ਲਾਭ:
- ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ, ਮੈਟਾਡੇਟਾ ਅਤੇ ਡਿਜੀਟਲ ਟਰੇਸ ਨੂੰ ਪਛਾਣੋ ਜੋ ਸਰੋਤ ਨੂੰ ਦੂਰ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਪੁੱਛ ਸਕਦੇ ਹਨ ਕਿ 'ਇਹ ਵਰਣਨ ਕਿੰਨੇ ਲੋਕਾਂ ਲਈ ਫਿੱਟ ਹੋਵੇਗਾ?' ਟੈਸਟ ਦੇ ਨਾਲ ਅਗਿਆਤਤਾ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਮ ਲਈ ਸਿਰਫ਼ ਸੁਰੱਖਿਆ-ਪ੍ਰਮਾਣਿਤ ਟੂਲ ਚੁਣਨ, ਘੱਟ ਤੋਂ ਘੱਟ ਡੇਟਾ ਦੇ ਸਿਧਾਂਤ ਨੂੰ ਲਾਗੂ ਕਰਨ, ਅਤੇ ਨਿਸ਼ਾਨਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਨ ਦਾ ਅਨੁਸ਼ਾਸਨ ਪ੍ਰਾਪਤ ਕਰੋ
- ਇਹ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਕਿ KVKK ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਤੌਰ 'ਤੇ ਇਸ ਅਨੁਸ਼ਾਸਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਇਹ ਕਿ ਇੱਕ ਵਾਰ ਲੀਕ ਹੋਈ ਪਛਾਣ ਨੂੰ ਵਾਪਸ ਨਹੀਂ ਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਪੱਤਰਕਾਰੀ ਵਿੱਚ, ਇੱਕ ਸਰੋਤ ਉਹ ਵਿਅਕਤੀ ਹੁੰਦਾ ਹੈ ਜੋ ਬੋਲਦਾ ਹੈ, ਅਕਸਰ ਬਹੁਤ ਜੋਖਮ ਵਿੱਚ: ਇੱਕ ਜਨਤਕ ਕਰਮਚਾਰੀ ਜੋ ਭ੍ਰਿਸ਼ਟਾਚਾਰ ਦਾ ਪਰਦਾਫਾਸ਼ ਕਰਦਾ ਹੈ, ਇੱਕ ਕਰਮਚਾਰੀ ਜੋ ਗਲਤ ਕੰਮਾਂ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ, ਕੋਈ ਅਜਿਹਾ ਵਿਅਕਤੀ ਜੋ ਆਪਣੀ ਨੌਕਰੀ, ਆਪਣੀ ਆਜ਼ਾਦੀ, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਉਸਦੀ ਸੁਰੱਖਿਆ ਵੀ ਗੁਆ ਸਕਦਾ ਹੈ ਜੇਕਰ ਉਸਦੀ ਪਛਾਣ ਪ੍ਰਗਟ ਹੁੰਦੀ ਹੈ। ਸਰੋਤ ਸੁਰੱਖਿਆ — ਸੂਚਨਾ ਦੇਣ ਵਾਲੇ ਦੀ ਪਛਾਣ ਨੂੰ ਗੁਪਤ ਰੱਖਣ ਦਾ ਸਿਧਾਂਤ — ਪੇਸ਼ੇ ਦੀਆਂ ਸਭ ਤੋਂ ਪਵਿੱਤਰ ਜ਼ਿੰਮੇਵਾਰੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਕਾਨੂੰਨੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਉਮਰ ਦੋਵੇਂ ਇਸ ਕੰਮ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਨਵੇਂ ਜੋਖਮਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ: ਕਿਸੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਮਝਣ ਲਈ ਤੁਸੀਂ ਜੋ ਟੂਲ ਵਰਤਦੇ ਹੋ, ਉਹ ਉਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਲੁਕਾ ਸਕਦਾ ਹੈ; ਜੇਕਰ ਤੁਸੀਂ ਅਗਿਆਤ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੇ ਦੁਆਰਾ AI 'ਤੇ ਛੱਡੇ ਗਏ ਨਿਸ਼ਾਨ ਸਰੋਤ ਨੂੰ ਪ੍ਰਗਟ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਦਾ ਸਿਧਾਂਤ ਸਪੱਸ਼ਟ ਹੈ: ਕੋਈ ਵੀ ਡੇਟਾ ਜੋ ਸਰੋਤ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ ਇੱਕ ਅਸੁਰੱਖਿਅਤ AI ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੁੰਦਾ; ਅਗਿਆਤਕਰਨ ਅਤੇ ਡਿਜੀਟਲ ਸਫਾਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਬਾਅਦ ਵਿੱਚ ਨਹੀਂ। ਇੱਕ ਵਾਰ ਲੀਕ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਪਛਾਣ ਮੁੜ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ।
ਉਹ ਕਿਹੜੇ ਨਿਸ਼ਾਨ ਹਨ ਜੋ ਸਰੋਤ ਨੂੰ ਦੂਰ ਕਰਦੇ ਹਨ?
