ඒකක
1. ඇමතුම් මධ්‍යස්ථානයේ කෘත්‍රිම බුද්ධිය හඳුන්වාදීම සහ පාරිභෝගික අත්දැකීම්: භූමිකාවන්, සීමා මායිම්, සත්‍යාපනය සහ පෞද්ගලිකත්වය 2. Voice සහ Text Bots: IVR, Chatbot සහ Voicebot Design 3. සංවාද නිර්මාණය සහ අතථ්‍ය සහකාර: අභිප්‍රාය, සංවාදය සහ ස්වභාවික අත්දැකීම් 4. ඇමතුම් සාරාංශය සහ ස්වයංක්‍රීය-ටැගින්: තත්පර දක්වා එතුම අඩු කිරීම 5. දැනුම පදනම සහ RAG: බොට් සහ නියෝජිතයා නිවැරදි පිළිතුර සොයා ගන්නේ කෙසේද 6. නියෝජිත සහාය: තත්‍ය කාලීන උදවු 7. හැඟීම් විශ්ලේෂණය සහ තත්ත්ව කළමනාකරණය: කථන විශ්ලේෂණ සමඟ QA 8. ස්වයං සේවා සහ ස්වයංක්‍රීයකරණය: පාරිභෝගික ස්වයං-විසඳුම 9. දත්ත රහස්‍යතාව, ආරක්ෂාව සහ අනුකූලතාව: KVKK, PCI-DSS සහ ආවරණ 10. උත්සන්න කිරීම සහ මානව-කෘතිම බුද්ධි සහයෝගීතාව 11. මැනීම, KPI සහ අඛණ්ඩ වැඩිදියුණු කිරීම: නිරීක්ෂණය කළ යුත්තේ කුමක්ද සහ කෙසේද? 12. අවසානය සිට අවසානය දක්වා CX-AI වැඩසටහනක් ගොඩනැගීම: ඒකාබද්ධ කිරීම සහ පාලනය
ඒකකය 9 / 12

දත්ත රහස්‍යතාව, ආරක්ෂාව සහ අනුකූලතාව: KVKK, PCI-DSS සහ ආවරණ

ලාභ:

  • ප්‍රභවයේ සංවේදී දත්ත වසන් නොකර සහ කිසි විටෙක කාඩ්පත් අංකය සම්ප්‍රේෂණය නොකර, අවම කිරීමේ මූලධර්මය සමඟ ආරක්ෂිත AI ප්‍රවාහයක් ස්ථාපිත කිරීමේ හැකියාව
  • වෙනම සත්‍යාපන ස්ථරයක් සමඟ ආවරණ පාලනය කිරීමේ හැකියාව සහ ව්‍යවසාය, DPA සක්‍රීය සහ පුහුණුවේදී දත්ත භාවිතා නොකරන මෙවලම් තෝරා ගැනීම
  • පාරිභෝගිකයා සමඟ විනිවිදභාවය පවත්වා ගනිමින් බලයලත්, ආරක්ෂක සහ එකඟතා අරමුණු සඳහා පමණක් මෙවලම් භාවිතා කිරීමේ හැකියාව

ඇමතුම් මධ්‍යස්ථානය යනු සංවිධානයේ වඩාත්ම තීව්‍ර පුද්ගලික දත්ත ප්‍රවාහය සිදුවන ස්ථානයයි. සෑම සංවාදයකම නම, දුරකථන අංකය, ලිපිනය, TR ID, ඇණවුම් ඉතිහාසය, සෞඛ්‍ය තොරතුරු සහ ගෙවීම් කාඩ්පත් අංකය පවා සඳහන් කළ හැක. මෙම දත්ත කෘත්‍රිම බුද්ධියට සැකසීමේදී මොහොතකට හෝ ලිහිල් කිරීම බරපතල නීතිමය සම්බාධක (KVKK දඩ ලීරා මිලියන ගණනකට ළඟා විය හැකිය, GDPR දඩ පිරිවැටුමේ ප්‍රතිශතයකට ළඟා විය හැකිය) සහ ආපසු හැරවිය නොහැකි පාරිභෝගික විශ්වාසය නැති කර ගැනීමට හේතු වේ. මෙම ඒකකය පෙර පැවති සියලුම ඒකකවලට ඉහළින් පිහිටා ඇති ආරක්ෂක පදනම වේ: බොට්, සාරාංශය, විශ්ලේෂණය හෝ සහායක කොතරම් දක්ෂ වුවත්, එය දත්ත ආරක්ෂිතව හසුරුවන්නේ නැත්නම් එය භාවිතා කළ නොහැක.

