Vinster:
- Förbereder svar på informationsförfrågningar i enlighet med lagstiftningen och förklarar varken mer eller mindre.
- Den anonymiserar öppen data innan den publiceras och skannar den på nivån av kombinationer som riskerar att identifieras igen.
- Vet att transparens är ett styrningsverktyg som ökar allmänhetens förtroende och särskiljer vad som bör hållas konfidentiellt.
Hörnstenen i en demokratisk offentlig förvaltning är transparens: medborgarnas förmåga att lära sig hur och på vilka grunder beslut som rör dem fattas. Denna princip kommer till liv i två konkreta mekanismer. Den första är rätten till information (lag om rätten till information nr 4982; medborgare kan begära information och handlingar från offentliga institutioner, med undantag). Den andra är öppna data (offentliga institutioner publicerar den icke-personliga och icke-konfidentiella delen av den data de producerar på ett sätt som alla kan komma åt och använda). Här är AI ett kraftfullt hjälpmedel för att klassificera inkommande informationsförfrågningar, ta fram svarsutkast, förutvärdera vilken information som kan ges och vilken som är undantagen samt förbereda öppna datamängder för publicering. Men det tvåfaldiga förbehållet för denna enhet är viktigt: transparensen bör inte vara mer eller mindre – medborgaren bör ges den information han har rätt till, men personuppgifter och verkliga undantag bör skyddas; Denna balans upprättas av den ansvariga offentliga tjänstemannen, inte AI:n.
De två felaktiga änden av att få kunskap
Vid förfrågningar om information kan fel begås i två riktningar:
- Brist på transparens: Avvisar onödigt givbar information som "konfidentiell/exceptionell". Detta både kränker rätten och skapar misstro mot institutionen och hamnar ofta i rättsväsendet.
- Överavslöjande: Av misstag avslöjar tredje parts personuppgifter, en affärshemlighet eller ett verkligt undantag (säkerhet etc.) när du skickar in en handling. Detta bryter mot KVKK och orsakar skada.
AI kan hjälpa till i båda ändar: den kan skanna ett dokument, markera personuppgifter i det och föreslå redigering (dölja/ta bort konfidentiella/personliga delar av dokumentet); Den kan lista den undantagskategori under vilken du kommer att utvärdera begäran. Men det slutgiltiga beslutet - om denna information ges, vilken del som är osynlig - tillhör en person som bär juridiskt ansvar.
Observera: AI:s uttalande att "denna information är inom ramen för undantaget" eller "kan ges" är inte en juridisk åsikt. Undantagsutvärdering görs och motiveras i enlighet med relevanta artiklar i lagen om tillgång till information; AI producerar bara förkval och utkast.
Publicera öppna data säkert
Öppna data ökar allmänhetens effektivitet och ansvarsskyldighet; entreprenörer, journalister, forskare skapar värde från denna data. Men innan man publicerar en datamängd bör den kontrolleras mot risken för återidentifiering (data som tros vara anonyma länkas tillbaka till individer genom att kombinera dem med annan data). Till exempel kan kombinationen "ålder + grannskap + sällsynt yrke" indikera en enda person. När du förbereder en datamängd för publicering är AI till hjälp för att flagga riskabla kolumnkombinationer och skriva en dataordbok (en beskrivning av vad varje kolumn betyder).
Tips: Innan du publicerar öppna data, fråga: "Kan jag hitta en enda person genom att kombinera två-tre kolumner i den här uppsättningen?" Om svaret är "kanske", aggregera (grupp istället för individuell), kombinera sällsynta kategorier eller ta bort det känsliga området.
Steg för steg informationsflöde
- Förstå och klassificera efterfrågan. Vad efterfrågas, vilken enhet gäller det, hur länge är det?
- Finns information eller måste den tas fram? Lagen omfattar befintlig kunskap; institutionen kanske inte behöver ta fram ny analys (bekräftad).
- Undantagsutvärdering. Finns det några undantag såsom personuppgifter, säkerhet, affärshemligheter, intern åsikt?
- Redaktion. Ta bort delar av det exporterbara dokumentet som behöver bevaras.
- Resonerat svar. Delen given/ej given och dess grund; Invändningsmetod om den avvisas.