ਸਰੋਤ ਸੁਰੱਖਿਆ ਕੇਵਲ "ਕੋਈ ਨਾਮ ਨਹੀਂ" ਨਹੀਂ ਹੈ. ਹੇਠਾਂ ਦਿੱਤੇ ਨਿਸ਼ਾਨ ਵੀ ਪਛਾਣ ਪ੍ਰਗਟ ਕਰ ਸਕਦੇ ਹਨ:
- ਸਿੱਧੇ ਪਛਾਣਕਰਤਾ: ਨਾਮ, ਟੈਲੀਫੋਨ, ਈ-ਮੇਲ, TR ID, ਪਤਾ, ਰੁਜ਼ਗਾਰ ਦੀ ਇਕਾਈ।
- ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾ: ਵਰਣਨ ਜਿਵੇਂ ਕਿ "ਤਿੰਨ ਦੇ ਚੱਕਰ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੀ ਇਕਲੌਤੀ ਔਰਤ ਇੰਜੀਨੀਅਰ"; ਇਹ ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ ਵਿਅਕਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
- ਦਸਤਾਵੇਜ਼ ਮੈਟਾਡੇਟਾ: ਲੇਖਕ ਦਾ ਨਾਮ, ਇਤਿਹਾਸ ਸੰਪਾਦਿਤ ਕਰੋ, ਬਣਾਉਣ ਦੀ ਮਿਤੀ, GPS ਸਥਾਨ, ਪ੍ਰਿੰਟਰ ਟਰੈਕ ਇੱਕ ਫਾਈਲ ਵਿੱਚ ਏਮਬੇਡ ਕੀਤਾ ਗਿਆ ਹੈ।
- ਸੰਦਰਭੀ ਸੁਰਾਗ: ਦਸਤਾਵੇਜ਼ ਤੱਕ ਕਿਸ ਕੋਲ ਪਹੁੰਚ ਹੈ; ਲੀਕ ਦਾ ਸਮਾਂ; ਬਿਰਤਾਂਤ ਵਿੱਚ ਇੱਕ ਖਾਸ ਘਟਨਾ.
- ਡਿਜੀਟਲ ਟਰੇਸ: ਕਿਸ ਡਿਵਾਈਸ ਤੋਂ, ਕਿਸ ਨੈਟਵਰਕ ਤੋਂ, ਕਿਸ ਖਾਤੇ ਨਾਲ ਸੰਪਰਕ ਕੀਤਾ ਗਿਆ ਸੀ।
AI ਲਈ ਗੰਭੀਰ ਜੋਖਮ: ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸੇ ਵੀ ਟਰੇਸ ਨੂੰ ਇੱਕ ਟੂਲ ਵਿੱਚ ਚਿਪਕਣਾ ਡੇਟਾ ਨੂੰ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਲੈ ਜਾਂਦਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਮੁਫਤ/ਜਨਤਕ AI ਟੂਲ ਇਨਪੁਟਸ ਸਟੋਰ ਕਰਦੇ ਹਨ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਮਾਡਲ ਰਿਫਾਈਨਮੈਂਟ ਵਿੱਚ ਵਰਤ ਸਕਦੇ ਹਨ।
ਕਦਮ ਦਰ ਕਦਮ: ਸਰੋਤਾਂ ਦੀ ਬਚਤ ਕਰਦੇ ਹੋਏ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ
ਕਦਮ 1 - ਵਾਹਨ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋ। ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਮ ਲਈ ਸਿਰਫ਼ ਪ੍ਰਮਾਣਿਤ ਸੁਰੱਖਿਆ ਅਤੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਥਿਤੀਆਂ (ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਕਾਰਪੋਰੇਟ, ਗੈਰ-ਡਾਟਾ ਸਟੋਰੇਜ ਜਾਂ ਔਫਲਾਈਨ) ਵਾਲੇ ਟੂਲ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਜਨਤਕ/ਮੁਫ਼ਤ ਸਾਧਨਾਂ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ।
ਕਦਮ 2 - ਮੈਟਾਡੇਟਾ ਸਾਫ਼ ਕਰੋ। ਦਸਤਾਵੇਜ਼ ਨੂੰ ਟੂਲ ਵਿੱਚ ਨਿਰਯਾਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮੈਟਾਡੇਟਾ ਨੂੰ ਮਿਟਾਓ; ਜੇ ਸੰਭਵ ਹੋਵੇ, ਤਾਂ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਾਦੇ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲੋ ਜਾਂ ਸਮੱਗਰੀ ਨੂੰ ਹੱਥੀਂ ਸੰਖੇਪ ਕਰੋ ਅਤੇ ਸਕ੍ਰੀਨਸ਼ੌਟ ਦੀ ਬਜਾਏ ਇਸਨੂੰ ਅਗਿਆਤ ਕਰੋ।
