KVKK, Data ya Kibinafsi na Usindikaji wa Data

Faida:

• Uwezo wa kutathmini data ambayo inaweza kuingizwa kwenye chombo cha AI kulingana na kanuni za KVKK
• Uwezo wa kulinda data ya kibinafsi kwa kuficha/kuficha utambulisho na kusanidi kidokezo salama
• Uwezo wa kuandaa na kuthibitisha hati za KVKK kama vile maandishi ya habari na hesabu ya usindikaji wa data

Mali nyeti zaidi mikononi mwa mtaalamu wa kisheria na kufuata ni data: habari ya mteja, rekodi za mfanyakazi, data ya kibinafsi katika mikataba. Kuingiza data isiyo sahihi kwenye zana ya kijasusi bandia (AI) ni rahisi kama kubofya kitufe, lakini matokeo yake ni makubwa: Ukiukaji wa KVKK, faini ya usimamizi, ukiukaji wa usiri wa mkataba na kupoteza sifa. Swali la kitengo hiki ni wazi: ni data gani inaweza kuingizwa kwenye chombo gani na jinsi gani? Tutajifunza kutumia AI kwa usalama katika michakato ya KVKK na kuiweka kama msaidizi katika kuandaa hati kama vile maandishi ya ufafanuzi, orodha ya usindikaji, n.k. - lakini jukumu la data iliyoingizwa hubaki kwako kila wakati.

Hebu tufafanue masharti. KVKK ni Sheria ya Ulinzi wa Data ya Kibinafsi Nambari 6698; inasimamia usindikaji wa data ya kibinafsi. Data ya kibinafsi ni taarifa yoyote inayohusu mtu wa asili anayetambuliwa au anayeweza kutambulika (jina, nambari ya kitambulisho, simu, barua pepe, eneo). Data ya ubora maalum (nyeti) ni aina ya data ambayo inalindwa zaidi, kama vile afya, dini, maisha ya ngono, hatia za uhalifu. Kupunguza data ni kanuni ya kuchakata data nyingi tu inavyohitajika kwa kusudi fulani. Kuficha utambulisho ni mchakato wa kufanya data isiweze kuunganishwa tena na mtu; Kuficha/kuweka jina bandia ni kuficha taarifa ya utambulisho lakini kulinda uhusiano kwa kutumia ufunguo. Maandishi ya habari ni arifa inayomwambia mwenye data jinsi data yake inavyochakatwa.

Data ipi, kwa Gari Gani?

Uamuzi wa msingi unafanywa kwa shoka mbili: unyeti wa data na uhakikisho wa chombo. Data ya kibinafsi au ya siri inaweza tu kuingizwa katika zana zilizoidhinishwa zinazotoa uhakikisho wa data ya kitaasisi (data isiyopaswa kutumiwa katika elimu, isihifadhiwe, isishirikiwe na wahusika wengine). Kuingiza data ya kibinafsi kwenye zana ya umma isiyolindwa ni kuchukua data hiyo nje ya udhibiti wako.

Mtiririko wa uamuzi ni kama ifuatavyo:

1. Kuainisha. Je, kuna data ya kibinafsi/ya faragha/ya siri kwenye maandishi?
2. Uliza ikiwa ni lazima. Je, data ya kibinafsi ni muhimu kwa kazi hii (kupunguza)?
3. Angalia bima ya gari. Je, chombo hutoa uhakikisho wa data ya shirika?
4. Linda. Mask au ficha jina ikiwa sio lazima.
5. Andika. Rekodi madhumuni, msingi na muda wa usindikaji.

Jukumu lako: KVKK/mshauri wa ulinzi wa data. Fanya uainishaji wa data KABLA ya kuingiza maandishi yafuatayo kwenye zana ya AI: 1) Orodhesha data ya kibinafsi ndani yake (aina: jina, nambari ya kitambulisho, anwani, eneo ...). 2) Weka alama ikiwa kuna data nyeti (nyeti). 3) Weka alama kwenye data ya kibinafsi ambayo haihitajiki kwa kazi kama "inayoweza kutolewa". 4) Toa pendekezo la kuficha/kuficha majina kwa yale ambayo yanafaa kubaki. Tafsiri yaliyomo katika maandishi; hesabu tu data.<text>[maandishi ya kukaguliwa]</text>

Tahadhari: Kufuta gumzo hakurudishi data. Baada ya data ya kibinafsi/ya siri kuingizwa kwenye zana isiyolindwa, data hiyo inachukuliwa kuwa imechakatwa katika mifumo ya wahusika wengine. "Nitaifuta baadaye" sio ulinzi; Mahali pa ulinzi ni kabla ya kuingiza data.

