Zyski:
- Przygotowuje odpowiedzi na prośby o informacje zgodnie z przepisami, nie wyjaśniając ani więcej, ani mniej.
- Anonimizuje otwarte dane przed publikacją i skanuje je na poziomie kombinacji stwarzających ryzyko ponownej identyfikacji.
- Wie, że przejrzystość jest narzędziem zarządzania, które zwiększa zaufanie publiczne i rozróżnia, co należy zachować w tajemnicy.
Kamieniem węgielnym demokratycznej administracji publicznej jest przejrzystość: zdolność obywateli do dowiedzenia się, w jaki sposób i na jakiej podstawie podejmowane są dotyczące ich decyzje. Zasada ta urzeczywistnia się w dwóch konkretnych mechanizmach. Pierwszym z nich jest prawo do informacji (ustawa o prawie do informacji nr 4982; obywatele mogą, z wyjątkami, żądać informacji i dokumentów od instytucji publicznych). Drugie to otwarte dane (instytucje publiczne publikują nieosobową i niepoufną część wytwarzanych przez siebie danych w taki sposób, aby każdy mógł uzyskać do nich dostęp i z nich skorzystać). W tym przypadku sztuczna inteligencja stanowi potężną pomoc w klasyfikowaniu przychodzących wniosków o informacje, tworzeniu projektów odpowiedzi, wstępnej ocenie, które informacje można przekazać, a które nie, oraz w przygotowaniu otwartych zbiorów danych do publikacji. Ważne jest jednak podwójne zastrzeżenie zawarte w tej jednostce: przejrzystość nie powinna być ani większa, ani mniejsza – obywatel powinien otrzymać informacje, do których jest uprawniony, ale należy chronić dane osobowe i rzeczywiste wyjątki; Równowagę tę ustala odpowiedzialny funkcjonariusz publiczny, a nie sztuczna inteligencja.
Dwa złe cele zdobywania wiedzy
W prośbach o informacje błędy można popełnić w dwojaki sposób:
- Brak przejrzystości: niepotrzebne odrzucanie możliwych informacji jako „poufnych/wyjątkowych”. Stanowi to zarówno naruszenie prawa, jak i brak zaufania do instytucji, co często kończy się wyrokiem w sądownictwie.
- Nadmierne ujawnianie: przypadkowe ujawnienie danych osobowych osób trzecich, tajemnicy handlowej lub rzeczywistego wyjątku (bezpieczeństwo itp.) podczas przesyłania dokumentu. Narusza to KVKK i powoduje szkody.
Sztuczna inteligencja może pomóc w obu przypadkach: może zeskanować dokument, oznaczyć w nim dane osobowe i zasugerować redakcję (zasłonięcie/usunięcie poufnych/osobistych części dokumentu); Może zawierać listę kategorii wyjątków, w ramach której będziesz oceniać żądanie. Jednak ostateczna decyzja – czy informacja ta zostanie podana, a która część zakryta – należy do osoby, która ponosi odpowiedzialność prawną.
Uwaga: Stwierdzenie AI, że „informacja ta podlega wyjątkowi” lub „może zostać udzielona” nie jest opinią prawną. Ocena wyjątku dokonywana jest i uzasadniana zgodnie z odpowiednimi artykułami ustawy o dostępie do informacji; AI tworzy tylko wstępne kwalifikacje i drafty.
Bezpieczne publikowanie otwartych danych
Otwarte dane zwiększają efektywność i odpowiedzialność publiczną; przedsiębiorcy, dziennikarze, badacze tworzą wartość z tych danych. Jednak przed opublikowaniem zbioru danych należy go sprawdzić pod kątem ryzyka ponownej identyfikacji (dane uważane za anonimowe są łączone z osobami fizycznymi poprzez połączenie ich z innymi danymi). Na przykład kombinacja „wiek + sąsiedztwo + rzadki zawód” może wskazywać na jedną osobę. Przygotowując zbiór danych do publikacji, sztuczna inteligencja pomaga w oznaczaniu ryzykownych kombinacji kolumn i pisaniu słownika danych (opisu znaczenia każdej kolumny).