ਕਦਮ 3 - ਅਗਿਆਤ ਬਣਾਓ। ਸਾਰੇ ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਆਮ ਬਣਾਓ: “ਸਰੋਤ A,” “ਇੱਕ ਜਨਤਕ ਅਧਿਕਾਰੀ,” ਮਿਤੀਆਂ ਅਤੇ ਸਥਾਨਾਂ ਨੂੰ ਧੁੰਦਲਾ ਕਰੋ। ਉਹਨਾਂ ਪਕਵਾਨਾਂ ਨੂੰ ਬਦਲੋ ਜੋ ਛੋਟੇ ਸਮੂਹਾਂ ਵਿੱਚ ਸਿੰਗਲ ਲੋਕਾਂ ਦਾ ਹਵਾਲਾ ਦਿੰਦੇ ਹਨ।
ਕਦਮ 4 — ਨਿਊਨਤਮ ਡਾਟਾ ਨੀਤੀ। ਏਆਈ ਨੂੰ ਸਿਰਫ਼ ਉਹੀ ਦਿਓ ਜੋ ਨੌਕਰੀ ਦੀ ਲੋੜ ਹੈ। ਪੂਰੇ ਦਸਤਾਵੇਜ਼ ਦਾ ਸਾਰ ਦੇਣ ਦੀ ਬਜਾਏ, ਸੰਬੰਧਿਤ ਗੈਰ-ਪਛਾਣ ਵਾਲਾ ਭਾਗ ਦਿਓ।
ਕਦਮ 5 - ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਸੁਰੱਖਿਅਤ ਕਰੋ। ਇੱਕ ਚੈਕ ਸਟੈਪ (ਹੇਠਾਂ ਟੈਮਪਲੇਟ) ਦੇ ਨਾਲ ਗੁਮਨਾਮਕਰਨ ਦੀ ਯੋਗਤਾ ਦੀ ਜਾਂਚ ਕਰੋ। ਸਰੋਤ ਨਾਲ ਵੱਖਰੇ, ਸੁਰੱਖਿਅਤ ਚੈਨਲਾਂ 'ਤੇ ਸੰਚਾਰ ਰੱਖੋ।
ਕਦਮ 6 - ਟਰੈਕਾਂ ਨੂੰ ਸਾਫ਼ ਕਰੋ। ਇੱਕ ਵਾਰ ਕੰਮ ਪੂਰਾ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਟੂਲ ਵਿੱਚ ਇਤਿਹਾਸ/ਸੈਸ਼ਨ ਨੂੰ ਸਾਫ਼ ਕਰੋ; ਸੰਵੇਦਨਸ਼ੀਲ ਫ਼ਾਈਲਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਸਟੋਰ ਕਰੋ ਜਾਂ ਮਿਟਾਓ।
ਧਿਆਨ ਦਿਓ: "ਮੈਂ ਗੁਮਨਾਮ" ਕਹਿਣਾ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਇੱਕ ਛੋਟੇ ਸਮੂਹ ਵਿੱਚ, ਇੱਕ ਵੀ ਅਸਿੱਧੇ ਵਰਣਨ ਪਛਾਣ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ। ਤੁਸੀਂ ਇਹ ਪੁੱਛਣ ਲਈ ਅਗਿਆਤਕਰਨ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ ਕਿ "ਇਹ ਵਿਅੰਜਨ ਕਿੰਨੇ ਲੋਕਾਂ ਲਈ ਫਿੱਟ ਹੋਵੇਗਾ?" ਸਵਾਲ ਦੇ ਨਾਲ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ। ਜੇਕਰ ਜਵਾਬ "ਇੱਕ" ਹੈ, ਤਾਂ ਸਰੋਤ ਸੁਰੱਖਿਅਤ ਨਹੀਂ ਹੈ।
KVKK ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ
ਤੁਰਕੀਏ ਵਿੱਚ, ਕੇਵੀਕੇਕੇ (ਪਰਸਨਲ ਡੇਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਲਾਅ) ਨਿੱਜੀ ਡੇਟਾ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਦਾ ਹੈ; ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਸਿਹਤ ਅਤੇ ਰਾਜਨੀਤਿਕ ਰਾਏ ਵਿਸ਼ੇਸ਼ ਡੇਟਾ ਹਨ ਅਤੇ ਉੱਚ ਸੁਰੱਖਿਆ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਰੋਤ ਦਾ ਡੇਟਾ ਕਿਸੇ ਮਨਮਾਨੇ ਟੂਲ ਨੂੰ ਦੇਣ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਨੈਤਿਕ ਅਤੇ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਦੋਵੇਂ ਹੋ ਸਕਦੇ ਹਨ। ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਕਾਨੂੰਨ ਤੋਂ ਸੁਤੰਤਰ ਸਨਮਾਨ ਦਾ ਫਰਜ਼ ਹੈ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਮੈਟਾਡੇਟਾ ਲੀਕ ਨੂੰ ਰੋਕਿਆ ਗਿਆ। ਇੱਕ ਰਿਪੋਰਟਰ ਇੱਕ ਲੀਕ ਹੋਈ ਰਿਪੋਰਟ ਦਾ ਸਾਰ ਦੇਣ ਜਾ ਰਿਹਾ ਸੀ; ਆਖਰੀ ਪਲ 'ਤੇ, ਉਸਨੇ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਪ੍ਰਬੰਧਕ ਦਾ ਨਾਮ ਫਾਈਲ ਦੇ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਸੀ। ਉਸਨੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਪਲੇਨ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਣ ਅਤੇ ਨਾਮ ਹਟਾਉਣ ਤੋਂ ਬਾਅਦ ਇਸਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਜੇ ਕੱਚੀ ਫਾਈਲ ਅਪਲੋਡ ਕੀਤੀ ਗਈ ਸੀ, ਤਾਂ ਮੈਟਾਡੇਟਾ ਸਿੱਧੇ ਸਰੋਤ ਨੂੰ ਛੱਡ ਦੇਵੇਗਾ।
ਕੇਸ 2 - ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਖ਼ਤਰਾ। ਇੱਕ ਰਿਪੋਰਟਰ ਨੇ YZ ਨਾਲ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਕਰਨ ਵੇਲੇ ਇੱਕ ਵਾਕਾਂਸ਼ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਇੱਕ ਸਰੋਤ ਨੂੰ "ਹੈੱਡਕੁਆਰਟਰ ਵਿੱਚ ਇੱਕੋ ਇੱਕ ਅਪਾਹਜ ਕਰਮਚਾਰੀ" ਵਜੋਂ ਵਰਣਨ ਕੀਤਾ। ਏਆਈ ਨੇ ਟੈਕਸਟ ਨੂੰ ਕਿਤੇ ਸਟੋਰ ਕੀਤਾ ਹੈ ਜਾਂ ਨਹੀਂ, ਇਹ ਵਰਣਨ ਇੱਕ ਵਿਅਕਤੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਸੰਪਾਦਕ ਨੇ ਦੇਖਿਆ, ਵਰਣਨ ਨੂੰ "ਇੱਕ ਏਜੰਸੀ ਕਰਮਚਾਰੀ" ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ। ਛੋਟੇ ਸਮੂਹ ਵਿੱਚ, ਅਸਿੱਧੇ ਵਰਣਨ ਨਾਮ ਦੇ ਰੂਪ ਵਿੱਚ ਖਤਰਨਾਕ ਸੀ.
ਕੇਸ 3 - ਇੱਕ ਸੁਰੱਖਿਅਤ ਵਾਹਨ ਦੀ ਚੋਣ ਕਰਨਾ। ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਇੱਕ ਬਹੁਤ ਹੀ ਸੰਵੇਦਨਸ਼ੀਲ ਬੈਚ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਸਮੇਂ, ਇੱਕ ਜਾਂਚ ਟੀਮ ਨੇ ਇੱਕ ਆਮ AI ਟੂਲ ਦੀ ਬਜਾਏ ਇੱਕ ਨੋ-ਡਾਟਾ/ਔਫਲਾਈਨ ਹੱਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਚੋਣ ਕੀਤੀ; ਇਸ ਤੋਂ ਇਲਾਵਾ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਅਗਿਆਤ ਕੀਤਾ। ਵਿਸ਼ਲੇਸ਼ਣ ਥੋੜਾ ਹੌਲੀ ਸੀ, ਪਰ ਕਿਸੇ ਵੀ ਸਮੇਂ ਸਰੋਤ ਦੀ ਸੁਰੱਖਿਆ ਨਾਲ ਸਮਝੌਤਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ।
ਨਕਲ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ
1) ਅਗਿਆਤਤਾ ਨਿਪੁੰਨਤਾ ਟੈਸਟ:
ਹੇਠਾਂ ਦਿੱਤੇ ਟੈਕਸਟ ਵਿੱਚ ਹਰੇਕ ਤੱਤ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਸਰੋਤ ਦੀ ਪਛਾਣ ਨੂੰ ਪ੍ਰਗਟ ਕਰ ਸਕਦਾ ਹੈ: ਸਿੱਧੇ ਪਛਾਣਕਰਤਾ (ਨਾਮ, ਸਿਰਲੇਖ, ਇਕਾਈ) ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ (ਵੇਰਵੇ ਜੋ ਛੋਟੇ ਸਮੂਹ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ, ਖਾਸ ਘਟਨਾਵਾਂ, ਮਿਤੀ/ਸਥਾਨ) ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦੇ ਹਨ। ਹਰੇਕ ਚਿੰਨ੍ਹ ਲਈ, "ਇਹ ਵਰਣਨ ਕਿੰਨੇ ਲੋਕਾਂ ਲਈ ਫਿੱਟ ਹੋਵੇਗਾ?" ਸਵਾਲ ਪੁੱਛੋ ਅਤੇ ਸੁਰੱਖਿਅਤ ਸਧਾਰਣਕਰਨ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਟੈਕਸਟ ਬਦਲੋ। ਟੈਕਸਟ: [ਇੱਥੇ]
