Faragha ya Mteja, KVKK na Matumizi Salama ya Akili Bandia

Faida:

• Kutathmini taarifa kulingana na unyeti wake na kutofautisha kati ya gari lililo wazi na mfumo salama kwa kutumia kielelezo cha 'uliza darasa, linganisha gari'.
• Kuelewa kiwango cha chini kabisa cha data, kanuni za usalama na uwajibikaji za KVKK na kuona kuwa kufuta jina hakutoshi na muktadha ni utambulisho.
• Uwezo wa kupitisha nidhamu ya kuchagua njia salama zaidi ikiwa kuna shaka, kulinda data nyeti katika kiwango cha juu na kuripoti ukiukaji kwa uwazi.

Kile mteja anachokuambia—vurugu, ugonjwa, umaskini, uraibu, siri za familia—ndio taarifa dhaifu zaidi, za faragha za maisha yake. Anakupa habari hii kwa ujasiri wa usiri wa kitaaluma. Uaminifu huu ni msingi unaowezesha kazi ya kijamii kufanya kazi; Inapotikiswa, mteja hafungui tena na huduma inapoteza kazi yake. Kudumisha uaminifu huu katika umri wa akili ya bandia kumechukua mwelekeo mpya: kuingiza taarifa za mteja kwenye chombo kisicho sahihi sasa sio tu uvunjaji wa faragha, lakini pia dhima ya kisheria chini ya KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi) na inaweza kusababisha uvujaji wa habari usioweza kutenduliwa. Katika kitengo hiki, utajifunza jinsi ya kulinda data ya mteja katika umri wa AI, mantiki ya msingi ya KVKK, tofauti kati ya magari ya wazi na magari salama, na nidhamu ya vitendo ya "usafi wa data".

Kanuni ya msingi zaidi tangu mwanzo ni ile tunayorudia katika sehemu hii yote: Hakuna data ya kibinafsi inayomtambulisha mteja itakayowekwa kwenye zana ya umma ya AI ambayo taasisi yako haijaidhinisha. Sentensi hii moja ndio kiini cha maelezo yote hapa chini.

Muhtasari wa KVKK kwa mfanyakazi wa kijamii

KVKK hudhibiti jinsi data ya kibinafsi (maelezo yoyote yanayofanya mtu kuwa mahususi au kutambulika - jina, kitambulisho, anwani, simu, lakini pia taarifa kama vile afya, hali ya familia, rekodi ya uhalifu) inaweza kuchakatwa. Data nyingi unayochakata katika kazi za kijamii ni data nyeti ya kibinafsi (data ambayo uvujaji wake ni hatari sana, kama vile afya, maisha ya ngono, dini, kabila, hatia za uhalifu) na inahitaji ulinzi wa juu zaidi. Maana ya vitendo ya KVKK kwako inakuja kwa kanuni chache:

• Kizuizi cha madhumuni na kiwango cha chini cha data: Ni data nyingi tu inavyohitajika ndiyo huchakatwa. Wakati wa kuchakata maandishi kwenye AI, usiingize maelezo yoyote ya kibinafsi ambayo hayahitajiki kwa kazi hiyo.
• Usalama: Data inalindwa dhidi ya ufikiaji usioidhinishwa. Zana ya umma ya AI haitoi usalama huu.
• Idhini na uwazi: Kufahamisha mteja kuhusu jinsi data inavyochakatwa. Kutoa data ya mteja kwa zana ya nje isiyodhibitiwa sio ndani ya wigo wa idhini yoyote.
• Uwajibikaji: Ukiukaji ukitokea, jukumu liko kwa shirika kuchakata data na mtu anayeingiza data hiyo - "AI ilitaka iwe hivyo" sio utetezi.

Tahadhari: Kufuta majina mara nyingi SI ulinzi wa kutosha. Hata kama jina halijatajwa katika maandishi, muktadha (jirani + umri + tukio + tarehe + muundo wa familia) unaweza kumfanya mtu atambulike. Ulinzi halisi hutolewa si kwa masking, lakini kwa kuchagua chombo sahihi na mazingira.

Ulimwengu mbili: gari wazi dhidi ya mfumo salama

Tenganisha matumizi yako ya AI katika ulimwengu mbili wazi:

1. Ulimwengu wa zana za umma/wazi. Inaweza kutumika kwa kazi ambazo hazimtambui mteja: maswali ya habari ya jumla ("Jinsi ya kuandika lengo la SMART?"), mafunzo na mifano ya kubuni / isiyojulikana, maelezo ya jumla ya sheria, maandiko ya programu ambayo hayaelekezi kwa mtu yeyote. Data halisi ya mteja haijaingizwa hapa.

