ਪਾਰਦਰਸ਼ਤਾ, ਓਪਨ ਡੇਟਾ ਅਤੇ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ

ਲਾਭ:

• ਕਾਨੂੰਨ ਦੇ ਅਨੁਸਾਰ ਜਾਣਕਾਰੀ ਬੇਨਤੀਆਂ ਦੇ ਜਵਾਬ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਨਾ ਤਾਂ ਜ਼ਿਆਦਾ ਅਤੇ ਨਾ ਹੀ ਘੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ।
• ਇਹ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਖੁੱਲੇ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਸੰਜੋਗਾਂ ਦੇ ਪੱਧਰ 'ਤੇ ਸਕੈਨ ਕਰਦਾ ਹੈ ਜੋ ਮੁੜ-ਪਛਾਣ ਨੂੰ ਜੋਖਮ ਵਿੱਚ ਪਾਉਂਦੇ ਹਨ।
• ਜਾਣਦਾ ਹੈ ਕਿ ਪਾਰਦਰਸ਼ਤਾ ਇੱਕ ਸ਼ਾਸਨ ਸੰਦ ਹੈ ਜੋ ਜਨਤਕ ਵਿਸ਼ਵਾਸ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ ਅਤੇ ਵੱਖਰਾ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਗੁਪਤ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇੱਕ ਲੋਕਤੰਤਰੀ ਜਨਤਕ ਪ੍ਰਸ਼ਾਸਨ ਦਾ ਅਧਾਰ ਪਾਰਦਰਸ਼ਤਾ ਹੈ: ਨਾਗਰਿਕਾਂ ਦੀ ਇਹ ਜਾਣਨ ਦੀ ਯੋਗਤਾ ਕਿ ਉਹਨਾਂ ਦੀ ਚਿੰਤਾ ਕਰਨ ਵਾਲੇ ਫੈਸਲੇ ਕਿਵੇਂ ਅਤੇ ਕਿਸ ਅਧਾਰ 'ਤੇ ਲਏ ਜਾਂਦੇ ਹਨ। ਇਹ ਸਿਧਾਂਤ ਦੋ ਠੋਸ ਵਿਧੀਆਂ ਵਿੱਚ ਜੀਵਨ ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਪਹਿਲਾ ਸੂਚਨਾ ਦਾ ਅਧਿਕਾਰ ਹੈ (ਸੂਚਨਾ ਦੇ ਅਧਿਕਾਰ 'ਤੇ ਕਾਨੂੰਨ ਨੰਬਰ 4982; ਨਾਗਰਿਕ ਅਪਵਾਦਾਂ ਦੇ ਨਾਲ, ਜਨਤਕ ਸੰਸਥਾਵਾਂ ਤੋਂ ਜਾਣਕਾਰੀ ਅਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਮੰਗ ਕਰ ਸਕਦੇ ਹਨ)। ਦੂਜਾ ਖੁੱਲਾ ਡੇਟਾ ਹੈ (ਜਨਤਕ ਸੰਸਥਾਵਾਂ ਆਪਣੇ ਦੁਆਰਾ ਪੈਦਾ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੇ ਗੈਰ-ਨਿੱਜੀ ਅਤੇ ਗੈਰ-ਗੁਪਤ ਹਿੱਸੇ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਪ੍ਰਕਾਸ਼ਤ ਕਰਦੀਆਂ ਹਨ ਕਿ ਹਰ ਕੋਈ ਪਹੁੰਚ ਅਤੇ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ)। ਇੱਥੇ, AI ਆਉਣ ਵਾਲੀਆਂ ਸੂਚਨਾਵਾਂ ਦੀਆਂ ਬੇਨਤੀਆਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ, ਜਵਾਬ ਡਰਾਫਟ ਤਿਆਰ ਕਰਨ, ਪੂਰਵ-ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕਿ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਕਿਹੜੀ ਛੋਟ ਹੈ, ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਲਈ ਖੁੱਲ੍ਹੇ ਡੇਟਾ ਸੈੱਟਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਪਰ ਇਸ ਯੂਨਿਟ ਦੀ ਦੋ-ਗੁਣਾ ਚੇਤਾਵਨੀ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਪਾਰਦਰਸ਼ਤਾ ਹੋਰ ਨਹੀਂ, ਘੱਟ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ - ਨਾਗਰਿਕ ਨੂੰ ਉਹ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਜਿਸਦਾ ਉਹ ਹੱਕਦਾਰ ਹੈ, ਪਰ ਨਿੱਜੀ ਡੇਟਾ ਅਤੇ ਅਸਲ ਅਪਵਾਦਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਇਹ ਸੰਤੁਲਨ ਜ਼ਿੰਮੇਵਾਰ ਜਨਤਕ ਅਧਿਕਾਰੀ ਦੁਆਰਾ ਸਥਾਪਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਏ.ਆਈ.

