ලාභ:
- දත්ත ජීවන චක්රයේ සෑම අදියරකදීම AI සලකා බැලීම් යොදන්න
- රඳවා ගැනීමේ කාල සීමාවන් සකසන්න සහ විනාශ කිරීමේ ප්රතිපත්තියේ AI කතාබස් ඉතිහාසය ඇතුළත් කරන්න
- නිර්නාමිකකරණය සහ ව්යාජ නාමකරණය අතර වෙනස යෙදීම
දත්ත ආරක්ෂණ නිලධාරියෙකු බොහෝ විට නොසලකා හරින දත්තවල "පසු" කොටසයි. AI තුළට පෙළක් ඇතුළත් කළ පසු, කාර්යය අවසන් වූ බව පෙනේ; කෙසේ වෙතත්, එම දත්ත කොහේ හරි ගබඩා කර ඇත, සමහර විට ආකෘති පුහුණුව සඳහා භාවිතා කළ හැකිය, සමහර විට එය මාස ගණනක් චැට් ඉතිහාසයේ එකතු වේ. මෙම ඒකකයේදී, අපි පුද්ගලික දත්තවල ජීවන චක්රය පියවරෙන් පියවර සාකච්ඡා කරමු; අපි රඳවා ගැනීමේ කාලසීමාවන්, AI කතාබස් ඉතිහාසය විනාශ කිරීම සහ තීරණාත්මක තාක්ෂණික ක්රම දෙකක් - නිර්නාමිකකරණය සහ ව්යාජ නාමයන් අතර වෙනස හඳුනා ගනිමු. ඉලක්කය වන්නේ දත්ත ඇතුළත් කළ විට පමණක් නොව එහි මුළු ජීවිත කාලය පුරාම කළමනාකරණය කිරීමයි.
දත්ත ජීවන චක්රය සහ AI
පුද්ගලික දත්ත ජීවන චක්රයක් හරහා ගමන් කරයි; සෑම අදියරකටම AI-විශේෂිත අවධානය යොමු කර ඇත.
වේදිකාව
මොකද වෙන්නේ?
AI අවධානය යොමු කිරීමේ ලක්ෂ්යය
එකතුව
දත්ත ලබා ගනී
අරමුණ සහ පදනම පැහැදිලිද? එය අවම කර තිබේද?
භාවිතය/සැකසීම
AI වෙත ඇතුළු වී, සකසන ලදී
වෙස්මුහුණු කිරීම සිදු කර තිබේද? අනුමත වාහනයක්?
ගබඩා කිරීම
දත්ත රඳවා ඇත
කතාබස් ඉතිහාසය කොපමණ කාලයක් පවතින්නේද?
මාරු කිරීම
වෙන කෙනෙකුට යයි
ජාත්යන්තර සේවාදායකයද? සුදුසු සහතිකයක් තිබේද?
විනාශය
මකාදැමීම/නිර්නාමිකකරණය
අරමුණ සම්පූර්ණ වූ පසු එය මකා දැමුවාද? අමතර කොටස් ඇතුළත්ද?
වඩාත්ම නොසලකා හරින ලද අදියර දෙක වන්නේ ගබඩා කිරීම සහ බැහැර කිරීමයි. දත්ත "අමතක වී" ඇති අතර පද්ධතිය තුළ දිගටම එකතු වේ - එය දෙකම KVKK මූලධර්මය උල්ලංඝනය කරන අතර උල්ලංඝනය වන අවස්ථාවක හානිය විශාල කරයි.
ගබඩා කාලය: ඔබට එය කොපමණ කාලයක් තබා ගත හැකිද?
KVKK හි රඳවා ගැනීමේ මූලධර්මය පැහැදිලිය: පුද්ගලික දත්ත සකසන අරමුණට වඩා වැඩි කාලයක් තබා ගත නොහැක. අරමුණ තවදුරටත් නොමැති විට, දත්ත මකා දැමීම, විනාශ කිරීම හෝ නිර්නාමික කිරීම කළ යුතුය. ආයතනය ගබඩා කිරීමේ සහ බැහැර කිරීමේ ප්රතිපත්තියක් සකස් කරයි; එක් එක් දත්ත කාණ්ඩය සඳහා කොපමණ ප්රමාණයක් තබා ගත යුතුද යන්න තීරණය කරයි.