- Logg och revisionsspår. Begäran, beslut och motivering antecknas.
tre minifodral
Fall 1 — Redigeringsfel undviks. En byrå skulle lämna in ett förfrågningsunderlag till en begäran om informationsfrihet. AI skannade dokumentet och markerade telefonnummer och TR ID-nummer för tre personer. Om det hade skickats utan korrektur hade det varit ett brott mot KVKK; personuppgifter svärtades, dokumentet levererades säkert.
Fall 2 – Orättvist avslag korrigerat. En enhet skulle vanligtvis avvisa en begäran om aktivitetsdata som "inhouse". När AI tillfrågades om undantagskategorierna sågs det att denna data faktiskt redan var publicerbar som öppen data. Uppmaningen tillgodoses, en eventuell invändning och stämning förhindrades.
Fall 3 — Återidentifieringsrisk. En kommun skulle publicera sin datauppsättning "serviceförfrågningar" som öppna data. Uppsättningen inkluderade grannskap + fullständig adressdistriktsuppdelning. AI varnade för att adressfältet kunde peka på enskilda siffror; Adressen sammanställdes till gatunivå och uppsättningen publicerades säkert.
Fyra kopierbara mallar
1) Klassificering av informationsbegäran:
Din roll: specialist på informationsinhämtning. Behandla följande begäran: (1) exakt vad som efterfrågas, (2) vilken enhet det gäller, (3) om det kräver befintlig information eller ny produktion, (4) möjliga undantagskategorier (personuppgifter, säkerhet, företagshemligheter etc.). Ange att varje undantag "måste motiveras av den relevanta artikeln". Beslutsfattande, förutvärdera. BEGÄRAN: [text]
2) Redigering (markering av personliga/konfidentiella uppgifter):
Markera i dokumentet nedan alla delar som ska MASKAS i ett informationssvar: namn-efternamn, TR ID-nummer, adress, telefon, hälso-/kriminalitetsuppgifter, tredje parts data, företagshemlighet. Skriv en kort motivering för varje tecken. Lämna den exporterbara delen av dokumentet som den är. DOKUMENT: [text]
3) Motiverat svarsutkast:
Utarbeta ett motiverat svar på följande begäran: (1) vilken information som gavs, (2) vilken del som inte gavs och varför (undantagsklausul [bekräftas]), (3) överklagandemetod och varaktighet [bekräftas]. Språket ska vara formellt och respektfullt. Motiveringen för den del som inte ges bör vara konkret, inte generell. BEGÄRAN: [sammanfattning] BESLUT: [vad gavs/inte gavs]
4) Öppna dataåterautentiseringskontroll:
Undersök kolumnerna i datasetet nedan. Lista vilka kombinationer av kolumner som kan indikera en enskild person (risk för omidentifikation). Föreslå någon begränsning för varje risk: aggregering, aggregering av sällsynt kategori, fältextraktion. Använd bara den givna kolumnlistan. KOLUMNER: [lista]
Svag prompt / Stark prompt
Svag: "Svara på denna begäran om information."
Güçlü: "Din roll är en informationsenhetsexpert. Klassificera först begäran: vad som efterfrågas, vilken enhet, är den tillgänglig, vilka är de möjliga undantagen. Markera varje undantag som "att motiveras av den relevanta artikeln", fattar inte ett juridiskt beslut själv. Markera sedan de personliga/konfidentiella delarna som måste maskeras i dokumentet som ska lämnas in med ett redaktionsförslag, inklusive det slutgiltiga svaret och inte det angivna svaret. att invända; göra motiveringen konkret."
Skillnad: stark uppmaning balanserar transparens och skydd, binder undantaget till motiveringen, lägger till redigering och överklagande.
Tillvägagångssätt efter informationstyp
Informationstyp
Standard
Uppmärksamhet
Statistik, aggregerad data
öppna
Omidentifikationskontroll
Skäl till administrativa åtgärder
kan ges
Redigera tredje parts data
Tredje parts personuppgifter
skyddas
KVKK; men med tillstånd/undantag
Undantag för säkerhet/integritet
skyddas
Är det ett verkligt undantag, bekräfta
Intern åsikt/förhandling
Beror på
Utvärdera enligt relevant artikel
Anonymisering och risk för omidentifikation
Det mest tekniska men kritiska steget för att publicera öppen data är anonymisering (att göra en person oidentifierbar direkt eller indirekt från en data). Namn och T.R. Att radera ID-numret är ofta inte tillräckligt; eftersom kombinationen av flera vanliga områden gör en person omidentifierbar. Detta kallas omidentifiering (att hitta personen genom att korsmatcha data som anses vara anonyma med annan information). Om det till exempel finns en ensamstående 92-årig änkling i ett grannskap kommer trion "grannskap + ålder + civilstånd" att avslöja honom. AI kan hjälpa till att undersöka vilka kombinationer av fält i en datamängd som riskerar att avslöjas och föreslå säkrare gruppering (konvertera ålder till intervall, kombinera sällsynta kategorier); Men beslutet om publicering och slutrevisionen är institutionens ansvar.