ਗਿਆਨ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਦੋ ਗਲਤ ਸਿਰੇ

ਜਾਣਕਾਰੀ ਲਈ ਬੇਨਤੀਆਂ ਵਿੱਚ, ਗਲਤੀਆਂ ਦੋ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ:

• ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਘਾਟ: ਦੇਣਯੋਗ ਜਾਣਕਾਰੀ ਨੂੰ "ਗੁਪਤ/ਬੇਮਿਸਾਲ" ਵਜੋਂ ਬੇਲੋੜੀ ਰੱਦ ਕਰਨਾ। ਇਹ ਦੋਵੇਂ ਅਧਿਕਾਰਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ ਅਤੇ ਸੰਸਥਾ ਵਿੱਚ ਅਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਅਕਸਰ ਨਿਆਂਪਾਲਿਕਾ ਵਿੱਚ ਖਤਮ ਹੁੰਦਾ ਹੈ।
• ਓਵਰ-ਡਿਸਕਲੋਜ਼ਰ: ਇੱਕ ਦਸਤਾਵੇਜ਼ ਜਮ੍ਹਾ ਕਰਦੇ ਸਮੇਂ ਗਲਤੀ ਨਾਲ ਤੀਜੀ ਧਿਰ ਦੇ ਨਿੱਜੀ ਡੇਟਾ, ਵਪਾਰਕ ਰਾਜ਼, ਜਾਂ ਅਸਲ ਅਪਵਾਦ (ਸੁਰੱਖਿਆ, ਆਦਿ) ਦਾ ਖੁਲਾਸਾ ਕਰਨਾ। ਇਹ KVKK ਦੀ ਉਲੰਘਣਾ ਕਰਦਾ ਹੈ ਅਤੇ ਨੁਕਸਾਨ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ।

AI ਦੋਵਾਂ ਸਿਰਿਆਂ 'ਤੇ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ: ਇਹ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਕੈਨ ਕਰ ਸਕਦਾ ਹੈ, ਇਸਦੇ ਅੰਦਰ ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਸੋਧ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ (ਦਸਤਾਵੇਜ਼ ਦੇ ਗੁਪਤ/ਨਿੱਜੀ ਹਿੱਸਿਆਂ ਨੂੰ ਅਸਪਸ਼ਟ ਕਰਨਾ/ਹਟਾਉਣਾ); ਇਹ ਅਪਵਾਦ ਸ਼੍ਰੇਣੀ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਦੇ ਤਹਿਤ ਤੁਸੀਂ ਬੇਨਤੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋਗੇ। ਪਰ ਅੰਤਮ ਫੈਸਲਾ - ਕੀ ਇਹ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਹੈ, ਕਿਹੜਾ ਹਿੱਸਾ ਅਸਪਸ਼ਟ ਹੈ - ਇੱਕ ਵਿਅਕਤੀ ਦਾ ਹੈ ਜੋ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।

ਧਿਆਨ ਦਿਓ: AI ਦਾ ਬਿਆਨ ਕਿ "ਇਹ ਜਾਣਕਾਰੀ ਅਪਵਾਦ ਦੇ ਦਾਇਰੇ ਵਿੱਚ ਹੈ" ਜਾਂ "ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ" ਇੱਕ ਕਾਨੂੰਨੀ ਰਾਏ ਨਹੀਂ ਹੈ। ਅਪਵਾਦ ਮੁਲਾਂਕਣ ਸੂਚਨਾ ਤੱਕ ਪਹੁੰਚ 'ਤੇ ਕਾਨੂੰਨ ਦੇ ਸੰਬੰਧਿਤ ਲੇਖਾਂ ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਜਾਇਜ਼ ਹੈ; AI ਸਿਰਫ ਪ੍ਰੀ-ਕੁਆਲ ਅਤੇ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ।

ਓਪਨ ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨਾ

ਖੁੱਲ੍ਹਾ ਡੇਟਾ ਜਨਤਕ ਕੁਸ਼ਲਤਾ ਅਤੇ ਜਵਾਬਦੇਹੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ; ਉੱਦਮੀ, ਪੱਤਰਕਾਰ, ਖੋਜਕਰਤਾ ਇਸ ਡੇਟਾ ਤੋਂ ਮੁੱਲ ਪੈਦਾ ਕਰਦੇ ਹਨ। ਪਰ ਇੱਕ ਡੇਟਾ ਸੈੱਟ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਇਸਦੀ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਦੇ ਵਿਰੁੱਧ ਜਾਂਚ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ (ਬੇਨਾਮ ਸਮਝੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਦੂਜੇ ਡੇਟਾ ਨਾਲ ਜੋੜ ਕੇ ਵਿਅਕਤੀਆਂ ਨਾਲ ਵਾਪਸ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ)। ਉਦਾਹਰਨ ਲਈ, "ਉਮਰ + ਆਂਢ-ਗੁਆਂਢ + ਦੁਰਲੱਭ ਪੇਸ਼ੇ" ਦਾ ਸੁਮੇਲ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ। ਪ੍ਰਕਾਸ਼ਨ ਲਈ ਡੇਟਾ ਸੈੱਟ ਤਿਆਰ ਕਰਦੇ ਸਮੇਂ, AI ਜੋਖਮ ਭਰੇ ਕਾਲਮ ਸੰਜੋਗਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨ ਅਤੇ ਡੇਟਾ ਡਿਕਸ਼ਨਰੀ ਲਿਖਣ ਵਿੱਚ ਮਦਦਗਾਰ ਹੁੰਦਾ ਹੈ (ਹਰੇਕ ਕਾਲਮ ਦਾ ਕੀ ਮਤਲਬ ਹੈ ਦਾ ਵਰਣਨ)।