මෙම ඒකකය තුළ, අපි ප්‍රධාන මාතෘකා තුනක් ආවරණය කරන්නෙමු: දත්ත රහස්‍යතාව (පුද්ගලික දත්ත ආරක්ෂා කිරීම - KVKK/GDPR), ගෙවීම් ආරක්ෂාව (PCI-DSS) සහ ආවරණ/ප්‍රතිසංවිධානය (කෘත්‍රිම බුද්ධියට ලබා දීමට පෙර සංවේදී දත්ත සැඟවීම). අතිරේකව, තොරතුරු තාක්ෂණ ආරක්ෂාව සම්බන්ධයෙන්, අපි මෙම මෙවලම්වල එකම බලයලත් සහ ආරක්ෂිත භාවිතය අවධාරණය කරන්නෙමු.

මූලික සංකල්ප සහ නීතිමය රාමුව

KVKK (පුද්ගලික දත්ත ආරක්ෂණ නීතිය) Türkiye හි පුද්ගලික දත්ත සැකසීම නියාමනය කරයි; GDPR යනු යුරෝපීය සමාන වේ. මෙම නීතිවලට අනුව, පුද්ගලික දත්ත සැකසිය හැක්කේ නිශ්චිත, නීත්‍යානුකූල අරමුණක් සඳහා ආරක්ෂිතව සහ අවශ්‍ය පරිදි පමණි. සෞඛ්‍යය, ආගම සහ ජෛවමිතික වැනි තොරතුරු විශේෂ පුද්ගලික දත්ත වන අතර අමතර ආරක්ෂිත වේ. PCI-DSS (ගෙවීම් කාඩ්පත් කර්මාන්ත දත්ත ආරක්ෂණ ප්‍රමිතිය) කාඩ්පත් දත්ත සකසන ආකාරය තීරණය කරයි; එය දැඩිම නීති වලින් එකක් වන අතර සම්පූර්ණ කාඩ්පත් අංකය අනවශ්‍ය ලෙස ගබඩා කිරීම/සම්ප්‍රේෂණය කිරීම තහනම් කරයි.

කෘතිම බුද්ධියේ සන්දර්භය තුළ විවේචනාත්මක සංකල්ප කිහිපයක්:

  • ආවරණ / නැවත සකස් කිරීම: කෘතිම බුද්ධියට ලබා දීමට පෙර සංවේදී දත්ත (නම, හැඳුනුම්පත, කාඩ්පත, දුරකථනය) සැඟවීම / මකා දැමීම. "[පාරිභෝගික]" වෙනුවට "Ahmet Yılmaz", "[CARD]" වෙනුවට කාඩ්පත.
  • දත්ත අවම කිරීම: ව්‍යාපාරයට අවශ්‍ය තරම් දත්ත පමණක් බෙදා ගැනීම. අවශ්‍ය නම් මිස සාරාංශයේ සම්පූර්ණ ලිපිනය ඇතුළත් නොකිරීම.
  • දත්ත පදිංචිය: දත්ත සැකසෙන්නේ කුමන රටේ/සේවාදායකයේද; සමහර දත්ත විදේශගත විය නොහැක.
  • දත්ත සැකසුම් ගිවිසුම (DPA): ඔබ භාවිතා කරන AI මෙවලම දත්ත සකසන්නේ කෙසේද යන්න සඳහන් කරන කොන්ත්‍රාත්තුවක්, එය ගබඩා නොකරයි, සහ ආකෘති පුහුණුවේදී එය භාවිතා නොකරයි.
  • කැමැත්ත සහ අරමුණ: සංවාද පටිගත කිරීම් සැකසීම සඳහා අවශ්ය තොරතුරු සහ නීතිමය පදනම.
අවධානය: "මම පුද්ගලික දත්ත වසන් කළෙමි" යැයි පැවසීම ප්‍රමාණවත් නොවේ; වෙස්මුහුණු කිරීම ක්‍රියාත්මක වන බව තහවුරු කර ගැනීම අවශ්‍ය වේ. ස්වයංක්‍රීයව වැස්ම කිරීම සමහර විට නමක් හෝ කාඩ්පත් අංකයක් මග හැරිය හැක. අධි අවදානම් ප්‍රවාහවල ආවරණ ප්‍රතිදානය නියැදීමෙන් පරීක්ෂා කරන්න.