2) ਦਸਤਾਵੇਜ਼ ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜਾਂਚ ਕਰਨਾ:
ਇੱਕ ਸੁਰੱਖਿਆ ਚੈਕਲਿਸਟ ਬਣਾਓ ਜੋ ਮੈਨੂੰ ਕਿਸੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ AI ਟੂਲ ਨੂੰ ਫੀਡ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ: ਮੈਟਾਡੇਟਾ ਕਲੀਨਿੰਗ, ਡਾਇਰੈਕਟ/ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਸਕੈਨਿੰਗ, ਨਿਊਨਤਮ ਡਾਟਾ ਨੀਤੀ, ਟੂਲ ਸੁਰੱਖਿਆ ਕਲਾਸ, ਇਤਿਹਾਸ ਦੀ ਸਫਾਈ। ਹਰੇਕ ਆਈਟਮ ਲਈ ਇੱਕ ਇੱਕਲਾ ਵਾਕ "ਕਿਵੇਂ ਕਰਨਾ ਹੈ" ਸ਼ਾਮਲ ਕਰੋ।
3) ਸਰੋਤ ਸੰਚਾਰ ਜੋਖਮ ਮੁਲਾਂਕਣ:
ਮੈਂ ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲ ਸਰੋਤ ਨਾਲ ਸੰਪਰਕ ਕਰਾਂਗਾ। ਡਿਜੀਟਲ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ ਦੀ ਇੱਕ ਚੈਕਲਿਸਟ ਬਣਾਓ ਜੋ ਤੁਹਾਡੀ ਪਛਾਣ ਅਤੇ ਸੰਚਾਰ (ਚੈਨਲ ਦੀ ਚੋਣ, ਕੋਈ ਟਰੇਸ ਨਾ ਛੱਡੋ, ਮੈਟਾਡੇਟਾ, ਡਿਵਾਈਸ ਦੀ ਸਫਾਈ) ਦੀ ਰੱਖਿਆ ਕਰੇਗੀ। ਠੋਸ ਅਤੇ ਕਾਰਵਾਈਯੋਗ ਸੁਝਾਅ ਦਿਓ; ਪੂਰਨ ਸੁਰੱਖਿਆ ਦਾ ਵਾਅਦਾ ਨਾ ਕਰੋ।
4) ਪੂਰਵ-ਪ੍ਰਕਾਸ਼ਨ ਸਰੋਤ ਸੁਰੱਖਿਆ ਨਿਯੰਤਰਣ:
ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਖ਼ਬਰਾਂ ਵਿੱਚ ਕੋਈ ਵੀ ਵੇਰਵਿਆਂ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਸਰੋਤ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ: ਅਸਿੱਧੇ ਵਰਣਨ, ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਸਮਾਂ, ਉਹਨਾਂ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਜਿਨ੍ਹਾਂ ਕੋਲ ਦਸਤਾਵੇਜ਼ ਤੱਕ ਪਹੁੰਚ ਸੀ, ਖਾਸ ਘਟਨਾ ਵੇਰਵੇ। ਹਰੇਕ ਜੋਖਮ ਵਾਲੀ ਥਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੋ ਅਤੇ ਸੁਝਾਅ ਦਿਓ ਕਿ ਇਸਨੂੰ ਕਿਵੇਂ ਧੁੰਦਲਾ ਕਰਨਾ ਹੈ। ਖ਼ਬਰਾਂ: [ਇੱਥੇ]
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਇਸ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸੰਖੇਪ ਕਰੋ।" (ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲ, ਮੈਟਾਡੇਟਾ ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਪਲੋਡ ਕਰਕੇ)
ਨਤੀਜਾ: ਮੈਟਾਡੇਟਾ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਤੁਹਾਡੇ ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ ਹਨ; ਸਰੋਤ ਨਾਲ ਸਮਝੌਤਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਇਸ ਬਾਰੇ ਜਾਣੂ ਨਾ ਹੋਵੋ।
ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: ਪਹਿਲਾਂ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਾਦੇ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲੋ ਅਤੇ ਮੈਟਾਡੇਟਾ ਨੂੰ ਮਿਟਾਓ, ਸਿੱਧੇ/ਅਪ੍ਰਤੱਖ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਸਧਾਰਣ ਬਣਾਓ, ਸਿਰਫ਼ ਸੰਬੰਧਿਤ ਭਾਗ ਦਿਓ: "ਹੇਠਾਂ ਦਿੱਤੇ ਅਗਿਆਤ ਟੈਕਸਟ ਨੂੰ ਸੰਖੇਪ ਕਰੋ; ਇਸ ਵਿੱਚ ਕਿਸੇ ਵੀ ਬਾਕੀ ਪਛਾਣ ਸੁਰਾਗ ਨੂੰ ਵੀ ਚਿੰਨ੍ਹਿਤ ਕਰੋ।"
ਅੰਤਰ: ਮਜ਼ਬੂਤ ਪਹੁੰਚ ਵਾਹਨ ਨੂੰ ਦਿੱਤੇ ਬਿਨਾਂ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਦੀ ਹੈ, ਘੱਟੋ-ਘੱਟ ਡੇਟਾ ਸ਼ੇਅਰ ਕਰਦੀ ਹੈ, ਅਤੇ ਨਿਯੰਤਰਣ ਦੀ ਇੱਕ ਵਾਧੂ ਪਰਤ ਵਜੋਂ AI ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ; ਸਰੋਤ ਸੁਰੱਖਿਅਤ ਹੈ।
ਤੁਲਨਾ ਚਾਰਟ
ਟਰੈਕ ਦੀ ਕਿਸਮ
ਉਦਾਹਰਨ
ਜੋਖਮ
ਸਾਵਧਾਨੀ
ਸਿੱਧਾ ਪਛਾਣਕਰਤਾ
ਨਾਮ, ਫ਼ੋਨ, ਯੂਨਿਟ
ਉੱਚ
ਮਿਟਾਓ/ਆਧਾਰਿਤ ਕਰੋ
ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ
"ਇਕੱਲੀ ਮਹਿਲਾ ਇੰਜੀਨੀਅਰ"
ਉੱਚਾ (ਲੁਕਿਆ ਹੋਇਆ)
"ਇਹ ਕਿੰਨੇ ਲੋਕਾਂ ਨੂੰ ਫਿੱਟ ਕਰਦਾ ਹੈ?" ਟੈਸਟ
ਮੈਟਾਡਾਟਾ
ਫਾਈਲ ਲੇਖਕ/ਤਾਰੀਖ/GPS
ਉੱਚ
ਸਾਦੇ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲੋ, ਸਾਫ਼
ਸੰਦਰਭੀ ਸੁਰਾਗ
ਲੀਕ ਟਾਈਮਿੰਗ
ਮੱਧਮ
ਧੁੰਦਲਾ ਸਮਾਂ/ਸਥਾਨ
ਡਿਜ਼ੀਟਲ ਟਰੇਸ
ਡਿਵਾਈਸ, ਨੈੱਟਵਰਕ, ਖਾਤਾ
ਮੱਧਮ-ਉੱਚਾ
ਸੁਰੱਖਿਅਤ ਚੈਨਲ, ਸਫਾਈ
ਆਮ ਗਲਤੀਆਂ
- ਮੈਟਾਡੇਟਾ ਨੂੰ ਭੁੱਲਣਾ। ਫਾਈਲ ਨੂੰ ਉਸੇ ਤਰ੍ਹਾਂ ਅਪਲੋਡ ਕਰਨਾ ਅਤੇ ਏਮਬੈਡ ਕੀਤੇ ਲੇਖਕ/ਤਾਰੀਖ/ਸਥਾਨ ਜਾਣਕਾਰੀ ਨੂੰ ਲੀਕ ਕਰਨਾ।
- ਬਸ ਨਾਮ ਮਿਟਾਓ. ਅਣਡਿੱਠ ਕਰਨ ਨਾਲ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਵੀ ਪਛਾਣ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ।
- ਜਨਤਕ ਸਾਧਨ ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨਿਰਯਾਤ ਕਰਨਾ। ਉਹਨਾਂ ਸਾਧਨਾਂ ਵਿੱਚ ਸਰੋਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਜੋ ਡੇਟਾ ਨੂੰ ਸਟੋਰ ਕਰਦੇ ਹਨ/ਇਸਦੀ ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਵਰਤੋਂ ਕਰਦੇ ਹਨ।
- ਬਹੁਤ ਜ਼ਿਆਦਾ ਡਾਟਾ ਸਾਂਝਾ ਕਰਨਾ। ਨੌਕਰੀ ਦੀ ਲੋੜ ਨਾਲੋਂ ਵਧੇਰੇ ਦਸਤਾਵੇਜ਼/ਵੇਰਵੇ ਪ੍ਰਦਾਨ ਕਰਕੇ ਜੋਖਮ ਦੀ ਸਤਹ ਨੂੰ ਵਧਾਉਣਾ।
- ਪਟੜੀਆਂ ਦੀ ਸਫ਼ਾਈ ਨਹੀਂ ਕੀਤੀ ਜਾ ਰਹੀ। ਕੰਮ ਪੂਰਾ ਹੋਣ 'ਤੇ ਸੈਸ਼ਨ ਇਤਿਹਾਸ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਫਾਈਲਾਂ ਨੂੰ ਛੱਡਣਾ।
ਸੁਰੱਖਿਅਤ ਵਾਹਨ ਦੀ ਚੋਣ: ਕੀ ਵੇਖਣਾ ਹੈ?
ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਕਿ ਕੀ ਇੱਕ AI ਟੂਲ ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲ ਨੌਕਰੀ ਲਈ "ਸੁਰੱਖਿਅਤ" ਹੈ, ਇੱਕ ਤਕਨੀਕੀ ਸਾਖਰਤਾ ਹੈ ਜੋ ਇੱਕ ਪੱਤਰਕਾਰ ਨੂੰ ਹਾਸਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਦੇਖਣ ਲਈ ਮੁੱਖ ਸਵਾਲ ਹਨ: ਕੀ ਟੂਲ ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਾਖਲ ਕੀਤੇ ਡੇਟਾ ਨੂੰ ਸਟੋਰ ਕਰਦਾ ਹੈ, ਕਿੰਨੀ ਦੇਰ ਅਤੇ ਕਿੱਥੇ? ਕੀ ਤੁਹਾਡੇ ਇਨਪੁਟਸ ਮਾਡਲ ਸਿਖਲਾਈ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ (ਹਾਂ ਜ਼ਿਆਦਾਤਰ ਮੁਫਤ ਉਪਭੋਗਤਾ ਸਾਧਨਾਂ ਵਿੱਚ, ਅਕਸਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਸੰਸਕਰਣਾਂ ਵਿੱਚ ਨਹੀਂ)? ਕਿਹੜੇ ਦੇਸ਼ ਵਿੱਚ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਕਿਸ ਕਾਨੂੰਨ ਦੇ ਅਧੀਨ ਹੈ? ਕੀ ਟੂਲ ਔਫਲਾਈਨ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ (ਤੁਹਾਡੀ ਆਪਣੀ ਡਿਵਾਈਸ 'ਤੇ, ਇੰਟਰਨੈਟ ਨੂੰ ਡੇਟਾ ਭੇਜੇ ਬਿਨਾਂ)? ਕੀ ਤੁਹਾਡੀ ਸੰਸਥਾ ਦਾ ਇਸ ਟੂਲ ਨਾਲ ਕੋਈ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਸਮਝੌਤਾ ਹੈ? ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਇੱਕ ਟੂਲ ਵਿੱਚ ਸੰਵੇਦਨਸ਼ੀਲ ਸਰੋਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨਾ ਅੰਨ੍ਹੇ ਵਿਸ਼ਵਾਸ ਨਾਲ ਸਰੋਤ ਨੂੰ ਜੋਖਮ ਵਿੱਚ ਪਾ ਰਿਹਾ ਹੈ।
ਇੱਕ ਆਮ ਦਰਜਾਬੰਦੀ ਮਦਦਗਾਰ ਹੈ: ਸਭ ਤੋਂ ਸੰਵੇਦਨਸ਼ੀਲ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ, ਔਫਲਾਈਨ ਜਾਂ ਤੁਹਾਡੇ ਆਪਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਚੱਲਣ ਵਾਲੇ ਹੱਲਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ; ਕੰਟਰੈਕਟਡ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਟੂਲ ਜੋ ਮੱਧਮ ਸ਼ੁੱਧਤਾ ਲਈ ਡੇਟਾ ਸਟੋਰ ਨਹੀਂ ਕਰਦੇ ਹਨ; ਆਮ ਖਪਤਕਾਰ ਟੂਲ ਸਿਰਫ਼ ਗੈਰ-ਪਛਾਣਿਆ, ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਜਾਂ ਅਗਿਆਤ ਸਮੱਗਰੀ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਇਸ ਵਰਗੀਕਰਣ ਨੂੰ ਸ਼ੁਰੂ ਵਿੱਚ ਕਰਨਾ "ਜਲਦੀ ਵਿੱਚ ਗਲਤ ਟੂਲ ਵਿੱਚ ਗਲਤ ਡੇਟਾ ਦਾਖਲ ਕਰਨ" ਦੀ ਗਲਤੀ ਨੂੰ ਰੋਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇੱਕ ਕਾਰਪੋਰੇਟ ਨਿਊਜ਼ਰੂਮ ਵਿੱਚ, ਇਹ ਫੈਸਲਾ ਵਿਅਕਤੀਗਤ ਰਿਪੋਰਟਰਾਂ ਲਈ ਨਹੀਂ ਛੱਡਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਪਰ ਇੱਕ ਲਿਖਤੀ ਟੂਲ ਪ੍ਰਵਾਨਗੀ ਸੂਚੀ ਦੇ ਨਾਲ ਮਾਨਕੀਕਰਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਕਿਉਂਕਿ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਇੱਕ ਗਲਤੀ ਪੂਰੀ ਜਾਂਚ ਦੇ ਸਰੋਤ ਨੂੰ ਤਬਾਹ ਕਰ ਸਕਦੀ ਹੈ। ਵਾਹਨ ਸੁਰੱਖਿਆ ਸਰੋਤ ਸੁਰੱਖਿਆ ਦਾ ਤਕਨੀਕੀ ਥੰਮ ਹੈ ਅਤੇ ਇਸ ਨੂੰ ਗੁਮਨਾਮਕਰਨ ਵਾਂਗ ਗੰਭੀਰਤਾ ਨਾਲ ਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਸਰੋਤ ਸੁਰੱਖਿਆ AI ਦੇ ਯੁੱਗ ਵਿੱਚ ਨਵੇਂ ਜੋਖਮ ਪੈਦਾ ਕਰਦੀ ਹੈ: ਟੂਲ ਡੇਟਾ, ਮੈਟਾਡੇਟਾ ਨੂੰ ਲੁਕਾ ਸਕਦੇ ਹਨ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾ ਪਛਾਣ ਨੂੰ ਦੂਰ ਕਰ ਸਕਦੇ ਹਨ। ਸੁਰੱਖਿਅਤ ਤਰੀਕਾ; ਇਸਦੀ ਸੁਰੱਖਿਆ ਸ਼੍ਰੇਣੀ ਦੇ ਅਨੁਸਾਰ ਟੂਲ ਦੀ ਚੋਣ ਕਰਨਾ, ਮੈਟਾਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਨਾ, ਸਾਰੇ ਸਿੱਧੇ ਅਤੇ ਅਸਿੱਧੇ ਪਛਾਣਕਰਤਾਵਾਂ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ("ਕਿੰਨੇ ਲੋਕ ਇਸ ਵਰਣਨ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ?" ਟੈਸਟ), ਘੱਟੋ ਘੱਟ ਡੇਟਾ ਦੇ ਸਿਧਾਂਤ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਟਰੇਸ ਨੂੰ ਸਾਫ਼ ਕਰਨਾ। KVKK ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਲਈ ਇਸ ਅਨੁਸ਼ਾਸਨ ਦੀ ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਤੌਰ 'ਤੇ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਵਾਰ ਲੀਕ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਪਛਾਣ ਮੁੜ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਅਸਲੀ ਜਾਂ ਕਾਲਪਨਿਕ ਸਰੋਤ ਦਸਤਾਵੇਜ਼/ਨੋਟ ਲਓ। ਪਹਿਲਾਂ "ਅਗਿਆਨੀ ਨਿਪੁੰਨਤਾ ਟੈਸਟ" ਪ੍ਰੋਂਪਟ ਦੀ ਪਾਲਣਾ ਕਰੋ; ਹਰੇਕ ਪ੍ਰਤੱਖ ਅਤੇ ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਅਤੇ ਪੁੱਛੋ ਕਿ "ਇਹ ਕਿੰਨੇ ਲੋਕ ਫਿੱਟ ਹੋਣਗੇ?" ਸਵਾਲ ਦੇ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰੋ। ਫਿਰ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੂਪ ਨਾਲ ਅਗਿਆਤ ਬਣਾਓ ਅਤੇ ਇੱਕ ਵਾਰ "ਦਸਤਾਵੇਜ਼ ਪ੍ਰੀ-ਸ਼ੇਅਰਿੰਗ ਜਾਂਚ" ਸੂਚੀ ਨੂੰ ਹੱਥੀਂ ਲਾਗੂ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਮ ਲਈ ਸਿਰਫ਼ ਸੁਰੱਖਿਆ-ਪ੍ਰਮਾਣਿਤ ਸਾਧਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਨਿਰਯਾਤ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਮੈਟਾਡੇਟਾ ਸਾਫ਼ ਕਰਦਾ ਹਾਂ।
- [ ] ਸਾਰੇ ਪ੍ਰਤੱਖ ਅਤੇ ਅਸਿੱਧੇ ਵਰਣਨਕਰਤਾਵਾਂ ਨੂੰ "ਇਹ ਕਿੰਨੇ ਲੋਕ ਫਿੱਟ ਕਰਦਾ ਹੈ?" ਵਜੋਂ ਵਰਤਦਾ ਹੈ। ਮੈਂ ਇਸਨੂੰ ਟੈਸਟ ਦੇ ਨਾਲ ਅਗਿਆਤ ਕਰਦਾ ਹਾਂ।
- [ ] ਘੱਟ ਤੋਂ ਘੱਟ ਡੇਟਾ ਸਿਧਾਂਤ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ; ਮੈਂ ਸਿਰਫ ਲੋੜੀਂਦਾ ਹਿੱਸਾ ਸਾਂਝਾ ਕਰਦਾ ਹਾਂ.
- [ ] ਮੈਂ ਕੰਮ ਤੋਂ ਬਾਅਦ ਸੈਸ਼ਨ ਇਤਿਹਾਸ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਫਾਈਲਾਂ ਨੂੰ ਸਾਫ਼ ਕਰਦਾ ਹਾਂ; ਮੈਂ KVKK ਅਤੇ ਪੇਸ਼ੇਵਰ ਗੁਪਤਤਾ ਦਾ ਪਾਲਣ ਕਰਦਾ ਹਾਂ।