ਸੁਝਾਅ: ਖੁੱਲ੍ਹਾ ਡੇਟਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਪੁੱਛੋ: "ਕੀ ਮੈਂ ਇਸ ਸੈੱਟ ਵਿੱਚ ਦੋ-ਤਿੰਨ ਕਾਲਮਾਂ ਨੂੰ ਜੋੜ ਕੇ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਲੱਭ ਸਕਦਾ ਹਾਂ?" ਜੇਕਰ ਜਵਾਬ “ਸ਼ਾਇਦ” ਹੈ, ਤਾਂ ਕੁੱਲ (ਵਿਅਕਤੀਗਤ ਦੀ ਬਜਾਏ ਸਮੂਹ), ਦੁਰਲੱਭ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਜੋੜੋ, ਜਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਖੇਤਰ ਨੂੰ ਹਟਾਓ।

ਕਦਮ-ਦਰ-ਕਦਮ ਜਾਣਕਾਰੀ ਦਾ ਪ੍ਰਵਾਹ

1. ਮੰਗ ਨੂੰ ਸਮਝੋ ਅਤੇ ਵਰਗੀਕਰਨ ਕਰੋ। ਕੀ ਬੇਨਤੀ ਕੀਤੀ ਗਈ ਹੈ, ਕਿਹੜੀ ਇਕਾਈ ਇਹ ਚਿੰਤਾ ਕਰਦੀ ਹੈ, ਮਿਆਦ ਕੀ ਹੈ?
2. ਕੀ ਜਾਣਕਾਰੀ ਮੌਜੂਦ ਹੈ ਜਾਂ ਇਸ ਨੂੰ ਪੈਦਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਕਾਨੂੰਨ ਮੌਜੂਦਾ ਗਿਆਨ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ; ਸੰਸਥਾ ਨੂੰ ਨਵਾਂ ਵਿਸ਼ਲੇਸ਼ਣ (ਪੁਸ਼ਟੀ) ਪੈਦਾ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੋ ਸਕਦੀ।
3. ਅਪਵਾਦ ਮੁਲਾਂਕਣ। ਕੀ ਇੱਥੇ ਕੋਈ ਅਪਵਾਦ ਹਨ ਜਿਵੇਂ ਕਿ ਨਿੱਜੀ ਡੇਟਾ, ਸੁਰੱਖਿਆ, ਵਪਾਰਕ ਰਾਜ਼, ਅੰਦਰੂਨੀ ਰਾਏ?
4. ਰੀਡੈਕਸ਼ਨ। ਨਿਰਯਾਤਯੋਗ ਦਸਤਾਵੇਜ਼ ਦੇ ਭਾਗਾਂ ਨੂੰ ਹਟਾਓ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਦੀ ਲੋੜ ਹੈ।
5. ਤਰਕਸੰਗਤ ਜਵਾਬ. ਦਿੱਤਾ/ਨਹੀਂ ਦਿੱਤਾ ਗਿਆ ਹਿੱਸਾ ਅਤੇ ਇਸਦਾ ਆਧਾਰ; ਇਤਰਾਜ਼ ਦਾ ਤਰੀਕਾ ਜੇਕਰ ਅਸਵੀਕਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
6. ਲੌਗ ਅਤੇ ਆਡਿਟ ਟ੍ਰੇਲ. ਬੇਨਤੀ, ਫੈਸਲਾ ਅਤੇ ਜਾਇਜ਼ਤਾ ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਸੰਪਾਦਨ ਗਲਤੀ ਤੋਂ ਬਚਿਆ ਗਿਆ। ਇੱਕ ਏਜੰਸੀ ਸੂਚਨਾ ਦੀ ਆਜ਼ਾਦੀ ਦੀ ਬੇਨਤੀ ਲਈ ਇੱਕ ਟੈਂਡਰ ਦਸਤਾਵੇਜ਼ ਜਮ੍ਹਾ ਕਰੇਗੀ। ਏਆਈ ਨੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਕੈਨ ਕੀਤਾ ਅਤੇ ਤਿੰਨ ਲੋਕਾਂ ਦੇ ਫੋਨ ਨੰਬਰ ਅਤੇ ਟੀਆਰ ਆਈਡੀ ਨੰਬਰਾਂ ਨੂੰ ਮਾਰਕ ਕੀਤਾ। ਜੇਕਰ ਇਸ ਨੂੰ ਪਰੂਫ ਰੀਡਿੰਗ ਤੋਂ ਬਿਨਾਂ ਭੇਜਿਆ ਗਿਆ ਹੁੰਦਾ, ਤਾਂ ਇਹ KVKK ਦੀ ਉਲੰਘਣਾ ਸੀ; ਨਿੱਜੀ ਡਾਟਾ ਕਾਲਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਦਸਤਾਵੇਜ਼ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਡਿਲੀਵਰ ਕੀਤਾ ਗਿਆ ਸੀ.

