Јединице
1. Увод у вештачку интелигенцију у финансијама и порезима: улоге, границе, верификација и етика 2. Истраживање пореског законодавства: закон, саопштење, одлука и судска одлука 3. Подршка за припрему декларације: ПДВ, порез по одбитку, привремени и корпоративни порез 4. Обрачун и основица пореза: Дисциплина прерачунавања 5. Анализа финансијских извештаја: Биланс стања, Биланс успеха и тумачење показатеља 6. Контролне листе пореске усклађености и аутоматизација процеса 7. Нацрти обавештења, приговора и преписке: Пореска служба и помирење 8. Порески преглед и припрема ревизије: документи, докази, одбрана 9. Трансферне цене, повраћај ПДВ-а и сложена питања 10. Подаци о клијентима и приватност: КВКК, ВУК поверљивост и безбедни алати 11. Управљање ризиком од грешака, халуцинација и погрешних интерпретација 12. Безбедан радни ток од краја до краја: контрола квалитета, стручно одобрење и аутоматизација
Јединица 10 / 12

Подаци о клијентима и приватност: КВКК, ВУК поверљивост и безбедни алати

Добици:

  • Способност класификације пореских и финансијских података у оквиру обавезе поверљивости КВКК и Закона о пореском поступку и утврђивање нивоа заштите
  • Способност примене корака анонимизације, маскирања и безбедног/институционалног избора алата пре давања података вештачкој интелигенцији
  • Способност стицања навике избегавања вожње без надзора познавањем правних, кривичних и професионалних последица кршења приватности.

Професионалац види најинтимније информације пореског обвезника: промет, добит, кретање банке, плате запослених, ТР ИД бројеве, уговоре, структуре партнерства. Ове информације су заштићене са два одвојена правна слоја: КВКК (Закон о заштити података о личности, закон који забрањује неовлашћену обраду личних података) и обавеза поверљивости из Закона о пореском поступку (обавеза професионалца да чува у тајности информације које сазна због своје дужности). У доба вештачке интелигенције, ова заштита се суочава са новом претњом: стављањем осетљивих података у неконтролисани алат. Принцип ове јединице је јединствен: подаци се штите пре уласка у АИ; Никакви осетљиви подаци не улазе у возило без надзора.

Двослојна заштита и зашто је треба схватити озбиљно

  • КВКК слој: Све информације (име, ТР ИД, плата, контакт) које припадају стварним особама су лични подаци. Неовлашћена обрада, пренос и неадекватна заштита резултираће административним казнама и одштетом.
  • ВУК слој поверљивости: Професионалац не може да дели финансијске тајне пореског обвезника са трећим лицима. Прекршај носи и кривичне и професионалне (дисциплинске) последице.

Пробни салдо или платни списак залепљени у јавно доступни АИ алат могу се сматрати „пренетим трећој страни“. Често је нејасно како алат чува податке и да ли се користи у обуци. Сама ова неизвесност је довољан ризик.

Пажња: Идеја да то „ионако нико неће видети“ није правна одбрана. Када подаци уђу у неконтролисани систем, они су ван ваше контроле. Нарушавање приватности није опасно због могућности да се догоди, већ зато што је неповратно када се деси.

Пре давања података АИ: кораци заштите

  1. Класификујте. Да ли су подаци које имате лична, финансијска тајна или јавни? У складу са тим одредите ниво заштите.
  2. Неопходност питања. Да ли је заиста потребно дати ове податке моделу, или се задатак може урадити са анонимним/сумарним подацима?
  3. Анонимизирај/маскирај. Њихова имена су К1, К2; компаније С1, С2; Замените ТР ИД и бројеве рачуна маском. Генерализујте јединствене детаље који пружају индиректну дијагнозу.
  4. Изаберите безбедно возило. Ако је могуће, користите корпоративни/одобрени алат који гарантује задржавање података.
  5. Задржи траг. Забележите које сте податке дали ком алату и са каквом заштитом.

Тип података

пример

конзерваторски приступ

податке о идентитету

Име, ТР ИД

Маскирај/анонимизирај; никада не давати сирово

финансијска тајна

Промет, профит, банка

Резимирај/анонимизирај; возило предузећа

подаци о односима

партнер, добављач

Генерализе; уклоните јединствене детаље

јавности

декларисани биланс стања

може се нормално обрадити

Како се анонимизација ради у пракси?

Анонимизација чини идентитет неразлучивим док подаци остају корисни. На пример, биће вам анализиран платни списак: ставите редни број уместо имена и ТР ИД, анализа расподеле плата неће бити поремећена, али нико не може бити идентификован. Критична тачка је индиректна дијагноза: изрази попут "једина жена генерални директор" или "једини 92-годишњак у компанији од 35 људи" одају особу чак и ако избришете име; Они су такође генерализовани.