Minifodral — avslöjande med tre områden. En kommun publicerade socialbidragsdata "anonymt": inget namn, utan grannskap, födelseår och typ av funktionsnedsättning. En journalist märkte en sällsynt typ av funktionsnedsättning hos en enda person i ett enda grannskap och identifierade personen. Uppgifter som dras tillbaka; Den återpublicerades när födelseåret omvandlades till ett 10-årsintervall och de sällsynta kategorierna grupperades under "övrigt".
Mall som skärmar efter risk för återidentifiering:
Uppgift: Undersök kolumnerna i följande datamängd; Jag publicerar inga personuppgifter, jag vill bara ha riskkontroll. Kolumner: [kolumnnamn]Utdata: 1) Direkta identifierare (måste raderas). 2) Indirekta identifieringskombinationer (risk för omidentifiering). 3) Rekommenderad gruppering/maskering för varje riskfylld kombination. 4) Slutkontrollfrågor före publicering. Regel: Jag klistrade inte in några riktiga personliga värderingar; Tänk bara på kolumnstrukturen.
Varning: "Jag tog bort namnet, nu anonymt" är den vanligaste och farligaste missuppfattningen. Anonymitet bestäms inte av själva fältet, utan av kombinationen av fält och sannolikheten för matchning med externa data. Om du är osäker, publicera inte; Anonymitet är ett oåterkalleligt beslut.
Vanliga misstag
- Att vanemässigt förkasta. Att betrakta den information som kan ges som onödig "konfidentiell" är en kränkning av rättigheter och en anledning till stämning.
- Skicka in oredigerade dokument. Att avslöja tredje parts data är ett brott mot KVKK.
- Använder undantaget utan motivering. Avslag måste ske med konkret substans och konkret motivering; Att säga "inhouse" räcker inte.
- Förlitar sig på AI:s juridiska bedömning. Beslutet att göra ett undantag är mänskligt; AI förkvalificerar sig.
- Förbigå omidentifikation i öppna data. Kolumnkombinationer kan hitta människor; aggregat.
- Utan att specificera sättet att invända. Vid avslag ska ansökningsmetod och varaktighet skrivas (bekräftas).
Sammanfattningsvis
Öppenhet är grunden för allmänhetens förtroende; AI är ett kraftfullt hjälpmedel för att klassificera FOI-förfrågningar, rekommendera korrekturläsning, utarbeta svar och förbereda öppna data för publicering. Men balansen är kritisk: medborgarna måste få den information de har rätt till, verkliga undantag och personuppgifter måste skyddas. Beslutet att göra ett undantag måste vara motiverat och mänskligt; Öppna data bör granskas för risk för återidentifiering innan publicering.
Applikationsuppgift
Ta emot en verklig (maskerad) begäran om informationsfrihet. Förutvärdera med mallen "Begär klassificering", applicera mallen "Redaktion" på ett bifogat dokument och markera områdena som ska maskeras. Tillämpa mallen "Öppen dataåteridentifiering" på kolumnerna i en öppen datamängd och hitta minst en riskabel kombination.
checklista
- [ ] Jag klassificerade begäran; Jag avvisade inte den information som kunde ges i onödan.
- [ ] Jag utvärderade undantagen med konkret substans och motivering (mänskligt beslut).
- [ ] Jag har redigerat de personliga/konfidentiella uppgifterna i dokumentet som ska skickas.
- [ ] Vid avslag har jag angett invändningsmetod och varaktighet (bekräftat).
- [ ] Jag kontrollerade risken för omidentifikation i öppna data.
- [ ] Jag antecknade begäran, beslut och motivering för revision.