ਕਰੋ।<processing_activity>[ਮਕਸਦ, ਡਾਟਾ ਕਿਸਮ, ਪ੍ਰਾਪਤਕਰਤਾ, ਮਿਆਦ]</processing_activity>
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: ਇਸ ਕਲਾਇੰਟ ਫਾਈਲ ਨੂੰ ਸੰਖੇਪ ਕਰੋ। [ਅਸਲ ਨਾਮ, TR ਨੰਬਰ, ਕੇਸ ਵੇਰਵੇ ਚਿਪਕਾਏ ਗਏ ਹਨ]
ਨਤੀਜਾ: ਨਿੱਜੀ ਅਤੇ ਸੰਭਵ ਤੌਰ 'ਤੇ ਨਿਜੀ ਡੇਟਾ ਨੂੰ ਅਨਿਸ਼ਚਿਤ ਸੁਰੱਖਿਆ ਦੇ ਨਾਲ ਇੱਕ ਸਾਧਨ ਵਿੱਚ ਦਾਖਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਕੰਮ ਪੂਰਾ ਹੋਣ 'ਤੇ ਵੀ ਕੇਵੀਕੇਕੇ ਅਤੇ ਗੁਪਤਤਾ ਦੀ ਉਲੰਘਣਾ ਹੋਈ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ: [ਪਹਿਲਾ ਡੇਟਾ ਵਰਗੀਕਰਨ + ਬੇਲੋੜੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਹਟਾਉਣਾ + ਮਾਸਕਿੰਗ (ਛਦਨਾਮ, [ਮਾਸਕੇਡ]) + ਪ੍ਰਵਾਨਿਤ/ਸੁਰੱਖਿਅਤ ਟੂਲ + ਫਿਰ ਮਾਸਕਡ ਟੈਕਸਟ ਨਾਲ ਸੰਖੇਪ]
ਨਤੀਜਾ: ਕੰਮ ਅਜੇ ਵੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਵਿਅਕਤੀ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ; ਮਿਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਡਾਟਾ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਇਆ ਗਿਆ ਸੀ।
ਡਾਟਾ ਕਿਸਮ ਅਤੇ ਉਚਿਤ ਪ੍ਰੋਸੈਸਿੰਗ
ਡਾਟਾ ਕਿਸਮ
ਉਦਾਹਰਨ
ਅਸੁਰੱਖਿਅਤ ਵਾਹਨ
ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵਾਹਨ
ਇਹ ਨਿੱਜੀ ਨਹੀਂ ਹੈ
ਅਗਿਆਤ/ਜਨਤਕ ਟੈਕਸਟ
ਅਨੁਕੂਲ
ਅਨੁਕੂਲ
ਨਿੱਜੀ
ਨਾਮ, ਸੰਪਰਕ, IBAN
ਮਾਸਕ/ਵਰਤੋਂ
ਮਾਸਕ ਦੁਆਰਾ ਅਨੁਕੂਲ
ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਯੋਗਤਾ ਪ੍ਰਾਪਤ
ਸਿਹਤ, ਅਪਰਾਧਿਕ ਰਿਕਾਰਡ
ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ
ਲੋੜੀਂਦਾ+ਸਿਰਫ਼ ਮਨਜ਼ੂਰ
ਕਲਾਇੰਟ ਗੁਪਤ/ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ
ਮੁਕੱਦਮੇਬਾਜ਼ੀ ਰਣਨੀਤੀ
ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ
ਸਿਰਫ਼ ਸੁਰੱਖਿਅਤ
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ
ਕੇਸ 1 - ਦਾਖਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਰੁਕਣਾ। ਇੱਕ ਮਾਹਰ ਕੋਲ ਇੱਕ 30-ਵਿਅਕਤੀਆਂ ਦੀ ਕਰਮਚਾਰੀ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚੀ (ਨਾਮ, ਰਿਕਾਰਡ, ਮੈਡੀਕਲ ਛੁੱਟੀ ਦੇ ਨੋਟ) ਦਾ ਸਾਰ ਹੋਵੇਗਾ। ਡਾਟਾ ਵਰਗੀਕਰਨ ਪ੍ਰੋਂਪਟ ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਕਿ ਮੈਡੀਕਲ ਨੋਟ ਮਲਕੀਅਤ ਡੇਟਾ ਸਨ ਅਤੇ ਮਿਸ਼ਨ ਲਈ ਬਿਲਕੁਲ ਵੀ ਲੋੜੀਂਦੇ ਨਹੀਂ ਸਨ। ਮਾਹਰ ਨੇ ਇਸ ਕਾਲਮ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹਟਾ ਦਿੱਤਾ, ਨਾਮ ਬਦਲ ਕੇ "ਕਰਮਚਾਰੀ 1-30" ਕਰ ਦਿੱਤਾ ਅਤੇ ਸਿਰਫ ਪ੍ਰਦਰਸ਼ਨ ਸਕੋਰਾਂ ਨਾਲ ਕੰਮ ਕੀਤਾ। ਕੰਮ ਕੀਤਾ ਸੀ; ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਕਦੇ ਵੀ ਵਾਹਨ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਇਆ।
ਕੇਸ 2 - ਮੁੜ-ਪਛਾਣ। ਇੱਕ ਟੀਮ ਇੱਕ ਸ਼ਿਕਾਇਤ ਟੈਕਸਟ ਸਾਂਝਾ ਕਰੇਗੀ ਜਿਸ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਸੀ ਕਿ "ਅਸੀਂ ਇਸਨੂੰ ਗੁਮਨਾਮ ਕੀਤਾ"; ਪਰ ਟੈਕਸਟ ਵਿੱਚ ਇਹ ਵਾਕਾਂਸ਼ ਸ਼ਾਮਲ ਸੀ "ਮੁੱਖ ਦਫ਼ਤਰ ਵਿੱਚ ਇੱਕਲੌਤਾ ਮੈਨੇਜਰ ਜੋ ਵ੍ਹੀਲਚੇਅਰ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।" ਇਸ ਨਾਲ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣਿਆ ਜਾ ਸਕਦਾ ਹੈ ਭਾਵੇਂ ਉਸਦਾ ਨਾਮ ਮਿਟ ਗਿਆ ਹੋਵੇ। ਇਹ ਮਾਸਕਿੰਗ ਜਾਂਚ ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਸੀ ਅਤੇ ਬਿਆਨ ਨੂੰ ਆਮ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਬਕ: ਡੀ-ਪਛਾਣ ਹਮੇਸ਼ਾ ਗੁਮਨਾਮਤਾ ਨੂੰ ਯਕੀਨੀ ਨਹੀਂ ਬਣਾਉਂਦਾ; ਸੰਦਰਭ ਵਿਅਕਤੀ ਨੂੰ ਦੂਰ ਵੀ ਦੇ ਸਕਦਾ ਹੈ.
ਕੇਸ 3 — ਵਸਤੂ ਸੂਚੀ ਦਾ ਪ੍ਰਵੇਗ। ਇੱਕ ਸੰਸਥਾ ਸਾਲਾਂ ਤੋਂ ਆਪਣੀ KVKK ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਸਤੂ ਸੂਚੀ ਨੂੰ ਹੱਥੀਂ ਅਪਡੇਟ ਕਰਨ ਦੇ ਯੋਗ ਨਹੀਂ ਸੀ। AI ਦੇ ਨਾਲ, ਹਰੇਕ ਵਿਭਾਗ ਦੀਆਂ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀਆਂ ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਰੂਪਰੇਖਾ (ਉਦੇਸ਼, ਡੇਟਾ ਕਿਸਮ, ਧਾਰਨ ਦੀ ਮਿਆਦ, ਪ੍ਰਾਪਤਕਰਤਾ) ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਸੀ; ਕਾਨੂੰਨੀ ਟੀਮ ਨੇ ਉਨ੍ਹਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਠੀਕ ਕੀਤਾ। ਵਸਤੂ-ਸੂਚੀ ਦੀ ਤਿਆਰੀ ਦੇ ਅਨੁਮਾਨ 6 ਹਫ਼ਤਿਆਂ ਤੋਂ 2 ਹਫ਼ਤਿਆਂ ਤੱਕ ਘਟੇ ਹਨ। ਨਾਜ਼ੁਕ ਬਿੰਦੂ: ਵਸਤੂ ਸੂਚੀ ਵਿੱਚ ਦਾਖਲ ਕੀਤੀ ਗਈ ਹਰੇਕ ਲਾਈਨ ਅਸਲ ਗਤੀਵਿਧੀ ਨਾਲ ਤੁਲਨਾ ਕਰਕੇ ਮਨੁੱਖੀ-ਤਸਦੀਕ ਕੀਤੀ ਗਈ ਸੀ; ਏਆਈ ਡਰਾਫਟ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਸਵੀਕਾਰ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ।