AI සඳහා විශේෂිත වූ තීරණාත්මක ලක්ෂ්යය: AI කතාබස් ඉතිහාසය ද ගබඩා කළ දත්ත වේ. සේවකයෙකු මාස ගණනක් එකම කතාබහට පාරිභෝගික දත්ත ඇතුළත් කර ඇත්නම්, එම ඉතිහාසය දත්ත ගබඩාවක් බවට පත්වේ. මේ සඳහා:
- ව්යවසාය AI මෙවලම් තුළ දත්ත රඳවා ගැනීමේ සිටුවම් වින්යාස කරන්න (හැකි නම් ඉතිහාසය ස්වයංක්රීයව මකා දැමීම හෝ ආකෘති පුහුණුවේදී භාවිතය අක්රිය කරන්න).
- ඔබගේ විනාශ කාලසටහනට කතාබස් ඉතිහාසය ඇතුලත් කරන්න.
- ආයතනික කොන්ත්රාත්තුවේ "ආකෘති පුහුණුවේදී භාවිතා නොකරන්න" (ඉවත්වීම) විකල්පය සහතික කරන්න.
අවධානය: දත්ත මකා දැමීම තිරයෙන් ඉවත් කිරීම පමණක් නොවේ. සැපයුම්කරුගේ සේවාදායකයේ උපස්ථ, ලොග සහ පිටපත් ද සලකා බැලිය යුතුය. ඔබ "මකන ලද" යැයි පවසන විට, ඔබ මකා දැමූ දේ සැබවින්ම ආපසු ලබාගත නොහැකි බවට වග බලා ගන්න.
නිර්නාමිකකරණය හෝ ව්යාජ නාමකරණය?
මෙම පද දෙක බොහෝ විට ව්යාකූල වේ, නමුත් ඒවායේ නීතිමය ප්රතිවිපාක සම්පූර්ණයෙන්ම විරුද්ධ වේ.
- නිර්නාමිකකරණය: කිසිම ආකාරයකින් පුද්ගලයෙකු සමඟ සම්බන්ධ වීමට නොහැකි වන පරිදි දත්ත සෑදීම. නිවැරදිව සිදු කළහොත්, ප්රතිඵලය තවදුරටත් පුද්ගලික දත්ත නොවන අතර KVKK හි විෂය පථයෙන් බැහැර වේ. උදාහරණය: පුද්ගලයන් 10,000ක දත්ත කට්ටලයක තනි පේළි මකා දැමීම සහ "ඉස්තාන්බුල්හි 25-34 වයස් කාණ්ඩයේ සාමාන්ය වියදම්" වැනි සමස්ථ සංඛ්යාලේඛන පමණක් ඉතිරි කිරීම.
- ව්යාජ නාමකරණය: අනන්යතා තොරතුරු කේතයක්/ටැගයක් සමඟ ප්රතිස්ථාපනය වේ, නමුත් "යතුර" සහිත පුද්ගලයා වෙත ආපසු ලබා දිය හැක. උදාහරණය: "Ahmet Yılmaz" වෙනුවට "Customer-4471" ලිවීම, නමුත් කුමන කේතය අයත් වන්නේද යන්න පෙන්වන වගුවක් තබා ගැනීම. මෙය තවමත් පුද්ගලික දත්ත වන අතර KVKK හි විෂය පථයට අයත් වේ.
ලක්ෂණය
නිර්නාමිකකරණය
ව්යාජ නාමකරණය
පුද්ගලයා ආපසු ලබා දිය හැකිද?
නැත (නිවැරදිව සිදු කළහොත්)
ඔව්, යතුර සමඟ
එය තවමත් පුද්ගලික දත්තද?
නැත
ඔව්
KVKK විෂය පථය
පිටත
තුළ
AI වෙත පිවිසීමට
ආරක්ෂිතම මාර්ගය
නැවතත්, පදනමක් / රීතියක් අවශ්ය වේ
ඉඟිය: "එය ආපසු හැරවිය හැකිද?" AI වෙත දත්ත ඇතුලත් කිරීමට පෙර. අහන්න. එහි යතුරක්/ගැලපීමක් තිබේ නම්, එය ව්යාජ නාමයක් වන අතර තවමත් පුද්ගලික දත්ත වේ. සත්ය නිර්නාමිකකරණය යනු එක් එක් පේළි නොව එකතු කළ ප්රතිඵලය බෙදා ගැනීමයි.