ਕੇਸ 2 - ਗਲਤ ਅਸਵੀਕਾਰ ਨੂੰ ਠੀਕ ਕੀਤਾ ਗਿਆ। ਇੱਕ ਯੂਨਿਟ "ਇਨ-ਹਾਊਸ" ਵਜੋਂ ਗਤੀਵਿਧੀ ਡੇਟਾ ਦੀ ਬੇਨਤੀ ਨੂੰ ਆਦਤਨ ਤੌਰ 'ਤੇ ਰੱਦ ਕਰ ਦੇਵੇਗੀ। ਜਦੋਂ AI ਨੂੰ ਅਪਵਾਦ ਸ਼੍ਰੇਣੀਆਂ ਬਾਰੇ ਪੁੱਛਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਇਹ ਦੇਖਿਆ ਗਿਆ ਸੀ ਕਿ ਇਹ ਡੇਟਾ ਅਸਲ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਓਪਨ ਡੇਟਾ ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ। ਬੇਨਤੀ ਨੂੰ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਸੀ, ਇੱਕ ਸੰਭਾਵੀ ਇਤਰਾਜ਼ ਅਤੇ ਮੁਕੱਦਮੇ ਨੂੰ ਰੋਕਿਆ ਗਿਆ ਸੀ.

ਕੇਸ 3 - ਮੁੜ-ਪਛਾਣ ਦਾ ਜੋਖਮ। ਇੱਕ ਨਗਰਪਾਲਿਕਾ ਆਪਣੇ "ਸੇਵਾ ਬੇਨਤੀਆਂ" ਡੇਟਾਸੈਟ ਨੂੰ ਓਪਨ ਡੇਟਾ ਵਜੋਂ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰੇਗੀ। ਸੈੱਟ ਵਿੱਚ ਆਂਢ-ਗੁਆਂਢ + ਪੂਰਾ ਪਤਾ ਜ਼ਿਲ੍ਹਾ ਬ੍ਰੇਕਡਾਊਨ ਸ਼ਾਮਲ ਹੈ। ਏਆਈ ਨੇ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਕਿ ਪਤਾ ਖੇਤਰ ਵਿਅਕਤੀਗਤ ਅੰਕਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰ ਸਕਦਾ ਹੈ; ਪਤਾ ਗਲੀ ਪੱਧਰ 'ਤੇ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਸੈੱਟ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਸੂਚਨਾ ਬੇਨਤੀ ਵਰਗੀਕਰਣ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ ਮਾਹਰ। ਨਿਮਨਲਿਖਤ ਬੇਨਤੀ 'ਤੇ ਕਾਰਵਾਈ ਕਰੋ: (1) ਅਸਲ ਵਿੱਚ ਕੀ ਬੇਨਤੀ ਕੀਤੀ ਗਈ ਹੈ, (2) ਇਹ ਕਿਸ ਇਕਾਈ ਨਾਲ ਸਬੰਧਤ ਹੈ, (3) ਕੀ ਇਸ ਨੂੰ ਮੌਜੂਦਾ ਜਾਣਕਾਰੀ ਜਾਂ ਨਵੇਂ ਉਤਪਾਦਨ ਦੀ ਲੋੜ ਹੈ, (4) ਸੰਭਾਵਿਤ ਅਪਵਾਦ ਸ਼੍ਰੇਣੀਆਂ (ਨਿੱਜੀ ਡੇਟਾ, ਸੁਰੱਖਿਆ, ਵਪਾਰਕ ਰਾਜ਼, ਆਦਿ)। ਨਿਸ਼ਚਿਤ ਕਰੋ ਕਿ ਹਰੇਕ ਅਪਵਾਦ "ਸੰਬੰਧਿਤ ਲੇਖ ਦੁਆਰਾ ਜਾਇਜ਼ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ"। ਫੈਸਲਾ ਲੈਣਾ, ਪੂਰਵ-ਮੁਲਾਂਕਣ ਕਰਨਾ। ਬੇਨਤੀ: [ਟੈਕਸਟ]

2) ਸੋਧ (ਨਿੱਜੀ/ਗੁਪਤ ਡੇਟਾ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ):

ਹੇਠਾਂ ਦਿੱਤੇ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ, ਉਹਨਾਂ ਸਾਰੇ ਹਿੱਸਿਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਜਾਣਕਾਰੀ ਦੇ ਜਵਾਬ ਵਿੱਚ ਨਕਾਬ ਪਾਉਣੇ ਚਾਹੀਦੇ ਹਨ: ਨਾਮ-ਸਰਨੇਮ, TR ਆਈਡੀ ਨੰਬਰ, ਪਤਾ, ਟੈਲੀਫੋਨ, ਸਿਹਤ/ਅਪਰਾਧਿਕ ਜਾਣਕਾਰੀ, ਤੀਜੀ ਧਿਰ ਦਾ ਡੇਟਾ, ਵਪਾਰਕ ਰਾਜ਼। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ ਸੰਖੇਪ ਵਾਜਬੀਅਤ ਲਿਖੋ। ਦਸਤਾਵੇਜ਼ ਦੇ ਨਿਰਯਾਤਯੋਗ ਹਿੱਸੇ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਛੱਡੋ। ਦਸਤਾਵੇਜ਼: [ਟੈਕਸਟ]

3) ਤਰਕਬੱਧ ਜਵਾਬ ਦਾ ਖਰੜਾ:

ਨਿਮਨਲਿਖਤ ਬੇਨਤੀ ਲਈ ਤਰਕਪੂਰਨ ਜਵਾਬ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ: (1) ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਸੀ, (2) ਕਿਹੜਾ ਹਿੱਸਾ ਨਹੀਂ ਦਿੱਤਾ ਗਿਆ ਸੀ ਅਤੇ ਕਿਉਂ (ਅਪਵਾਦ ਧਾਰਾ [ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ]), (3) ਅਪੀਲ ਵਿਧੀ ਅਤੇ ਮਿਆਦ [ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ]। ਭਾਸ਼ਾ ਰਸਮੀ ਅਤੇ ਸਤਿਕਾਰ ਵਾਲੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਨਾ ਦਿੱਤੇ ਗਏ ਹਿੱਸੇ ਲਈ ਜਾਇਜ਼ਤਾ ਠੋਸ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ, ਆਮ ਨਹੀਂ। ਬੇਨਤੀ: [ਸਾਰਾਂਸ਼] ਫੈਸਲਾ: [ਕੀ ਦਿੱਤਾ ਗਿਆ/ਨਹੀਂ ਦਿੱਤਾ ਗਿਆ]

4) ਡਾਟਾ ਮੁੜ-ਪ੍ਰਮਾਣੀਕਰਨ ਨਿਯੰਤਰਣ ਖੋਲ੍ਹੋ:

ਹੇਠਾਂ ਡੇਟਾਸੈਟ ਦੇ ਕਾਲਮਾਂ ਦੀ ਜਾਂਚ ਕਰੋ। ਸੂਚੀਬੱਧ ਕਰੋ ਕਿ ਕਿਹੜੇ ਕਾਲਮਾਂ ਦੇ ਸੁਮੇਲ ਇੱਕ ਵਿਅਕਤੀ ਨੂੰ ਦਰਸਾ ਸਕਦੇ ਹਨ (ਮੁੜ-ਪਛਾਣ ਦਾ ਜੋਖਮ)। ਹਰੇਕ ਜੋਖਮ ਲਈ ਕੁਝ ਘਟਾਉਣ ਦਾ ਸੁਝਾਅ ਦਿਓ: ਏਗਰੀਗੇਸ਼ਨ, ਦੁਰਲੱਭ ਸ਼੍ਰੇਣੀ ਐਗਰੀਗੇਸ਼ਨ, ਫੀਲਡ ਐਕਸਟਰੈਕਸ਼ਨ। ਬਸ ਦਿੱਤੀ ਗਈ ਕਾਲਮ ਸੂਚੀ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਕਾਲਮ: [ਸੂਚੀ]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ: "ਜਾਣਕਾਰੀ ਲਈ ਇਸ ਬੇਨਤੀ ਦਾ ਜਵਾਬ ਦਿਓ।"

Güçlü: "ਤੁਹਾਡੀ ਭੂਮਿਕਾ ਇੱਕ ਸੂਚਨਾ ਇਕਾਈ ਮਾਹਰ ਹੈ। ਪਹਿਲਾਂ, ਬੇਨਤੀ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋ: ਕੀ ਬੇਨਤੀ ਕੀਤੀ ਗਈ ਹੈ, ਕਿਹੜੀ ਇਕਾਈ, ਕੀ ਇਹ ਉਪਲਬਧ ਹੈ, ਕੀ ਸੰਭਵ ਅਪਵਾਦ ਹਨ। ਹਰੇਕ ਅਪਵਾਦ ਨੂੰ 'ਸੰਬੰਧਿਤ ਲੇਖ ਦੁਆਰਾ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ ਲਈ' ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ, ਆਪਣੇ ਆਪ ਕੋਈ ਕਾਨੂੰਨੀ ਫੈਸਲਾ ਨਾ ਕਰੋ। ਫਿਰ, ਉਹਨਾਂ ਨਿੱਜੀ/ਗੁਪਤ ਹਿੱਸਿਆਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ ਜਿਨ੍ਹਾਂ ਨੂੰ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਨਕਾਬ ਪਾਉਣ ਦੀ ਲੋੜ ਹੈ, ਜਿਸ ਵਿੱਚ ਜਵਾਬ ਦੇ ਨਾਲ ਜਵਾਬ ਦਿੱਤਾ ਜਾਣਾ ਸ਼ਾਮਲ ਹੈ। ਦਿੱਤਾ/ਨਹੀਂ ਦਿੱਤਾ ਗਿਆ ਅਤੇ ਇਤਰਾਜ਼ ਕਰਨ ਦਾ ਤਰੀਕਾ ਠੋਸ ਬਣਾਉਣਾ;

ਅੰਤਰ: ਮਜ਼ਬੂਤ ​​ਪ੍ਰੋਂਪਟ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ, ਅਪਵਾਦ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦਾ ਹੈ, ਸੋਧ ਅਤੇ ਅਪੀਲ ਮਾਰਗ ਜੋੜਦਾ ਹੈ।