ਆਮ ਗਲਤੀਆਂ
- ਵਰਗੀਕਰਨ ਤੋਂ ਬਿਨਾਂ ਡਾਟਾ ਦਾਖਲ ਕਰਨਾ। ਟੂਲ ਵਿੱਚ ਟੈਕਸਟ ਨੂੰ ਚਿਪਕਾਉਣਾ ਬਿਨਾਂ ਇਹ ਦੇਖੇ ਕਿ ਇਸ ਵਿੱਚ ਕਿਸ ਕਿਸਮ ਦਾ ਡੇਟਾ ਹੈ, ਸਭ ਤੋਂ ਆਮ ਉਲੰਘਣਾ ਹੈ।
- ਬੇਲੋੜਾ ਨਿੱਜੀ ਡਾਟਾ ਲੈ ਕੇ ਜਾਣਾ। ਜਦੋਂ ਘੱਟੋ-ਘੱਟ ਕਰਨਾ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਨਿੱਜੀ/ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਭਾਵੇਂ ਇਹ ਜ਼ਰੂਰੀ ਨਹੀਂ ਹੈ।
- "ਮੈਂ ਇਸਨੂੰ ਬਾਅਦ ਵਿੱਚ ਮਿਟਾ ਦੇਵਾਂਗਾ" 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਡੇਟਾ ਦਾਖਲ ਹੁੰਦੇ ਹੀ ਇਸ 'ਤੇ ਕਾਰਵਾਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਸੁਰੱਖਿਆ ਪਹਿਲਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਮਾਸਕਿੰਗ ਨੂੰ ਨਿਯੰਤਰਿਤ ਨਹੀਂ ਕਰਨਾ. AI ਇੱਕ ਪ੍ਰਮਾਣ ਪੱਤਰ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ; ਮਾਸਕਿੰਗ ਮਨੁੱਖੀ ਪ੍ਰਮਾਣਿਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
- ਪ੍ਰਸੰਗਿਕ ਮੁੜ-ਪਛਾਣ ਨਹੀਂ ਦੇਖ ਰਿਹਾ। ਵਿਅਕਤੀਗਤ ਤੌਰ 'ਤੇ ਹਾਨੀਕਾਰਕ ਜਾਣਕਾਰੀ ਮਿਲਾ ਕੇ ਵਿਅਕਤੀ ਨੂੰ ਦੂਰ ਕਰ ਸਕਦੀ ਹੈ।
- ਬਿਨਾਂ ਮਨਜ਼ੂਰੀ ਦੇ KVKK ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨਾ। ਜਾਣਕਾਰੀ/ਸਹਿਮਤੀ ਪਾਠ ਅਤੇ ਵਸਤੂ ਸੂਚੀ ਨੂੰ ਕਾਨੂੰਨੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਅਸਲ ਗਤੀਵਿਧੀ ਦੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
KVKK ਵਿੱਚ ਬੁਨਿਆਦੀ ਸਵਾਲ ਹੈ "ਕਿਹੜਾ ਡੇਟਾ, ਕਿਸ ਵਾਹਨ ਨੂੰ, ਕਿਵੇਂ?" ਪਹਿਲਾਂ ਡੇਟਾ ਨੂੰ ਵਰਗੀਕ੍ਰਿਤ ਕਰੋ, ਜਿਸ ਚੀਜ਼ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ ਉਸ ਨੂੰ ਹਟਾਓ (ਘੱਟੋ-ਘੱਟ), ਮਾਸਕ ਜਾਂ ਅਗਿਆਤ ਬਣਾਓ ਜਿਸ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ/ਗੁਪਤ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੇਵਲ ਕਾਰਪੋਰੇਟ ਭਰੋਸੇ ਨਾਲ ਪ੍ਰਵਾਨਿਤ ਸਾਧਨਾਂ ਵਿੱਚ ਕਰੋ। ਕਿਸੇ ਨੂੰ ਮਾਸਕਿੰਗ ਦੀ ਸੰਪੂਰਨਤਾ ਅਤੇ ਪ੍ਰਸੰਗਿਕ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ; ਦਸਤਾਵੇਜ਼ ਜਿਵੇਂ ਕਿ ਸਪਸ਼ਟੀਕਰਨ ਟੈਕਸਟ ਅਤੇ ਵਸਤੂ ਸੂਚੀ ਨੂੰ ਕਾਨੂੰਨੀ ਪ੍ਰਵਾਨਗੀ ਪਾਸ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। AI