Kufunika na Kulinda Silaha za Haraka

Kazi nyingi zinaweza kufanywa bila kujua mtu huyo ni nani. Jina halisi la mhusika halihitajiki kufanya muhtasari wa mkataba; "Upande A" inatosha. AI pia husaidia katika kuficha maandishi - lakini lazima mwanadamu adhibiti ukamilifu wa ufichaji.

Katika maandishi yafuatayo, badilisha taarifa zote za utambulisho wa moja kwa moja na lakabu thabiti: majina ya watu → "Mtu 1, Mtu 2"; makampuni → "Kampuni A, B";nambari ya TR, simu, barua pepe, anwani, IBAN → [MASKED]. Hifadhi maana na mahusiano. Mwishoni, toa jedwali la ramani la ni maelezo gani ulibadilisha na yale, ili niweze kuunganisha matokeo nyuma. Iwapo umeikosa, nitaangalia masking.

Ni muhimu kujua mipaka ya ufunikaji: wakati mwingine taarifa ambayo inaonekana kuwa haina hatia ikiunganishwa pamoja humfanya mtu atambulike (k.m. "CFO pekee wa kike huko Istanbul"). Ndiyo maana kutokutambulisha hakuhakikishwi kila wakati, na kwa kazi yenye unyeti mkubwa njia salama ni kutumia zana zilizoidhinishwa na shirika.

Kuandaa Hati za KVKK

AI hutoa kwa haraka rasimu za kwanza za hati kama vile maandishi ya ufichuzi, maandishi ya idhini ya wazi, na orodha ya usindikaji wa data. Lakini hati hizi ni za kisheria; Rasimu lazima ilingane haswa na shughuli yako halisi ya uchakataji na lazima ipitishe idhini ya kisheria.

Tayarisha maandishi ya maelezo RASIMU kwa shughuli ifuatayo ya uchakataji. Inapaswa kujumuisha vichwa vifuatavyo: kidhibiti cha data, kategoria za data iliyochakatwa, madhumuni ya kuchakata, sababu za kisheria, uhamisho (vikundi vya wapokeaji, ikiwa vipo), muda wa kuhifadhi, haki za mmiliki wa data, suluhu. Kanuni: - Jaza kila sehemu taarifa ninayotoa; Ikikosekana, ondoka [ILI KUJAZWA] na usidhani. - Ongeza dokezo "idhini ya kisheria inahitajika" kwa sababu ya kisheria na kipindi cha kubaki.<processing_activity>[madhumuni, aina za data, wapokeaji, muda]</processing_activity>

Uhamasishaji dhaifu / Uhamasishaji Wenye Nguvu

Kidokezo dhaifu: Fanya muhtasari wa faili hii ya mteja. [jina halisi, nambari ya TR, maelezo ya kesi yamebandikwa]

Matokeo: Data ya kibinafsi na ikiwezekana ya kibinafsi inaingizwa kwenye zana yenye usalama usio na uhakika. Hata kama kazi imekamilika, kumekuwa na ukiukwaji wa KVKK na usiri.

Kidokezo chenye nguvu: [uainishaji wa data ya kwanza + kuondolewa kwa data ya kibinafsi isiyo ya lazima + kuficha uso (majina bandia, [MASKED]) + zana iliyoidhinishwa/iliyolindwa + kisha muhtasari kwa maandishi yaliyofunikwa]

Matokeo: Kazi bado imefanywa, lakini mtu hawezi kutambuliwa; Ulinzi wa data ulihakikishwa kabla ya misheni.

Aina ya Data na Uchakataji Ufaao

Aina ya data

mfano

gari lisilo na usalama

Gari iliyoidhinishwa

Sio kibinafsi

Maandishi yasiyojulikana/ya umma

yanafaa

yanafaa

binafsi

Jina, anwani, IBAN

Mask/matumizi

Inafaa kwa masking

wenye sifa maalum

Afya, rekodi ya uhalifu

Kutumia

Inahitajika+imeidhinishwa pekee

Siri/bahati ya mteja

Mkakati wa madai

Kutumia

Salama pekee

Kesi Tatu Ndogo

Kesi ya 1 - Kuacha kabla ya kuingia. Mtaalam angefanya AI ifanye muhtasari wa orodha ya utendaji wa wafanyikazi wa watu 30 (jina, rekodi, noti za likizo ya matibabu). Maelekezo ya uainishaji wa data yalifichua kuwa maelezo ya matibabu yalikuwa data ya umiliki na hayahitajiki kwa misheni hata kidogo. Mtaalamu aliondoa safu hii kabisa, akabadilisha majina kuwa "Mfanyakazi 1-30" na akafanya kazi na alama za utendakazi pekee. Kazi ilifanyika; Data nyeti haijawahi kuingia kwenye gari.

