Faida:
- Inaweza kutofautisha ni data gani inayoweza kuandikwa kwa zana za AI
- Inaweza kutumia kivitendo dhana za data ya kibinafsi na siri za biashara
- Inajua tofauti ya faragha kati ya zana za biashara na za umma za AI
Kitengo hiki kinapata kiini cha makosa ya kawaida na hatari kubwa zaidi katika matumizi ya kila siku ya AI: Unaweza kuandika nini kwenye zana ya AI na nini huwezi? Ikiwa mfanyakazi, kwa nia njema, atabandika data nyeti ya mteja kwenye zana ya gumzo la umma ili kuharakisha biashara, hiyo inaweza kuhatarisha kampuni katika hatua za kisheria na uharibifu wa sifa. Katika kitengo hiki tutatoa dira iliyo wazi na inayoweza kutekelezeka. KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi) ni sheria inayodhibiti jinsi data ya kibinafsi itakavyochakatwa nchini Türkiye; Sawa yake ya Ulaya ni GDPR.
Kanuni ya Msingi: "Data Kuacha Mlango Hairudi kamwe"
Mara tu unapoandika maelezo kwenye zana ya umma ya AI, maelezo hayo yanaweza kuwa nje ya udhibiti wako. Kulingana na aina ya gari, data hii; inaweza kuhifadhiwa, kupitiwa upya na wafanyakazi, au kutumika katika mafunzo ya baadaye ya mfano. Kwa hivyo swali la msingi ni: "Je, nitajali ikiwa ningetuma habari hii kwa mtu nisiyemjua?" Ikiwa jibu lako ni "ndiyo," fikiria mara mbili kabla ya kuandika habari hiyo kwenye zana ya umma.
Data ipi ni Hatari? Uainishaji Rahisi
Kategoria
mifano
Je, inaweza kuandikwa kwenye chombo cha umma?
data ya kibinafsi
Jina la ukoo, nambari ya kitambulisho cha TR, simu, anwani, afya, mshahara
hapana
siri ya biashara
Mkakati wa bei, fomula, msimbo wa chanzo, maelezo ya mkataba
hapana
Taarifa za siri za ndani
Fedha ambazo hazijachapishwa, maamuzi ya wafanyikazi, mawasiliano ya ndani
hapana
data ya mteja
Orodha za Wateja, historia ya ununuzi, rekodi za mawasiliano
hapana
habari za umma
Blogu iliyochapishwa, taarifa kwa vyombo vya habari, maelezo ya jumla
Ndiyo
Mfano wa kubuni/usiojulikana
Mfano wa matukio na majina ya maandishi
Ndio (kwa uangalifu)
Makini: "Data ya kibinafsi/nyeti" (afya, dini, kabila, bayometriki, rekodi ya uhalifu) inahitaji ulinzi wa juu zaidi. Usiandike kwa zana yoyote ya nje bila kufichua utambulisho wao.
Kutokutambulisha: Kufanya Kazi Ile Ile Kwa Usalama
Katika hali nyingi, unaweza kufikia lengo lako bila kutoa data nyeti kwa chombo. Mbinu kuu ni kutokutambulisha: kuondoa taarifa inayomtambulisha mtu au shirika na badala yake kuweka misemo ya jumla.
- "mteja" badala ya "Ali Veli"
- "Mkataba muhimu na mteja mkubwa wa kampuni" badala ya "mkataba wa TL milioni 2 na Acme A.Ş."
- Kuzifuta kabisa badala ya kitambulisho/simu/anwani halisi
- Takriban takwimu au wakilishi badala ya takwimu halisi
Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu
Kidokezo dhaifu: Ahmet Yılmaz (TC 123456...), nambari ya mteja 0532... amekuwa akichelewesha malipo yake kwa miezi 3 iliyopita. Nimuandikie nini?
Matokeo: Usiri mkubwa na ukiukaji wa KVKK; data ya kibinafsi ilienda kwa zana ya nje.
Kidokezo chenye nguvu: Andika barua pepe ya ukumbusho ya heshima lakini iliyo wazi itakayotumwa kwa mteja wa muda mrefu ambaye amecheleweshwa na malipo yake kwa takriban miezi 3. Usitumie jina, kitambulisho, au nambari; zibadilishe na vishika nafasi kama vile [Jina la Mteja].
Matokeo: Unapata kazi sawa, hakuna data ya kibinafsi iliyofichuliwa.
Kesi Tatu Ndogo
Kesi ya 1 - Ilibandika orodha ya wateja. Mfanyikazi alibandika laini 800 za orodha za barua pepe za wateja kwenye zana ya umma ili "kuzigawa." Orodha hiyo ilikuwa na siri za biashara na data ya kibinafsi. Timu ya usalama wa habari iliona hali hiyo; Tukio hilo liligeuka kuwa mchakato wa arifa ya ukiukaji wa data. Jibu sahihi lilikuwa: kusoma data na sampuli zisizojulikana/wakilishi au kutumia zana ya kitaasisi iliyoidhinishwa.