ਬਚਾਅ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀ ਕੰਮ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ; ਅਧਿਕਾਰਤ ਪੇਸ਼ਾਵਰ ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਸੁਰੱਖਿਆ ਦੀ ਢੁਕਵੀਂਤਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਨਿੱਜੀ ਡੇਟਾ ਵਾਲਾ ਟੈਕਸਟ ਚੁਣੋ (ਅਸਲ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ; ਇੱਕ ਉਦਾਹਰਣ ਬਣਾਓ)। (1) ਡੇਟਾ ਵਰਗੀਕਰਨ ਪ੍ਰੋਂਪਟ ਨਾਲ ਨਿੱਜੀ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਹਟਾਓ। (2) ਉਹਨਾਂ ਦੀ ਪਛਾਣ ਕਰੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਹਟਾਓ ਜਿਹਨਾਂ ਦੀ ਕੰਮ ਲਈ ਲੋੜ ਨਹੀਂ ਹੈ, ਉਰਫ ਉਹਨਾਂ ਨੂੰ ਜੋ ਮਾਸਕਿੰਗ ਪ੍ਰੋਂਪਟ ਨਾਲ ਲੋੜੀਂਦੇ ਹਨ, ਅਤੇ ਮਾਸਕਿੰਗ ਨੂੰ ਹੱਥੀਂ ਕੰਟਰੋਲ ਕਰੋ। (3) ਉਹਨਾਂ ਵਾਕਾਂਸ਼ਾਂ ਦੀ ਭਾਲ ਕਰੋ ਜੋ ਪ੍ਰਸੰਗਿਕ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਵਿੱਚ ਹਨ। (4) ਇੱਕ ਪ੍ਰੋਸੈਸਿੰਗ ਗਤੀਵਿਧੀ ਲਈ ਡਰਾਫਟ ਜਾਣਕਾਰੀ ਟੈਕਸਟ ਤਿਆਰ ਕਰੋ ਅਤੇ "ਕਾਨੂੰਨੀ ਪ੍ਰਵਾਨਗੀ" ਚਿੰਨ੍ਹਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ।
ਚੈੱਕਲਿਸਟ
- [ ] ਕੀ ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਡੇਟਾ ਦਾ ਵਰਗੀਕਰਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
- [ ] ਕੀ ਕੰਮ (ਘੱਟੋ-ਘੱਟ) ਲਈ ਬੇਲੋੜਾ ਨਿੱਜੀ/ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਹਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ?
- [ ] ਕੀ ਬਾਕੀ ਬਚੇ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਮਾਸਕ/ਗੁਮਨਾਮ ਕੀਤਾ ਗਿਆ ਹੈ?
- ਕੀ ਮਾਸਕ ਲਗਾਉਣਾ ਮਨੁੱਖ ਦੁਆਰਾ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
- ਕੀ ਪ੍ਰਸੰਗਿਕ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਹੈ?
- ਕੀ ਸੰਵੇਦਨਸ਼ੀਲ/ਗੁਪਤ ਡੇਟਾ ਸਿਰਫ ਪ੍ਰਵਾਨਿਤ ਸੁਰੱਖਿਅਤ ਵਾਹਨ ਵਿੱਚ ਹੀ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਂਦਾ ਹੈ?
- ਕੀ KVKK ਦਸਤਾਵੇਜ਼ ਕਾਨੂੰਨੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਅਸਲ ਸਰਗਰਮੀ ਦੀ ਪੁਸ਼ਟੀ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਗਏ ਸਨ?