කුඩා නඩු තුනක්
නඩුව 1 - ව්යාජ නිර්නාමිකභාවය. සෞඛ්ය සේවා සමාගමක් AI හට විශ්ලේෂණය සඳහා “නිර්නාමික” කර ඇති බව පවසන දත්ත සමූහයක් ලබා දෙයි. නමුත් කට්ටලයට උපන් දිනය, ප්රාන්තය සහ දුර්ලභ රෝග විනිශ්චය ඇතුළත් වේ; මෙම ත්රිත්වය කුඩා ප්රාන්තයක තනි පුද්ගලයෙකු දැක්විය හැක. මෙය නිර්නාමිකකරණය නොවේ; දත්ත තවමත් පුද්ගලිකයි. නිවැරදි ක්රමය: උපන් දිනය වයස් පරාසයට පරිවර්තනය කිරීම, ප්රාන්තය අනුව සාමාන්යකරණය කිරීම, දුර්ලභ රෝග විනිශ්චයන් - එනම් සත්ය එකතු කිරීම.
නඩුව 2 - සංවාදය ගොඩගැසීම. ඇමතුම් මධ්යස්ථානයක, නියෝජිතයන් 6 දෙනෙකු මාස 4ක් සඳහා එකම ආයතනික AI ගිණුමට පාරිභෝගික දත්ත ඇතුළත් කරයි. කිසිවෙකු අතීතය පිරිසිදු නොකරයි; අවසානයේ පාරිභෝගික අන්තර්ක්රියා 12,000කට වඩා වැඩි ප්රමාණයක් එක් ස්ථානයක රැස් විය. විගණනයකදී, මෙම සමුච්චය ප්රධාන අවදානමක් ලෙස සලකුණු කර ඇත. විසඳුම: සෑම දින 30 කට වරක් ඉතිහාසය ස්වයංක්රීයව මකා දැමීමට සැකසීම, කාර්යය අවසන් වූ විට ඉවත් වීමට රීතියක් සහ රඳවා ගැනීමේ ප්රතිපත්තියට විවෘත වගන්තියක්.
නඩුව 3 - නිවැරදි ව්යාජ නාමකරණය. AI සමඟ සේවක කාර්ය සාධනය විශ්ලේෂණය කරන විට, මානව සම්පත් කණ්ඩායමක් "සේවක-001" වැනි නම් කේත කරන අතර ගැළපෙන වගුව වෙනම, ප්රවේශ සීමා කළ ගොනුවක තබා ගනී. මෙය අන්වර්ථ නාමයකි; දත්ත තවමත් පුද්ගලිකයි, නමුත් අවදානම අඩු වේ. මෙය නිර්නාමිකකරණයක් නොවන බව කණ්ඩායම දන්නා අතර ඒ අනුව එහි නෛතික පදනම සහ රඳවා ගැනීමේ කාලය තීරණය කරයි.
පිටපත් කළ හැකි සැකිලි
සැකිල්ල 1 — රඳවා තබා ගැනීමේ සහ විනාශ කිරීමේ ප්රතිපත්ති රේඛාව: "පහත සඳහන් දත්ත ප්රවර්ගය සඳහා රඳවා ගැනීමේ-විනාශ කිරීමේ ප්රතිපත්ති රේඛාවක් යෝජනා කරන්න: [ප්රවර්ගය]. ක්ෂේත්ර: රඳවා ගැනීමේ කාල සීමාව (අරමුණ අනුව යුක්ති සහගත), විනාශ කිරීමේ ක්රමය (මකා දැමීම/විනාශ කිරීම/නිර්නාමිකකරණය), AI කතාබස් ඉතිහාසය ඇතුළත් කර තිබේද, වගකිවයුතු කාර්යභාරයක්. නීත්යානුකූලව රඳවා තබා ගැනීමක් තිබේ නම් මතක් කරන්න."