ආරක්ෂිත ගෘහ නිර්මාණ ශිල්පය: දත්ත සැකසීමට කොහෙද සහ කෙසේද?

ඇමතුම් මධ්‍යස්ථානයට AI හඳුන්වා දීමේදී, පහත දැක්වෙන ආරක්ෂක ස්ථර ස්ථාපිත කළ යුතුය:

  1. මූලාශ්‍රයේදී වසං කිරීම: පිටපත AI වෙත යාමට පෙර පුද්ගලික/කාඩ්පත් දත්ත ස්වයංක්‍රීයව වසන් කෙරේ. කාඩ්පත් අංක කිසි විටෙක ඒවායේ අමු ආකාරයෙන් ආකෘතියට ඇතුළත් නොකෙරේ.
  2. ආයතනික මෙවලම් තේරීම: ආකෘති පුහුණුවේදී ඔබේ දත්ත භාවිතා නොකරන ආයතනික මෙවලම්, DPA අත්සන් කර ඇති සහ දත්ත පදිංචිය සහතික කිරීම වඩාත් කැමති වේ. පාරිභෝගික දත්ත නොමිලේ ප්‍රසිද්ධියේ ලබා ගත හැකි මෙවලම්වලට ඇතුළත් කර නැත.
  3. ප්‍රවේශ පාලනය: වාර්තා කර ඇති දත්ත වෙත ප්‍රවේශ විය හැක්කේ කාටද (විගණන ලොගය). අනවසර පිවිසුම වළක්වයි.
  4. ගබඩා සීමාව: දත්ත ගබඩා කරනු ලබන්නේ අවශ්‍ය තාක් කල් පමණි; අනවශ්‍ය වාර්තා මකා දමනු ලැබේ.
  5. පාරදෘශ්‍යභාවය: පාරිභෝගිකයා තම සංවාදය පටිගත කර/ක්‍රියාවට නංවන බවත් ඔහු බොට් සමඟ කතා කරන බවත් දනී.

පහත වගුව ආරක්ෂිත සහ අවදානම් භාවිතය සංසන්දනය කරයි:

විෂය

අවදානම් පුහුණුව

ආරක්ෂිත යෙදුම

වාහන තෝරා ගැනීම

නොමිලේ මෙවලම සෑම කෙනෙකුටම ලබා ගත හැකිය

ආයතනික, DPA, අධ්‍යාපනයේ භාවිතා නොවේ

කාඩ් දත්ත

පෙළට අමු ඇලවීම

කවදාවත්; වෙස්මුහුණු/[CARD]