ਜਾਣਕਾਰੀ ਦੀ ਕਿਸਮ ਦੁਆਰਾ ਪਹੁੰਚ

ਜਾਣਕਾਰੀ ਦੀ ਕਿਸਮ

ਡਿਫਾਲਟ

ਧਿਆਨ

ਅੰਕੜੇ, ਏਕੀਕ੍ਰਿਤ ਡੇਟਾ

ਖੁੱਲਾ

ਮੁੜ-ਪਛਾਣ ਜਾਂਚ

ਪ੍ਰਬੰਧਕੀ ਕਾਰਵਾਈ ਦਾ ਕਾਰਨ

ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ

ਤੀਜੀ ਧਿਰ ਦੇ ਡੇਟਾ ਨੂੰ ਸੋਧੋ

ਤੀਜੀ ਧਿਰ ਦਾ ਨਿੱਜੀ ਡਾਟਾ

ਸੁਰੱਖਿਅਤ

ਕੇਵੀਕੇਕੇ; ਪਰ ਇਜਾਜ਼ਤ/ਅਪਵਾਦ ਦੇ ਨਾਲ

ਸੁਰੱਖਿਆ/ਗੋਪਨੀਯਤਾ ਅਪਵਾਦ

ਸੁਰੱਖਿਅਤ

ਕੀ ਇਹ ਅਸਲ ਅਪਵਾਦ ਹੈ, ਪੁਸ਼ਟੀ ਕਰੋ

ਅੰਦਰੂਨੀ ਰਾਏ/ਗੱਲਬਾਤ

ਨਿਰਭਰ ਕਰਦਾ ਹੈ

ਸੰਬੰਧਿਤ ਲੇਖ ਦੇ ਅਨੁਸਾਰ ਮੁਲਾਂਕਣ ਕਰੋ

ਅਗਿਆਤਕਰਨ ਅਤੇ ਮੁੜ-ਪਛਾਣ ਦਾ ਜੋਖਮ

ਖੁੱਲ੍ਹੇ ਡੇਟਾ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਸਭ ਤੋਂ ਤਕਨੀਕੀ ਪਰ ਨਾਜ਼ੁਕ ਕਦਮ ਹੈ ਗੁਮਨਾਮਤਾ (ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਸਿੱਧੇ ਜਾਂ ਅਸਿੱਧੇ ਤੌਰ 'ਤੇ ਡੇਟਾ ਤੋਂ ਅਣਜਾਣ ਬਣਾਉਣਾ)। ਨਾਮ ਅਤੇ ਟੀ.ਆਰ. ID ਨੰਬਰ ਨੂੰ ਮਿਟਾਉਣਾ ਅਕਸਰ ਕਾਫ਼ੀ ਨਹੀਂ ਹੁੰਦਾ; ਕਿਉਂਕਿ ਕਈ ਆਮ ਖੇਤਰਾਂ ਦਾ ਸੁਮੇਲ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਨੂੰ ਪੁਨਰ-ਪਛਾਣ ਕਿਹਾ ਜਾਂਦਾ ਹੈ (ਹੋਰ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਅਗਿਆਤ ਸਮਝੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾ ਦੇ ਅੰਤਰ-ਮੇਲ ਦੁਆਰਾ ਵਿਅਕਤੀ ਨੂੰ ਲੱਭਣਾ)। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਕਿਸੇ ਆਂਢ-ਗੁਆਂਢ ਵਿੱਚ ਇੱਕ ਵੀ 92-ਸਾਲ ਦਾ ਵਿਧਵਾ ਹੈ, ਤਾਂ ਤਿਕੜੀ "ਗੁਆਂਢ + ਉਮਰ + ਵਿਆਹੁਤਾ ਸਥਿਤੀ" ਉਸ ਨੂੰ ਪ੍ਰਗਟ ਕਰੇਗੀ। AI ਸਕ੍ਰੀਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਡੇਟਾ ਸੈੱਟ ਵਿੱਚ ਕਿਹੜੇ ਖੇਤਰਾਂ ਦੇ ਸੁਮੇਲ ਖੁਲਾਸੇ ਦੇ ਖਤਰੇ ਵਿੱਚ ਹਨ ਅਤੇ ਸੁਰੱਖਿਅਤ ਗਰੁੱਪਿੰਗ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹਨ (ਉਮਰ ਨੂੰ ਰੇਂਜ ਵਿੱਚ ਬਦਲਣਾ, ਦੁਰਲੱਭ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਜੋੜਨਾ); ਪਰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਦਾ ਫੈਸਲਾ ਅਤੇ ਅੰਤਮ ਆਡਿਟ ਸੰਸਥਾ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ।