Kesi ya 2 - Kutatua kwa kutokutambulisha. Mtaalamu wa HR alikuwa akijiandaa kwa mahojiano ya utendaji. Badala ya jina halisi la mfanyakazi na maelezo yake, alielezea mfanyakazi kama "mfanyikazi ambaye alikosa malengo yake katika robo ya mwisho lakini ana uhusiano mzuri wa timu." Alipata hoja muhimu za kuzungumza; Hakuna aliyefichuliwa.
Kesi ya 3 — "Uliza IT kwanza" reflex. Kabla ya timu kusambaza zana mpya ya AI, usalama wa habari unapaswa kuuliza "tunaweza kutumia aina gani za data?" Aliuliza. Walijifunza kuwa mkataba wa toleo la biashara ulikuwa na kifungu cha "data isiyotumika kwa mafunzo ya mfano" na wakachapisha sheria wazi ya matumizi. Matokeo: kasi + usalama pamoja.
Tofauti kati ya Enterprise AI na Public AI
- Zana za umma/bila malipo: Kwa kawaida hutoa uhakikisho mdogo kuhusu jinsi data yako inavyohifadhiwa na kutumiwa. Kwa chaguo-msingi, ni mazingira ambayo unapaswa kuwa waangalifu zaidi.
- Zana za biashara/mkataba: Matoleo ya biashara ambayo kampuni hutumia na mkataba mara nyingi hutoa dhamana za kimkataba kama vile "data yako haitatumika katika mafunzo ya kielelezo", "itafutwa ndani ya kipindi fulani cha muda", "itahifadhiwa katika eneo fulani".
Violezo vinavyoweza kunakiliwa
Futa taarifa zote za kibinafsi na za utambulisho (jina, kitambulisho, simu, anwani, barua pepe, jina la kampuni) kutoka kwa maandishi yaliyo hapa chini na uweke nafasi ya [ROLE] au [PLACEHOLDER]. Kisha hamisha maandishi yaliyosafishwa. Nakala: [bandika hapa]
Andika upya hali hii kwa mfano wa kubuni kabisa, bila kutumia taarifa zozote za mtu/taasisi halisi. Mfano: [bandika hapa]
Nitengeneze "orodha ya ukaguzi wa faragha kabla ya kuandika kwa AI": data ya kibinafsi, siri ya biashara, data ya mteja, na maelezo ya siri ya ndani.
Sanifu upya na ubainishe vishikilia nafasi vinavyohitajika ili kuniruhusu kukamilisha kazi ifuatayo bila kushiriki data halisi ya mteja/mfanyakazi. Swali: [jaribio]
Makosa ya Kawaida
Makosa ya kawaida
- Kubandika data halisi ya kibinafsi. Jina, kitambulisho, nambari ya simu, anwani, afya, mshahara hazijajumuishwa kwenye vyombo vya umma.
- Kwa kudhani "hakuna mtu atakayeiona". Data inaweza kuhifadhiwa au kutumika katika mafunzo; hatari lazima kudhibitiwa.
- Kwa kudhani chombo hicho ni cha ushirika. Ikiwa huna uhakika, uliza usalama wa IT/habari; Sio kila gari hutoa dhamana sawa.
- Kufikiria kuwa kupakia picha za skrini/faili ni "salama". Data ya kibinafsi katika picha au hati pia ni data ya kibinafsi.
- Kukwepa kutokutambulisha. Kazi nyingi zinaweza kufanywa bila kutambua habari.
Tahadhari: Kwa sababu ya KVKK/GDPR, faragha sio chaguo "bora ikitokea", lakini ni sheria ya lazima kufuata. Kuhamisha data ya kibinafsi kwa zana ya wahusika wengine bila ruhusa kunaweza kusababisha faini ya usimamizi.
Kwa muhtasari
- Data unayoandika kwenye zana ya umma ya AI inaweza kuwa nje ya udhibiti wako; Tenda na kanuni ya "data inayoacha mlango hairudi".
- Data ya kibinafsi, siri za biashara, maelezo ya siri ya ndani na data ya mteja haipaswi kuandikwa kwa zana zinazopatikana kwa umma.
- Unaweza kufanya kazi sawa kwa usalama kwa kuondoa taarifa za kutambua na kutokutambulisha.
- Zana za biashara zinaweza kutoa dhamana za faragha za kimkataba; Kuwa mwangalifu zaidi katika magari ya umma.
- Usiri ni wajibu wa kisheria kutokana na KVKK/GDPR; Ikiwa huna uhakika, wasiliana na timu yako ya usalama wa IT/maelezo.
Kazi ya Maombi
Kagua ingizo uliloandika (au kufikiria kuandika) kwenye AI katika wiki iliyopita. Je, zina data ya kibinafsi au ya siri? Geuza moja kuwa toleo salama lisilojulikana kwa kutumia kiolezo cha "kusafisha" hapo juu na uone tofauti.
Orodha ya ukaguzi
- [ ] Ninajua ni aina gani za data haziwezi kuandikwa kwa zana za umma.
- [ ] Ninaweza kutumia dhana za data ya kibinafsi na siri za biashara kwa vitendo.
- [ ] Ninaweza kufanya kazi salama kwa kutokutambulisha.
- [ ] Ninajua tofauti ya faragha kati ya zana za biashara na za umma.
- [ ] Ninapokuwa sina uhakika, ninashauriana na timu ya usalama ya IT/maelezo.