පුද්ගලික දත්ත

තියෙන විදියට share කරන්න

ආවරණ + අවම කිරීම

ගබඩා කිරීම

දින නියමයක් නොමැතිව

අරමුණු සීමිත, මකාදැමීමේ ප්‍රතිපත්තිය

ප්රවේශය

හැමෝම

අවසර ලත්, ලොග් විය

විනිවිදභාවය

රහස් පටිගත කිරීම

ආලෝකකරණය + තොරතුරු

පියවරෙන් පියවර: ආරක්ෂිත AI දත්ත ප්‍රවාහයක්

  1. වර්ගීකරණය කරන්න: සංවේදී වන්නේ කුමන දත්ත ක්ෂේත්‍රද (TC, කාඩ්පත, සෞඛ්‍යය, ලිපිනය)? මේවා කල්තියා සලකුණු කරන්න.
  2. වෙස් මුහුණ: AI වෙත යාමට පෙර ස්වයංක්‍රීය ආවරණ යොදන්න; කිසිවිටෙක කාඩ්පත යොමු නොකරන්න.
  3. අවම කරන්න: රැකියාවට අවශ්‍ය ප්‍රමාණයට වඩා යවන්න එපා.
  4. සත්‍යාපනය කරන්න: මාස්ක් කිරීමෙන් යම් දත්තයක් මග හැරී ඇත්දැයි නියැදීමෙන් පරීක්ෂා කරන්න.
  5. කොන්ත්රාත්තුව සහ රඳවා තබා ගැනීම: වාහනයේ DPA, දත්ත පදිංචිය සහ රඳවා තබා ගැනීමේ කාලය තහවුරු කරන්න.
  6. අධීක්ෂණය සහ විගණනය: ලොග් ප්‍රවේශය, නිතිපතා ආරක්ෂක විගණන පැවැත්වීම.

පිටපත් කළ හැකි සැකිලි හතරක්

1) ආවරණ (නැවත සකස් කිරීම) ඉල්ලීම:

පහත පෙළෙහි පහත සඳහන් පුද්ගලික දත්ත සොයන්න සහ වසං කරන්න: නම-වාසගම → [පාරිභෝගික], TR ID → [IDN], දුරකථනය → [PHONE], කාඩ්පත් අංකය → [CARD], ලිපිනය → [ADDRESS], විද්‍යුත් තැපෑල → [EMAIL]. ආවරණ සහිත පෙළ දෙන්න; කොපමණ දත්ත සහ කුමන ආකාරයේ දත්ත ආවරණය කර ඇත්ද යන්න ද ලැයිස්තුගත කරන්න. ඔබට විශ්වාස නැති ප්‍රදේශයක් ද වසන්න (ආරක්ෂිත පැත්ත). පෙළ: <<...>>

2) ආවරණ සත්‍යාපනය (කාන්දු ස්කෑන් කිරීම):

පහත පෙළ ආවරණය කළ යුතුය. තවමත් දෘශ්‍යමාන නොකල පුද්ගලික/කාඩ්පත් දත්ත ඇතුලේ ඉතිරිව තිබේද? (නම, හැඳුනුම්පත, දුරකථනය, කාඩ්පත, ලිපිනය, ඊමේල්) ඔබ සොයාගත් දේ ලැයිස්තුගත කරන්න; කිසිවක් නොමැති නම්, "පිරිසිදු" කියන්න. පෙළ වෙනස් නොකරන්න, පරීක්ෂා කරන්න.පෙළ: <<වෙස්මුහුණු පෙළ>>

3) දත්ත අවම කිරීමේ පාලනය:

පහත AI විමසුම/ප්‍රතිදානය සඳහා, ව්‍යාපාරික අරමුණ මත පදනම්ව අවශ්‍ය නොවන පුද්ගලික දත්ත ක්ෂේත්‍ර පරීක්ෂා කරන්න. අරමුණ: <<උදා. ඇමතුම් සාරාංශය>>. උපුටා ගත හැක්කේ කුමන ක්ෂේත්‍රද? අවම දත්ත සමඟ එකම කාර්යය කරන සරල කළ අනුවාදයක් යෝජනා කරන්න.අන්තර්ගතය: <<...>>

4) වාහන/අනුකූලතා පූර්ව පිරික්සුම් ලැයිස්තුව (ලියාපදිංචිය):