ਮਿੰਨੀ ਕੇਸ — ਤਿੰਨ ਖੇਤਰਾਂ ਦੇ ਨਾਲ ਖੁਲਾਸਾ। ਇੱਕ ਨਗਰਪਾਲਿਕਾ ਨੇ "ਗੁਮਨਾਮ ਰੂਪ ਵਿੱਚ" ਸਮਾਜਿਕ ਸਹਾਇਤਾ ਡੇਟਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ: ਕੋਈ ਨਾਮ ਨਹੀਂ, ਪਰ ਗੁਆਂਢ, ਜਨਮ ਦਾ ਸਾਲ, ਅਤੇ ਅਪਾਹਜਤਾ ਦੀ ਕਿਸਮ। ਇੱਕ ਪੱਤਰਕਾਰ ਨੇ ਇੱਕ ਆਂਢ-ਗੁਆਂਢ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਵਿੱਚ ਦੁਰਲੱਭ ਕਿਸਮ ਦੀ ਅਪਾਹਜਤਾ ਦੇਖੀ ਅਤੇ ਉਸ ਵਿਅਕਤੀ ਦੀ ਪਛਾਣ ਕੀਤੀ। ਡਾਟਾ ਵਾਪਸ ਲਿਆ ਗਿਆ; ਇਹ ਦੁਬਾਰਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ ਜਦੋਂ ਜਨਮ ਦੇ ਸਾਲ ਨੂੰ 10-ਸਾਲ ਦੇ ਅੰਤਰਾਲ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ ਸੀ ਅਤੇ ਦੁਰਲੱਭ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ "ਹੋਰ" ਦੇ ਅਧੀਨ ਸਮੂਹਬੱਧ ਕੀਤਾ ਗਿਆ ਸੀ।

ਟੈਮਪਲੇਟ ਜੋ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਲਈ ਸਕ੍ਰੀਨ ਕਰਦਾ ਹੈ:

ਟਾਸਕ: ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾ ਸੈੱਟ ਦੇ ਕਾਲਮਾਂ ਦੀ ਜਾਂਚ ਕਰੋ; ਮੈਂ ਨਿੱਜੀ ਡੇਟਾ ਪ੍ਰਕਾਸ਼ਿਤ ਨਹੀਂ ਕਰਦਾ, ਮੈਂ ਸਿਰਫ ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਚਾਹੁੰਦਾ ਹਾਂ। ਕਾਲਮ: [ਕਾਲਮ ਨਾਮ] ਆਉਟਪੁੱਟ: 1) ਸਿੱਧੇ ਪਛਾਣਕਰਤਾ (ਮਿਟਾਏ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ)। 2) ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਸੰਜੋਗ (ਮੁੜ-ਪਛਾਣ ਦਾ ਜੋਖਮ)। 3) ਹਰੇਕ ਜੋਖਮ ਭਰੇ ਸੁਮੇਲ ਲਈ ਗਰੁੱਪਿੰਗ/ਮਾਸਕਿੰਗ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। 4) ਪ੍ਰਕਾਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਅੰਤਿਮ ਜਾਂਚ ਦੇ ਸਵਾਲ। ਨਿਯਮ: ਮੈਂ ਕੋਈ ਅਸਲ ਨਿੱਜੀ ਮੁੱਲ ਪੇਸਟ ਨਹੀਂ ਕੀਤਾ; ਬਸ ਕਾਲਮ ਬਣਤਰ 'ਤੇ ਵਿਚਾਰ ਕਰੋ.

ਸਾਵਧਾਨ: "ਮੈਂ ਨਾਮ ਮਿਟਾ ਦਿੱਤਾ, ਹੁਣ ਅਗਿਆਤ" ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਖਤਰਨਾਕ ਗਲਤ ਧਾਰਨਾ ਹੈ। ਅਗਿਆਤਤਾ ਫੀਲਡ ਦੁਆਰਾ ਨਹੀਂ, ਸਗੋਂ ਫੀਲਡਾਂ ਦੇ ਸੁਮੇਲ ਅਤੇ ਬਾਹਰੀ ਡੇਟਾ ਨਾਲ ਮੇਲਣ ਦੀ ਸੰਭਾਵਨਾ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਜੇ ਸ਼ੱਕ ਹੈ, ਪ੍ਰਕਾਸ਼ਿਤ ਨਾ ਕਰੋ; ਅਗਿਆਤਤਾ ਇੱਕ ਅਟੱਲ ਫੈਸਲਾ ਹੈ।