три мини кофера

Случај 1 — Цурење платног списка. Стажиста поставља платни списак од 3.500 људи (име, лична карта, плата) на бесплатни веб алат и каже „сажми“. Подаци представљају ризик од мешања у складиште возила; И КВКК и ВУК крше поверљивост. Ако купац сазна, готово је. Прави начин је био да користите возило које је одобрила компанија или да дате расподелу плата само маскирањем вашег имена/ТР ИД-а.

Случај 2 — Индиректна дијагноза. Консултант даје моделу листу у којој брише имена, али оставља фразу „једини страни менаџер компаније“. Ова изјава одаје особу; Анонимизација недостаје. Поука: јединствене детаље који дају индиректну дијагнозу такође треба генерализовати.

Случај 3 — Добро руковање. Пре него што унесе осетљиве податке у модел, канцеларија пролази кроз стандардни корак анонимизације: користећи шаблон, конвертује имена, ИД-ове и називе брендова у кодове, а затим их анализира. Квалитет анализе се не смањује, не процури идентитет. Приватност и ефикасност су заштићени заједно.

Слаба промпт / Јака промпт

Слабо обавештење:

Сумирајте следеће платне спискове: [Ахмет Иıлмаз, ТЦ 123..., плата 45.000; ...]

Сирови лични подаци улазе у возило неконтролисано; То је директно кршење.

Снажан упит:

Даћу вам скуп података. ПРЕ обраде примените следећу анонимизацију и покажите ми и анонимизовану верзију:- Направите имена особа К1, К2... - Потпуно уклоните ТР ИД и бројеве рачуна.- Направите називе компаније/брендова Т1, К2.... Уопштите јединствене детаље који би могли индиректно да идентификују особу. Затим радите само на анонимној верзији.[ПОДАТЦИ (маскирани што је више могуће): ...]

Напомена: Најсигурније је уопште не уносити необрађене личне податке; Ако уђете, морате бити маскирани и у безбедном возилу.

За помоћ при класификацији података:

Класификујте свако од следећих поља: да ли су то лични подаци, да ли је финансијска тајна, да ли су јавни? Напишите препоручени ниво заштите за свако. Поља: [називи поља, узорак ПОВРАТАК]

Да бисте генерисали шаблон за анонимност:

Направите стандардну контролну листу анонимизације коју бих користио у анализи платног списка/пробног стања: која поља треба маскирати, која треба изоставити, шта треба да тражим за индиректну дијагнозу?

За процену безбедности возила:

Која питања треба да поставим када процењујем да ли је АИ алат погодан за осетљиве податке пореских обвезника (задржавање података, коришћење у образовању, корпоративни уговор, локација)? Направите контролну листу.

Уобичајене грешке

  • Уношење необрађених личних података. Никада не улазите у возило без провере имена/ТР ИД-а.
  • Прескакање индиректне дијагнозе. Јединствени детаљ одаје идентитет чак и ако је име избрисано.
  • Не питам за безбедност возила. Осетљиви подаци се не дају без знања како алат чува податке.
  • Не доводећи у питање неопходност. Ако се задатак може обавити са анонимним/сумарним подацима, сирови подаци се уопште не дају.
  • Не пратим. Ако се не евидентира који су подаци где дати, кршењу се не може ући у траг.

Укратко

Подаци пореских обвезника су заштићени у два слоја обавезама о поверљивости и КВКК и ВУК, а највећи нови ризик у доба вештачке интелигенције је лепљење осетљивих података у неконтролисани алат. Пре него што се подаци унесу у модел, они се класификују, њихова неопходност се доводи у питање, идентификатори као што су име/ТР ИД се маскирају и детаљи који дају индиректну дијагнозу се генерализују; Ако је могуће, користи се само безбедан корпоративни алат са загарантованим задржавањем података. Повреда приватности је неповратна штета; Најсигурнији подаци су подаци који се никада не уносе.

Задатак апликације

Узмите типичну осетљиву датотеку (нпр. платни списак или пробни биланс) у своју руку. Прво класификујте њихове области (лична/финансијска тајна/јавна). Затим примените шаблон за анонимизацију: наведите које области ћете маскирати, које ћете уклонити и шта ћете тражити за индиректну идентификацију. На крају, процените безбедносну подобност алата вештачке интелигенције који користите/које ћете користити са контролном листом.

контролна листа

  • [ ] Податке сам класификовао као личну/финансијску тајну/јавну.
  • [ ] Запитао сам се да ли је заиста било потребно да пружим необрађене податке.
  • [ ] Ја сам маскирао/уклонио име, ТР ИД и бројеве рачуна.
  • [ ] Имам генерализоване јединствене детаље који пружају индиректну дијагнозу.
  • [ ] Користио сам само безбедне/предузетничке алате са гаранцијама за задржавање података.
  • [ ] Оценио сам политику података (чување, обука) алата.
  • [ ] Забележио сам које податке сам где дао као траг.