ඇමතුම් මධ්‍යස්ථානයක නව AI මෙවලමක් භාවිතා කිරීමට පෙර, මෙම ප්‍රශ්නවලට පිළිතුරු දීමෙන් අනුකූලතා සටහනක් ඉදිරිපත් කරන්න:- දත්ත ගෘහස්ථව සකසන්නේද? - එය DPA අත්සන් කර තිබේද? - ආකෘති පුහුණුව සඳහා දත්ත භාවිතා කරන්නේද? - ගබඩා කාලය? - කාඩ්පත් දත්ත සකස් කර තිබේද? PCI-DSS ආවරණය? - ප්‍රවේශය ලොග් වී තිබේද? නැතිවූ/අවදානම් සහිත අයිතම "අනුමැතියකින් තොරව භාවිතා කළ නොහැක" ලෙස ලකුණු කරන්න.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

මෙම ඇමතුම් වාර්තාව සාරාංශ කරන්න: "Ahmet Yılmaz, TC 12345678901, kart5312 3456 7890 1234, ලිපිනය Bağdat Cad No 5, ඔහුගේ ඉන්වොයිසියට විරුද්ධ විය."

බරපතල උල්ලංඝනය: අමු නම, හැඳුනුම්පත සහ කාඩ්පත් අංකය පොදු මෙවලමක් වෙත යන්න; PCI-DSS සහ KVKK උල්ලංඝනය කිරීම.

බලවත් විමසුම:

පහත ආවරණ සහිත ඇමතුම සාරාංශ කරන්න: "[පාරිභෝගිකයා] [IDN], [CARD], [ADDRESS] සමඟ සත්‍යාපනය කර ඇති අතර ඔහුගේ ඉන්වොයිසියට විරුද්ධ වී ඇත." සාරාංශය නිර්නාමිකව තබා ගන්න; කිසිදු පුද්ගලික/කාඩ්පත් දත්ත උත්පාදනය හෝ ඉල්ලන්න එපා.

වෙනස: දත්ත ආවරණ, අවම කිරීම, සාරාංශය නිර්නාමික; උල්ලංඝනයක් නැත.

කුඩා නඩු තුනක්

නඩුව 1 - නිවැරදි ආවරණ. රක්ෂණ මධ්‍යස්ථානයක, දිනකට ඇමතුම් පිටපත් 8,000ක් විශ්ලේෂණය කරන ලදී. AI වෙත යාමට පෙර පිටපත් ස්වයංක්‍රීය ආවරණ තට්ටුවක් හරහා යවන ලදී; නම, TR ID අංකය, ප්‍රතිපත්ති අංකය සහ සෞඛ්‍ය තොරතුරු වසන් කරන ලද අතර දෛනික නියැදීම් සමඟ ආවරණ ප්‍රතිදානය පරීක්ෂා කරන ලදී. විශ්ලේෂණය එහි සියලු වටිනාකම රඳවා තබා ඇත, කිසිදු පුද්ගලික දත්ත ආකෘතියට අමුණා නැත. ආරක්‍ෂාව සහ ප්‍රතිලාභ එකට අත්කර ගත්තා.

නඩුව 2 - කාඩ්පත් දත්ත උල්ලංඝනය කිරීම. ඊ-වාණිජ්‍ය සේවකයෙකු ගෙවීම් ගැටළු විශ්ලේෂණය කිරීමට පොදු මෙවලමකට සම්පූර්ණ කාඩ්පත් අංක සහිත ඇමතුම් පටිගත කිරීම් උඩුගත කළේය. මෙය PCI-DSS හි වඩාත්ම මූලික රීතිය උල්ලංඝනය කළේය (කාඩ් දත්ත අනවසර මාධ්ය වෙත සම්ප්රේෂණය නොකිරීම); විගණනයේදී බරපතල සොයාගැනීම් සහ දඬුවම් ඇතිවීමේ අවදානමක් පැවතුනි. නිවැරදි ක්‍රමය වූයේ මූලාශ්‍රයේ ඇති කාඩ්පත් දත්ත සම්පූර්ණයෙන්ම වසං කිරීම සහ "[CARD] සමඟ ගෙවීම අසාර්ථක වූ" තොරතුරු පමණක් විශ්ලේෂණය කිරීමයි.