Wskazówka: Zanim opublikujesz otwarte dane, zapytaj: „Czy mogę znaleźć jedną osobę, łącząc dwie-trzy kolumny w tym zestawie?” Jeśli odpowiedź brzmi „być może”, połącz (grupowo, a nie indywidualnie), połącz rzadkie kategorie lub usuń wrażliwy obszar.
Przepływ informacji krok po kroku
- Zrozumienie i klasyfikacja popytu. Czego dotyczy wniosek, jakiej jednostki dotyczy, jaki jest czas trwania?
- Czy informacja istnieje, czy też należy ją wytworzyć? Prawo obejmuje istniejącą wiedzę; instytucja może nie być zmuszona do sporządzania nowej analizy (potwierdzona).
- Ocena wyjątku. Czy są jakieś wyjątki, np. dane osobowe, bezpieczeństwo, tajemnice handlowe, opinia wewnętrzna?
- Przeróbka. Usuń części eksportowanego dokumentu, które wymagają zachowania.
- Uzasadniona odpowiedź. Część podana/niepodana i jej podstawa; Metoda sprzeciwu w przypadku odrzucenia.
- Dziennik i ścieżka audytu. Wniosek, decyzja i uzasadnienie podlegają protokołowi.
trzy mini etui
Przypadek 1 – Uniknięto błędu redakcyjnego. Agencja przedłożyła dokument przetargowy w odpowiedzi na wniosek dotyczący wolności informacji. AI zeskanowała dokument i oznaczyła numery telefonów oraz numery TR ID trzech osób. Gdyby została wysłana bez korekty, stanowiłoby to naruszenie KVKK; dane osobowe zostały zaczernione, dokument dotarł bezpiecznie.
Przypadek 2 — poprawiono niesłuszną odmowę. Jednostka zwykle odrzucała żądanie danych dotyczących działalności jako „wewnętrzne”. Kiedy AI zapytano o kategorie wyjątków, okazało się, że dane te w rzeczywistości można już publikować jako dane otwarte. Wniosek został spełniony, zapobiegnięto ewentualnemu sprzeciwowi i pozwowi.
Przypadek 3 – Ryzyko ponownej identyfikacji. Gmina publikowałaby swój zbiór danych dotyczących „wniosków o usługi” jako dane otwarte. W zestawie sąsiedztwo + pełny adresowy podział dzielnicy. Sztuczna inteligencja ostrzegła, że pole adresu może wskazywać pojedyncze cyfry; Adres został zagregowany do poziomu ulicy, a zestaw został bezpiecznie opublikowany.
Cztery szablony do kopiowania
1) Klasyfikacja wniosku o informacje:
Twoja rola: specjalista ds. pozyskiwania informacji. Przetwórz następujące żądanie: (1) czego dokładnie dotyczy żądanie, (2) jakiej jednostki dotyczy, (3) czy wymaga istniejących informacji czy nowej produkcji, (4) możliwe kategorie wyjątków (dane osobowe, bezpieczeństwo, tajemnica handlowa itp.). Określ, że każdy wyjątek „musi być uzasadniony odpowiednim artykułem”. Podejmowanie decyzji, wstępna ocena. PROŚBA: [tekst]
2) Redakcja (oznaczenie danych osobowych/poufnych):
W poniższym dokumencie zaznacz wszystkie części, które w odpowiedzi informacyjnej powinny być MASKOWANE: imię i nazwisko, numer TR ID, adres, telefon, dane zdrowotne/kryminalne, dane osób trzecich, tajemnica handlowa. Napisz krótkie uzasadnienie każdego znaku. Pozostaw część dokumentu, którą można wyeksportować, bez zmian. DOKUMENT: [tekst]
3) Projekt uzasadnionej odpowiedzi:
Przygotuj uzasadnioną odpowiedź na następujące żądanie: (1) jakie informacje zostały przekazane, (2) jakiej części nie podano i dlaczego (klauzula wyjątkowa [do potwierdzenia]), (3) sposób i czas trwania odwołania [do potwierdzenia]. Język powinien być formalny i pełen szacunku. Uzasadnienie niepodanej części powinno być konkretne, a nie ogólne. WNIOSEK: [podsumowanie] DECYZJA: [co zostało/nie zostało podane]
4) Kontrola ponownego uwierzytelnienia otwartych danych:
Sprawdź kolumny poniższego zbioru danych. Wymień, które kombinacje kolumn mogą wskazywać na jedną osobę (ryzyko ponownej identyfikacji). Zaproponuj pewne środki łagodzące dla każdego ryzyka: agregacja, agregacja kategorii rzadkich, ekstrakcja pola. Po prostu użyj podanej listy kolumn. KOLUMNY: [lista]
Słaba zachęta/silna zachęta
Słabe: „Odpowiedz na tę prośbę o informacje”.
Güçlü: „Twoja rola to ekspert w jednostce informacyjnej. Najpierw sklasyfikowaj wniosek: czego dotyczy wniosek, jaka jednostka jest dostępna, jakie są możliwe wyjątki. Oznacz każdy wyjątek jako „uzasadniony na podstawie odpowiedniego artykułu”, nie podejmuj samodzielnie decyzji prawnej. Następnie zaznacz części osobiste/poufne, które należy zamaskować w dokumencie, który ma zostać przesłany, wraz z sugestią redakcyjną. Na koniec przygotuj projekt uzasadnionej odpowiedzi, zawierający część podaną/niepodaną oraz sposób sprzeciwu; uzasadnienie konkretne.”
Różnica: silna zachęta równoważy przejrzystość i ochronę, wiąże wyjątek z uzasadnieniem, dodaje ścieżkę redakcyjną i odwoławczą.
Podejście według typu informacji
Typ informacji
Domyślne
Uwaga
Statystyki, dane zagregowane
otwarte
Kontrola ponownej identyfikacji
Powód podjęcia działań administracyjnych
można podać
Redaguj dane osób trzecich
Dane osobowe osób trzecich
chroniony
KVKK; ale za pozwoleniem/wyjątkiem
Wyjątek dotyczący bezpieczeństwa/prywatności
chroniony
Czy to prawdziwy wyjątek, potwierdź
Wewnętrzna opinia/negocjacja
Zależy
Oceń zgodnie z odpowiednim artykułem
Anonimizacja i ryzyko ponownej identyfikacji
Najbardziej technicznym, ale krytycznym krokiem w publikowaniu otwartych danych jest anonimizacja (uniemożliwienie bezpośredniej lub pośredniej identyfikacji osoby na podstawie danych). Imię i nazwisko oraz T.R. Usunięcie numeru identyfikacyjnego często nie wystarczy; ponieważ połączenie kilku zwyczajnych obszarów umożliwia ponowną identyfikację osoby. Nazywa się to ponowną identyfikacją (znalezieniem osoby poprzez porównanie danych uznawanych za anonimowe z innymi informacjami). Na przykład, jeśli w okolicy jest samotny 92-letni wdowiec, ujawni go trio „sąsiedztwo + wiek + stan cywilny”. Sztuczna inteligencja może pomóc sprawdzić, które kombinacje pól w zbiorze danych są zagrożone ujawnieniem i zasugerować bezpieczniejsze grupowanie (przeliczanie wieku na zakres, łączenie rzadkich kategorii); Jednak decyzja o publikacji i ostateczny audyt leżą w gestii instytucji.
Mini etui — ujawnienie z trzema obszarami. Jedna z gmin opublikowała dane dotyczące pomocy społecznej „anonimowo”: bez imienia, ale sąsiedztwa, roku urodzenia i rodzaju niepełnosprawności. Dziennikarz zauważył rzadki rodzaj niepełnosprawności u jednej osoby w tej samej okolicy i zidentyfikował tę osobę. Dane wycofane; Został ponownie opublikowany po przeliczeniu roku urodzenia na okres 10 lat, a rzadkie kategorie pogrupowano w kategorii „Inne”.