ਆਮ ਗਲਤੀਆਂ

• ਆਦਤ ਨੂੰ ਰੱਦ ਕਰਨ ਲਈ. ਬੇਲੋੜੀ "ਗੁਪਤ" ਵਜੋਂ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਮੰਨਣਾ ਅਧਿਕਾਰਾਂ ਦੀ ਉਲੰਘਣਾ ਹੈ ਅਤੇ ਮੁਕੱਦਮੇ ਦਾ ਕਾਰਨ ਹੈ।
• ਬਿਨਾਂ ਸੋਧੇ ਦਸਤਾਵੇਜ਼ ਜਮ੍ਹਾਂ ਕਰਾਉਣਾ। ਤੀਜੀ ਧਿਰ ਦੇ ਡੇਟਾ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨਾ KVKK ਦੀ ਉਲੰਘਣਾ ਹੈ।
• ਬਿਨਾਂ ਕਿਸੇ ਤਰਕ ਦੇ ਅਪਵਾਦ ਦੀ ਵਰਤੋਂ ਕਰਨਾ। ਅਸਵੀਕਾਰ ਠੋਸ ਪਦਾਰਥ ਅਤੇ ਠੋਸ ਜਾਇਜ਼ਤਾ ਨਾਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; "ਅੰਦਰ-ਘਰ" ਕਹਿਣਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ।
• AI ਦੇ ਕਾਨੂੰਨੀ ਨਿਰਣੇ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ। ਅਪਵਾਦ ਕਰਨ ਦਾ ਫੈਸਲਾ ਮਨੁੱਖੀ ਹੈ; AI ਪ੍ਰੀ-ਕੁਆਲੀਫਾਈ ਕਰਦਾ ਹੈ।
• ਓਪਨ ਡੇਟਾ ਵਿੱਚ ਮੁੜ-ਪਛਾਣ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ। ਕਾਲਮ ਸੰਜੋਗ ਲੋਕ ਲੱਭ ਸਕਦੇ ਹਨ; ਕੁੱਲ.
• ਇਤਰਾਜ਼ ਦੇ ਸਾਧਨਾਂ ਦਾ ਵਰਣਨ ਨਹੀਂ ਕਰਨਾ। ਅਸਵੀਕਾਰ ਕਰਨ ਵਿੱਚ, ਐਪਲੀਕੇਸ਼ਨ ਵਿਧੀ ਅਤੇ ਮਿਆਦ ਲਿਖੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ (ਪੁਸ਼ਟੀ ਕੀਤੀ)।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਪਾਰਦਰਸ਼ਤਾ ਜਨਤਕ ਭਰੋਸੇ ਦੀ ਬੁਨਿਆਦ ਹੈ; AI FOI ਬੇਨਤੀਆਂ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ, ਪਰੂਫ ਰੀਡਿੰਗ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਨ, ਜਵਾਬਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਲਈ ਖੁੱਲ੍ਹਾ ਡੇਟਾ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਪਰ ਸੰਤੁਲਨ ਨਾਜ਼ੁਕ ਹੈ: ਨਾਗਰਿਕਾਂ ਨੂੰ ਉਹ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਜਿਸ ਦੇ ਉਹ ਹੱਕਦਾਰ ਹਨ, ਅਸਲ ਅਪਵਾਦ ਅਤੇ ਨਿੱਜੀ ਡੇਟਾ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਅਪਵਾਦ ਕਰਨ ਦਾ ਫੈਸਲਾ ਤਰਕ ਅਤੇ ਮਨੁੱਖੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਪ੍ਰਕਾਸ਼ਨ ਤੋਂ ਪਹਿਲਾਂ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਲਈ ਖੁੱਲ੍ਹੇ ਡੇਟਾ ਦਾ ਆਡਿਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਜਾਣਕਾਰੀ ਦੀ ਬੇਨਤੀ ਦੀ ਇੱਕ ਅਸਲੀ (ਨਕਾਬਪੋਸ਼) ਆਜ਼ਾਦੀ ਪ੍ਰਾਪਤ ਕਰੋ। "ਬੇਨਤੀ ਵਰਗੀਕਰਣ" ਟੈਮਪਲੇਟ ਨਾਲ ਪੂਰਵ-ਮੁਲਾਂਕਣ ਕਰੋ, ਇੱਕ ਨੱਥੀ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ "ਰੀਡੈਕਸ਼ਨ" ਟੈਮਪਲੇਟ ਲਾਗੂ ਕਰੋ ਅਤੇ ਮਾਸਕ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਖੇਤਰਾਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ। ਇੱਕ ਓਪਨ ਡੇਟਾ ਸੈੱਟ ਦੇ ਕਾਲਮਾਂ ਵਿੱਚ "ਓਪਨ ਡੇਟਾ ਰੀ-ਪਛਾਣ ਜਾਂਚ" ਟੈਮਪਲੇਟ ਨੂੰ ਲਾਗੂ ਕਰੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਜੋਖਮ ਭਰਿਆ ਸੁਮੇਲ ਲੱਭੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਬੇਨਤੀ ਨੂੰ ਸ਼੍ਰੇਣੀਬੱਧ ਕੀਤਾ ਹੈ; ਮੈਂ ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਰੱਦ ਨਹੀਂ ਕੀਤਾ ਜੋ ਬੇਲੋੜੀ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਸੀ।
• [ ] ਮੈਂ ਠੋਸ ਪਦਾਰਥ ਅਤੇ ਜਾਇਜ਼ਤਾ (ਮਨੁੱਖੀ ਫੈਸਲੇ) ਨਾਲ ਅਪਵਾਦਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
• [ ] ਮੈਂ ਜਮ੍ਹਾਂ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਨਿੱਜੀ/ਗੁਪਤ ਡੇਟਾ ਨੂੰ ਸੋਧਿਆ ਹੈ।
• [ ] ਅਸਵੀਕਾਰ ਹੋਣ ਦੀ ਸਥਿਤੀ ਵਿੱਚ, ਮੈਂ ਇਤਰਾਜ਼ ਦਾ ਤਰੀਕਾ ਅਤੇ ਮਿਆਦ (ਪੁਸ਼ਟੀ ਕੀਤੀ) ਦੱਸੀ ਹੈ।
• [ ] ਮੈਂ ਓਪਨ ਡੇਟਾ ਵਿੱਚ ਮੁੜ-ਪਛਾਣ ਦੇ ਜੋਖਮ ਦੀ ਜਾਂਚ ਕੀਤੀ।
• [ ] ਮੈਂ ਆਡਿਟ ਲਈ ਬੇਨਤੀ, ਫੈਸਲੇ ਅਤੇ ਉਚਿਤਤਾ ਨੂੰ ਰਿਕਾਰਡ ਕੀਤਾ ਹੈ।