නඩුව 3 - ආවරණ කාන්දු වීම. බැංකුවක, ස්වයංක්‍රීයව ආවරණ කිරීම අසාමාන්‍ය ආකෘතියකින් ලියා ඇති හැඳුනුම්පත් අංක කිහිපයක් මග හැරී ඇත. වාසනාවකට මෙන්, "2) ආවරණ සත්‍යාපනය" පියවර ක්‍රියාත්මක වූ බැවින්, කාන්දුවීම් අල්ලා විශ්ලේෂණයට පෙර නිවැරදි කරන ලදී. පාඩම: වෙස්මුහුණු දැමීම පමණක් ප්‍රමාණවත් නොවේ; සත්‍යාපන ස්ථරය අවශ්‍ය වේ. මිනිස් දෝෂයක් වැනි තනි ස්ථරයක් තනි ලකුණු අසාර්ථකත්වයකි.

පොදු වැරදි

  • අමු දත්ත මෙවලමට ඇලවීම. නම, හැඳුනුම්පත, කාඩ්පත සහ ලිපිනය වෙස් මුහුණු නොමැතිව කිසිදු AI වාහනයකට ඇතුළත් නොකළ යුතුය.
  • කාඩ්පත් දත්ත සැකසීම. සම්පූර්ණ කාඩ්පත් අංකය කිසි විටෙක ආදර්ශ ආදානයට ඇතුළත් නොකෙරේ; PCI-DSS මෙය තහනම් කරයි.
  • ප්‍රසිද්ධියේ රිය පැදවීම. DPA නොමැති සහ පුහුණුවේදී දත්ත භාවිතා කරන මෙවලම් සඳහා පාරිභෝගික දත්ත ලබා නොදේ.
  • වෙස්මුහුණු කිරීම සත්‍යාපනය නොකරයි. ස්වයංක්‍රීයව ආවරණ කිරීම මග හැරිය හැක; නියැදීම්/වලංගුකරණ ස්ථරයක් තිබිය යුතුය.
  • විනිවිදභාවය මඟ හැරීම. පටිගත කිරීම සකසන බවත් බොට් සමඟ කතා කරන බවත් පාරිභෝගිකයා දැන සිටිය යුතුය; රහසිගතව සැකසීම සදාචාර විරෝධී මෙන්ම නීති විරෝධීද වේ.
  • ඕනෑවට වඩා දත්ත ගබඩා කිරීම. අරමුණ අවසන් වූ පසු තබා ගන්නා දත්ත අවදානමක් පමණි.
අවවාදයයි (තොරතුරු ආරක්ෂාව): මෙම ඒකකයේ සියලුම ශිල්පීය ක්‍රම වලංගු වන්නේ බලයලත්, ආරක්ෂක අරමුණු සහ ඔබේම සංවිධානයේ දත්ත සඳහා පමණි. අනවසර පුද්ගලයින් නිරීක්ෂණය කිරීම සඳහා කථන විශ්ලේෂණ, හඬ හඳුනාගැනීම සහ දත්ත සැකසුම් මෙවලම් භාවිතා කිරීම, වෙනත් කෙනෙකුගේ දත්ත වෙත ප්‍රවේශ වීම හෝ අනුමැතියකින් තොරව වාර්තා කිරීම නීති විරෝධී මෙන්ම වෘත්තීය ආචාර ධර්මවලට පටහැනි වේ. අවසරය, අරමුණ සහ කැමැත්ත නොමැතිව දත්ත සැකසෙන්නේ නැත.