Szablon sprawdzający ryzyko ponownej identyfikacji:
Zadanie: Zbadaj kolumny następującego zbioru danych; Nie publikuję danych osobowych, chcę jedynie sprawdzić ryzyko. Kolumny: [nazwy kolumn] Wynik: 1) Identyfikatory bezpośrednie (należy usunąć). 2) Pośrednie kombinacje identyfikatorów (ryzyko ponownej identyfikacji). 3) Zalecane grupowanie/maskowanie dla każdej ryzykownej kombinacji. 4) Końcowe pytania kontrolne przed publikacją. Zasada: nie wkleiłem żadnych prawdziwych wartości osobistych; wystarczy wziąć pod uwagę strukturę kolumny.
Uwaga: „Usunąłem nazwę, teraz anonimową” to najczęstsze i niebezpieczne błędne przekonanie. O anonimowości nie decyduje samo pole, ale kombinacja pól i prawdopodobieństwo dopasowania do danych zewnętrznych. W razie wątpliwości nie publikuj; Anonimowość to decyzja nieodwołalna.
Typowe błędy
- Zwyczajowo odrzucać. Uznanie informacji, które można podać za niepotrzebne, „poufne” stanowi naruszenie praw i powód do pozwu.
- Przesyłanie niezredagowanych dokumentów. Ujawnianie danych osób trzecich stanowi naruszenie KVKK.
- Użycie wyjątku bez uzasadnienia. Odmowa musi być opatrzona konkretną treścią i konkretnym uzasadnieniem; Powiedzieć „w domu” nie wystarczy.
- Poleganie na ocenie prawnej AI. Decyzja o zrobieniu wyjątku jest decyzją ludzką; AI wstępnie się kwalifikuje.
- Omijanie ponownej identyfikacji w otwartych danych. Kombinacje kolumn mogą znajdować osoby; agregat.
- Bez określenia sposobu sprzeciwu. W odmowie należy wpisać (potwierdzić) sposób składania wniosków i czas trwania.
Podsumowując
Przejrzystość jest podstawą zaufania publicznego; Sztuczna inteligencja jest potężną pomocą w klasyfikowaniu żądań FOI, zalecaniu korekty, opracowywaniu odpowiedzi i przygotowywaniu otwartych danych do publikacji. Jednak równowaga jest kluczowa: obywatele muszą otrzymać informacje, do których są uprawnieni, rzeczywiste wyjątki i dane osobowe muszą być chronione. Decyzja o zrobieniu wyjątku musi być przemyślana i ludzka; Przed publikacją otwarte dane należy poddać audytowi pod kątem ryzyka ponownej identyfikacji.
Zadanie aplikacji
Otrzymaj prawdziwą (zamaskowaną) prośbę o wolność informacji. Dokonaj wstępnej oceny za pomocą szablonu „Zapytaj o klasyfikację”, nałóż szablon „Redakcja” na załączony dokument i zaznacz obszary, które mają zostać zamaskowane. Zastosuj szablon „Sprawdzanie ponownej identyfikacji otwartych danych” do kolumn otwartego zbioru danych i znajdź co najmniej jedną ryzykowną kombinację.
lista kontrolna
- [ ] Sklasyfikowałem prośbę; Nie odrzucałem informacji, które mogłyby być podawane niepotrzebnie.
- [ ] Oceniłem wyjątki pod kątem konkretnej treści i uzasadnienia (decyzja człowieka).
- [ ] Zredagowałem dane osobowe/poufne w dokumencie, który należy złożyć.
- [ ] W przypadku odrzucenia podałem sposób i czas trwania sprzeciwu (potwierdziłem).
- [ ] Sprawdziłem ryzyko ponownej identyfikacji w otwartych danych.
- [ ] Zarejestrowałem wniosek, decyzję i uzasadnienie kontroli.