Kesi 2 - Utambulisho upya. Timu inaweza kushiriki maandishi ya malalamiko yanayosema "tuliificha"; lakini maandishi hayo yalijumuisha maneno "meneja pekee katika ofisi kuu ambaye anatumia kiti cha magurudumu." Hii ilifanya mtu huyo atambulike hata kama jina lake lilifutwa. Hili liligunduliwa katika ukaguzi wa kuficha uso na taarifa hiyo ilikuwa ya jumla. Somo: kutotambua siku zote hakuhakikishi kutokujulikana; Muktadha unaweza pia kumtoa mtu.

Kesi ya 3 - Kuongeza kasi ya hesabu. Taasisi haikuweza kusasisha hesabu yake ya kuchakata data ya KVKK kwa miaka. Kwa AI, shughuli za usindikaji za kila idara ziliwekwa katika muhtasari uliopangwa (madhumuni, aina ya data, muda wa kuhifadhi, mpokeaji); Timu ya wanasheria ilizithibitisha na kuzirekebisha. Makadirio ya maandalizi ya hesabu yalipungua kutoka kwa wiki 6 hadi wiki 2. Jambo muhimu: kila mstari ulioingia kwenye hesabu ulithibitishwa na binadamu kwa kulinganisha na shughuli halisi; Rasimu ya AI haikukubaliwa kama ilivyo.

Makosa ya kawaida

• Kuingiza data bila uainishaji. Kubandika maandishi kwenye zana bila kuona ni aina gani ya data iliyo ndani yake ni ukiukaji wa kawaida.
• Kubeba data ya kibinafsi isiyo ya lazima. Upunguzaji unaporukwa, data ya kibinafsi/nyeti huchakatwa ingawa si lazima.
• Kutegemea "Nitaifuta baadaye." Data inachakatwa mara tu inapoingizwa; ulinzi unafanywa kwanza.
• Si kudhibiti masking. AI inaweza kuruka kitambulisho; masking lazima kuthibitishwa na binadamu.
• Sioni utambulisho upya wa muktadha. Taarifa za kibinafsi zisizo na madhara zikiunganishwa zinaweza kumtoa mtu huyo.
• Kuchapisha hati ya KVKK bila idhini. Maandishi ya habari/ridhaa na orodha zinahitaji idhini ya kisheria na uthibitisho wa shughuli halisi.

Kwa muhtasari

Swali la msingi katika KVKK ni "data gani, kwa gari gani, jinsi gani?" Panga data kwanza, ondoa kile kisichohitajika (kupunguza), funika au ficha kinachohitajika, na uchakata data nyeti/siri katika zana zilizoidhinishwa pekee zilizo na uhakikisho wa shirika. Mtu lazima adhibiti ukamilifu wa masking na hatari ya utambulisho upya wa muktadha; Hati kama vile maandishi ya ufafanuzi na orodha lazima zipitishe idhini ya kisheria. AI huharakisha kazi ya uhifadhi na nyaraka; Mtaalamu aliyeidhinishwa huamua ni data gani inayoweza kuchakatwa na utoshelevu wa ulinzi.

Jukumu la maombi

Chagua maandishi ambayo yana data ya kibinafsi (usitumie data halisi; tengeneza mfano). (1) Ondoa data nyeti na ya kibinafsi kwa kidokezo cha uainishaji wa data. (2) Tambua na uondoe zile ambazo hazihitajiki kwa ajili ya kazi, ak. (3) Tafuta misemo ambayo iko katika hatari ya kutambuliwa upya kwa muktadha. (4) Toa maandishi ya rasimu ya maelezo ya shughuli ya kuchakata na uorodheshe alama za "idhini ya kisheria".

orodha ya ukaguzi

• [ ] Je, data imeainishwa kabla ya kuingiza zana?
• [ ] Je, data ya kibinafsi/nyeti isiyo ya lazima imeondolewa kwa kazi (kupunguza)?
• [ ] Je, data ya kibinafsi iliyosalia imefichwa/kutajwa?
• [ ] Je, masking inadhibitiwa na binadamu?
• [ ] Je, hatari ya kutambua upya muktadha imetathminiwa?
• [ ] Je, data nyeti/siri huchakatwa kwenye gari lililoidhinishwa pekee?
• [ ] Je, hati za KVKK zilitayarishwa kwa idhini ya kisheria na uthibitisho halisi wa shughuli?