සාරාංශයක් ලෙස

දත්ත රහස්‍යතාව, ආරක්ෂාව සහ අනුකූලතාව; ඇමතුම් මධ්‍යස්ථානයේ AI හි සාකච්ඡා කළ නොහැකි පදනම වේ. KVKK/GDPR පුද්ගලික දත්ත, PCI-DSS ගෙවීම් කාඩ්පත ආරක්ෂා කරයි; එක්කෝ උල්ලංඝණය කිරීම දැඩි සම්බාධක සහ විශ්වාසය නැතිවීම ගෙන එයි. AI වෙත ලබා නොදී ප්‍රභවයේ ඇති සංවේදී දත්ත මාස්ක් කරන්න, කිසිවිටෙක කාඩ්පත් අංකය නොපවත්වන්න, අවශ්‍ය තරම් දත්ත පමණක් බෙදා ගන්න (අවම කිරීම), ආවරණ කිරීම සත්‍යාපනය කිරීමට වග බලා ගන්න, සහ පුහුණුව සඳහා දත්ත භාවිතා නොකරන ව්‍යවසාය, DPA-සක්‍රීය මෙවලම් පමණක් තෝරන්න. පාරිභෝගිකයා සමඟ පාරදෘශ්‍ය වන්න සහ සියලු මෙවලම් අධිකාරිය, උපදේශනය සහ කැමැත්ත ඇතිව පමණක් භාවිතා කරන්න.

යෙදුම් කාර්යය

ඔබගේ ඇමතුම් මධ්‍යස්ථාන අවස්ථාවෙහි AI වෙත යා හැකි විවිධ දත්ත ක්ෂේත්‍ර 5ක් ලැයිස්තුගත කරන්න (උදා. නම, හැඳුනුම්පත, කාඩ්පත, ලිපිනය, සෞඛ්‍ය තොරතුරු) සහ ඔබ ඒ ඒ සඳහා භාවිතා කරන්නේ කුමන ආවරණ ටැගයද යන්න තීරණය කරන්න. මනඃකල්පිත අමු පිටපතක් ලියා "1) ආවරණ කිරීම සහ "2) ආවරණ සත්‍යාපනය" සැකිලි යොදන්න. අවසාන වශයෙන්, ඔබ මෑතකදී භාවිතා කළ (හෝ භාවිතා කිරීමට සලකා බලමින් සිටින) AI මෙවලමක් සඳහා, "4) මෙවලම/අනුකූලතා මූලික පිරික්සුම් ලැයිස්තුව" අච්චුව සමඟ අනුකූලතා සටහනක් ඉදිරිපත් කර නැතිවූ/අවදානම් අයිතම සලකුණු කරන්න.

පිරික්සුම් ලැයිස්තුව

  • [ ] මම AI වෙත ලබා නොදී මූලාශ්‍රයේ (නම, හැඳුනුම්පත, දුරකථන අංකය, ලිපිනය) සංවේදී දත්ත වසන් කරමි.
  • [ ] සම්පූර්ණ කාඩ්පත් අංකය කිසි විටෙක ආදර්ශ ඇතුළත් කිරීමෙහි (PCI-DSS) ඇතුළත් නොවේ.
  • [ ] මම රැකියාවට අවශ්‍ය දත්ත ප්‍රමාණය පමණක් බෙදා ගනිමි (අවම කිරීම).
  • [ ] මම වෙනම සත්‍යාපන ස්ථරයක් සමඟ ආවරණ කිරීම පාලනය කරමි.
  • [ ] මම අධ්‍යාපනයේ දත්ත භාවිතා නොකරන ආයතනික, DPA-සක්‍රීය මෙවලම් පමණක් භාවිතා කරමි.
  • [ ] මම පටිගත කිරීම/සැකසීම සහ බොට් සමඟ කතා කිරීම ගැන පාරිභෝගිකයා සමඟ විනිවිදභාවයෙන් සිටිමි.
  • [ ] මම මෙවලම් භාවිතා කරන්නේ බලයලත්, ආරක්ෂක සහ සම්මුතිවාදී අරමුණු සඳහා පමණි.