සැකිල්ල 2 — නිර්නාමික පරීක්ෂාව: "පහත සඳහන් දත්ත කට්ටලය සත්ය වශයෙන්ම නිර්නාමිකද යන්න තක්සේරු කරන්න: [ලැයිස්තු ක්ෂේත්ර]. කුමන ක්ෂේත්රවල සංයෝජන මගින් පුද්ගලයෙකු නැවත හඳුනා ගත හැක (උදා. උපන් දිනය + සිප් කේතය + දුර්ලභ විශේෂාංගය)? එක් එක් අවදානම් ක්ෂේත්රය සඳහා (වයස පරාසය, පළාත් නිර්නාමික මට්ටම වැනි) සාමාන්යකරණයක් යෝජනා කරන්න."
සැකිල්ල 3 — Masking + return key වෙන් කිරීම: "පහත පෙළ අන්වර්ථ නාමයෙන් නම් කරන්න: පුද්ගලික දත්ත ([NAME]->K001 වැනි) කේතනය කරන්න, නමුත් මට ගැළපෙන වගුවක් වෙන වෙනම දෙන්න. පෙළ තුළම සැබෑ අනන්යතාවයක් නොතබන්න. ගැළපෙන වගුව 'පුද්ගලික දත්ත' වන අතර එය වෙන වෙනම ගබඩා කළ යුතු බව සලකන්න."
සැකිල්ල 4 — AI මෙවලම් දත්ත ගබඩා විගණනය: "අපි භාවිතා කරන AI මෙවලමෙහි දත්ත ගබඩා කිරීමේ හැසිරීම විගණනය කිරීම සඳහා ප්රශ්න ලැයිස්තුවක් සකස් කරන්න: ඉතිහාසය කොපමණ කාලයක් තබා තිබේද, එය මකා දැමිය හැකිද, එය ආකෘති පුහුණුවේදී භාවිතා කරන්නේද, ඉවත් වීම තිබේද, දත්ත සැකසෙන්නේ කොතැනද, උපස්ථ මොනවාද? එක් එක් 'ආරක්ෂිත' පිළිතුර ලියන්න."
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල: "මෙම දත්ත නිර්නාමික කරන්න." (කේත සහ නම් තබයි)-> හුදෙක් අන්වර්ථ නාම; උපන් දිනය, දුර්ලභ ලක්ෂණය වැනි නැවත හඳුනාගැනීමේ අවදානම් පවතී; එය "නිර්නාමික" යන මිත්යාව ඇති කරයි. GÜÇLÜ: "පුද්ගලයා නැවත හඳුනා ගත හැකි ක්ෂේත්රවල සංයෝජන සොයන්න; ඒ සෑම එකක්ම (වයස් පරාසය, පළාත් මට්ටම) සාමාන්යකරණය කරන්න. මගේ ඉලක්කය තනි වාර්තාවක් නොව, සමූහගත සංඛ්යාලේඛන. ප්රතිඵලයක් වශයෙන්, කිසිවකුට තනි පුද්ගලයෙකු ලෙස වෙන් කර මෙය සත්යාපනය කළ නොහැක." -> ආකෘතිය සැබෑ නිර්නාමිකකරණයට නැඹුරු වන අතර, නැවත හඳුනාගැනීමේ අවදානම අඩු කරයි.
පොදු වැරදි
- නිර්නාමිකකරණය සඳහා වැරදි නම් කිරීම; එය පුද්ගලික දත්ත ලෙස පවතින බව අමතක කිරීම.
- නම් මකා දැමීම සහ උපන් දිනය + ස්ථානය + දුර්ලභ ගති ලක්ෂණ වැනි විස්තරාත්මක සංයෝජන අත්හැරීම.
- AI කතාබස් ඉතිහාසය රඳවා ගැනීමේ/විනාශ කිරීමේ රීතියකට යටත් නොකරන්න; දින නියමයක් නොමැතිව රැස් කරන්න.
- කොන්ත්රාත්තුවේ "ආදර්ශ පුහුණුවේදී භාවිතා නොකරන්න" (ඉවත් වීමේ) වගන්තිය සහතික නොකිරීම.
- මම මකාදැමීම කියන විට, මම අදහස් කරන්නේ තිරය හිස් කරන්න සහ උපස්ථ සහ ලොග අමතක කරන්න.
- අරමුන සඳහා නොව "හුදෙක් අවස්ථාවක" සඳහා ගබඩා කාලය දිගු කාලයක් තබා ගැනීම.
- හුවමාරුව සහ ගබඩා කිරීම සැපයුම්කරුගේ සේවාදායකයේ සිදු වන බව නොසලකා හැරීම.
සාරාංශයක් ලෙස
- පුද්ගලික දත්ත ජීවන චක්රයක් හරහා ගමන් කරයි; වඩාත්ම නොසලකා හරින ලද අදියර වන්නේ ගබඩා කිරීම සහ බැහැර කිරීමයි.
- කාර්යය සඳහා අවශ්ය ප්රමාණයට වඩා වැඩි කාලයක් දත්ත තබා නොගත හැක; ආයතනය ගබඩා කිරීමේ හා විනාශ කිරීමේ ප්රතිපත්තියක් ස්ථාපිත කළ යුතුය.
- AI කතාබස් ඉතිහාසය ද ගබඩා කළ දත්ත වේ; බැහැර කිරීමේ කාලසටහනට සහ ගබඩා සැකසුම් වලට ඇතුළත් කළ යුතුය.
- නිර්නාමිකකරණය KVKK වෙතින් දත්ත ලබා ගනී; ව්යාජ නාමකරණය තවමත් දත්ත පුද්ගලිකව තබයි.
- නමක් මකා දැමීම නිර්නාමිකකරණය නොවේ; නැවත හඳුනාගැනීමේ අවදානමක් ඇති සියලුම සංයෝජන සාමාන්යකරණය කළ යුතුය.
යෙදුම් කාර්යය
AI සමඟින් ඔබේ සංවිධානය සකසන දත්ත කාණ්ඩයක් තෝරන්න (උදාහරණයක් ලෙස, පාරිභෝගික සහාය වාර්තා). මෙම ප්රවර්ගය සඳහා රඳවා ගැනීමේ සහ විනාශ කිරීමේ ප්රතිපත්ති රේඛාවක් ලියන්න: රඳවා ගැනීමේ කාලය (සාධාරණයි), විනාශ කිරීමේ ක්රමය, AI කතාබස් ඉතිහාසය ඇතුළත් කර තිබේද, සහ වගකිවයුතු කාර්යභාරය. ඉන්පසු එම දත්ත වලින්ම නියැදි වාර්තාවක් ගෙන පළමුව එය ව්යාජ නම් කරන්න (ගැලපෙන වගුව වෙනම තබා ගන්න), ඉන්පසු ඔබ සාමාන්යකරණය කරන්නේ කුමන ක්ෂේත්රද සහ මෙම වාර්තාව සත්ය නිර්නාමිකකරණයට ගෙන එන්නේ කෙසේද යන්න ලියන්න. අවසාන වශයෙන්, ඔබ භාවිතා කරන AI මෙවලමෙහි දත්ත ගබඩා කිරීමේ හැසිරීම පාලනය කරන ප්රශ්න පහක් සූදානම් කර ඔබ එක් එක් පිළිතුරු සඳහා බලාපොරොත්තු වන “සුරක්ෂිත” පිළිතුර එක් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම දත්ත කාණ්ඩය සඳහා රඳවා ගැනීමේ කාලය සහ විනාශ කිරීමේ ක්රමය තීරණය කර ඇත.
- [ ] මම AI කතාබස් ඉතිහාසය විනාශ කිරීමේ කාලසටහනට ඇතුළත් කර ඇත.
- [ ] මම "ආදර්ශ පුහුණුවේදී භාවිතා නොකරන්න" ඉවත් වීමේ අයිතමය පරීක්ෂා කළෙමි.
- [ ] මම ව්යාජ නාමකරණය සහ නිර්නාමිකකරණය අතර වෙනස ක්රියාත්මක කළෙමි.
- [ ] මම නැවත හඳුනාගැනීමේ අවදානමක් ඇති ක්ෂේත්ර සංයෝජන සාමාන්යකරණය කර ඇත.
- [ ] මකාදැමීමේ විෂය පථයට මම උපස්ථ සහ ලොග් ද ඇතුළත් කළෙමි.
- [ ] මම AI මෙවලමෙහි දත්ත ගබඩා කිරීමේ හැසිරීම විගණනය කළෙමි.