2. Ulimwengu wa data ya mteja. Kazi yoyote inayohusisha taarifa halisi ya mteja - kurekodi, ripoti, dokezo la hatari, rufaa - inafanywa tu katika mifumo salama iliyoidhinishwa na taasisi yako, ambapo data haivuji. Ikiwa hakuna mfumo huo, kazi hiyo inafanywa bila AI, kwa njia ya jadi salama.

Kuchanganya hizi mbili - kutoa data halisi ya mteja kwa zana iliyo wazi - ni kosa hatari zaidi na la kawaida la moduli hii.

Hatua kwa hatua: nidhamu ya usafi wa data

1. Uliza kuhusu darasa. Uliza kabla ya kila kazi: "Je, maandishi haya yanaelezea mteja?" Ikiwa ndio, mfumo salama; Ikiwa hapana, gari wazi linaweza kutumika.
2. Punguza. Weka kikomo data iliyoingizwa kwa kiwango cha chini kinachohitajika na kazi, hata kama kazi inaihitaji.
3. Disidentify (na kujua mipaka yako). Ondoa vitambulisho inapobidi; lakini kumbuka kuwa muktadha unaweza pia kutoa utambulisho.
4. Tumia zana iliyoidhinishwa. Jua ni gari gani ambalo taasisi inaidhinisha data ipi na usigeuke kutoka kwake.
5. Ikiwa huna uhakika, fanya kama mtu wa darasa la juu. Ikiwa huna uhakika kama data ni nyeti au la, chagua njia iliyolindwa zaidi.
6. Ripoti ukiukaji. Ikiwa kuna uvujaji au hitilafu, uifiche; Ripoti kwa mujibu wa utaratibu wa taasisi. Uingiliaji wa mapema hupunguza uharibifu.

kesi tatu ndogo

Kesi ya 1 - Muktadha ulitoa utambulisho. Mtaalamu aliwasilisha muhtasari wa kesi kwa chombo wazi, akisema "Nilifuta majina, ni salama sasa." Hakukuwa na jina katika maandishi, lakini kulikuwa na maneno "Mwanamke mwenye ulemavu wa macho katika kitongoji cha X, na watoto 3, ambaye mume wake yuko gerezani." Kulikuwa na mtu mmoja tu katika kitongoji hicho ambaye alifaa maelezo hayo - utambulisho ulikuwa wazi. Mtaalamu mkuu aliliona hili; Kazi ilihamishiwa kwenye mfumo salama. Somo: muktadha pia ni data ya kibinafsi.

Kesi ya 2 - Sera ya chini kabisa ya data ilifanya kazi. Mtaalam alihitaji kurahisisha sentensi moja tu. Badala ya kutoa faili lote kwa chombo, alitoa sentensi moja tu bila maelezo ya kibinafsi. Kazi ilifanyika, hakuna data nyeti iliyotoka. Sera ya chini ya data ilikuwa salama na ya kutosha.

Kesi ya 3 - Kuripoti mapema kumepunguza uharibifu. Mkodishaji mpya alibandika taarifa za mteja kimakosa kwenye chombo kilicho wazi na akagundua mara moja. Badala ya kuogopa na kujificha, mara moja aliripoti kwa msimamizi wake. Taasisi hiyo ilitathmini tukio hilo kulingana na utaratibu wa KVKK, ilichukua hatua zinazohitajika na kumfundisha mfanyakazi jinsi ya kuitumia kwa usahihi. Arifa ya uwazi na ya haraka ilizuia tukio hilo kuongezeka.

Violezo vinne vinavyoweza kunakiliwa

1) Ndege ya awali ya darasa la data:

Tathmini maandishi yafuatayo KABLA ya kuyachakata katika zana ya AI: Je, maandishi haya yanamfanya mtu atambulike moja kwa moja (jina, kitambulisho, anwani, simu) AU kwa njia isiyo ya moja kwa moja (muktadha: mtaa, umri, tukio, muundo wa familia)? Je, ina data nyeti (afya, dini, kabila, rekodi ya uhalifu)? Ikiwa ndivyo, ni sehemu gani? Niambie ikiwa maandishi haya yanaweza kutolewa katika zana ya umma. Maandishi: [bandika maandishi]

2) Kushusha daraja hadi kiwango cha chini cha data:

Amua habari CHACHE inayohitajika kufanya kazi ifuatayo. Ondoa maelezo yote ya kibinafsi ambayo hayatakiwi na kazi na uache tu sehemu isiyo ya kutambua ambayo inahitajika na kazi. Orodhesha ni taarifa gani umeacha na kwa nini.Job: [eleza kazi]Nakala: [bandika maandishi]

3) Utambulisho na udhibiti wa muktadha:

Dondoo vitambulisho (jina, kitambulisho, anwani, simu, jina la taasisi) moja kwa moja kutoka kwa maandishi hapa chini. Pia weka alama vipengele vyovyote vya muktadha ambavyo vimesalia katika maandishi (mchanganyiko adimu wa hali, eneo mahususi + tukio) ambavyo vinaweza kutoa utambulisho MOJA KWA MOJA. Kabla ya kuziondoa, tathmini ikiwa maandishi bado yanamfanya mtu atambulike.Nakala: [bandika maandishi]

4) Kuunda mfano wa mafunzo yasiyojulikana/ya kubuni:

Toa kisa cha mfano kinachofanana na kisa halisi, lakini ni cha KUTUMIWA kabisa na si mali ya mtu yeyote halisi; Nitatumia hii kwa mafunzo/mazoezi. Kutumia majina halisi, mahali au matukio; Wacha kila kitu kiwe bandia. [Mada: tathmini ya awali ya utunzaji wa wazee]

Mwongozo dhaifu / Mwongozo thabiti

Agizo dhaifu:

Ninabandika faili nzima ya mteja huyu hapa chini, itanipa muhtasari mzuri. (pamoja na jina, anwani, maelezo ya afya)

Hii ni kutoa data nyeti ya kibinafsi kwa mfumo wa nje usiodhibitiwa - ukiukaji wa KVKK na hatari ya faragha isiyoweza kutenduliwa. Just because the summary is "nice" does not excuse this violation.

Agizo lenye nguvu:

(Katika mfumo salama ulioidhinishwa tu na taasisi, au kwa maandishi yasiyotambulika.) Fanya muhtasari wa maandishi ya DE-IDENTIFIED hapa chini. Sijaacha muktadha wowote katika maandishi ambao unaweza kutoa jina, anwani, kitambulisho au utambulisho. Shughulikia tu taarifa zinazohitajika kwa kazi. Maandishi: [bandika maandishi yasiyojulikana]

Tofauti: kufanya kazi katika zana inayofaa, iliyo na data ndogo na isiyotambulika, hulinda faragha na sheria wakati wa kufanya kazi.

Aina ya data na njia sahihi

Aina ya data

mfano

chombo sahihi

Taarifa za jumla

"Lengo la SMART ni nini?"

gari wazi

mfano wa kubuni

Kesi ya mafunzo iliyotengenezwa

gari wazi

Bila utambulisho + bila muktadha

Kurahisisha sentensi ya jumla

Fungua gari (kwa uangalifu)

Data ya mteja

rekodi halisi, ripoti

Mfumo salama pekee

Data ya ubora maalum

Afya, adhabu, ukabila

Ulinzi wa juu / mfumo salama

Dokezo la hatari/usalama

Vurugu, habari za ulinzi

Ulinzi wa juu / mfumo salama

Makosa ya kawaida

• Kutoa data halisi ya mteja kwa zana iliyo wazi. Makosa hatari zaidi na ya kawaida; Ukiukaji wa KVKK na kupenya isiyoweza kutenduliwa.
• "Nimefuta majina" nikidhani ni usalama. Muktadha unaweza kutoa utambulisho; Masking sio ulinzi.
• Kuingiza data zaidi ya lazima. Tumia sera ya chini kabisa ya data; Toa kadiri kazi inavyohitaji.
• Kuchukua hatari wakati huna uhakika. Ukiwa na shaka, chagua njia salama zaidi, fanya kama watu wa tabaka la juu.
• Kuficha ukiukaji. Kuripoti mapema na kwa uwazi hupunguza madhara; Kujificha hufanya iwe kubwa zaidi.

Kwa muhtasari

Faragha ya mteja ni msingi wa uaminifu katika kazi ya kijamii, na katika umri wa AI, pia inageuka kuwa wajibu wa kisheria na KVKK. Kanuni ya msingi ni wazi: hakuna data ya kibinafsi inayomtambulisha mteja inayoingia kwenye chombo cha umma ambacho hakijaidhinishwa. Weka ulimwengu mbili (zana wazi dhidi ya mfumo salama) tofauti, tumia kanuni ya chini kabisa ya data, fahamu kuwa kufuta majina hakutoshi na muktadha ni utambulisho, ikiwa kuna shaka, chagua njia salama zaidi na uripoti ukiukaji kwa uwazi. Faragha sio kipimo kilichoongezwa baadaye, lakini kanuni iliyozingatiwa tangu mwanzo kabisa.

Jukumu la maombi

Andika maandishi ya kifani cha kubuni na uone ni vipengee gani AI inatia alama kuwa data ya kibinafsi/faragha kwa kiolezo cha "darasa la data kabla ya kukimbia". Kisha jaribu na muundo wa "de-identification and context check" ili kuona kama muktadha bado unatoa utambulisho hata baada ya kufuta majina. Mwishowe, toa mfano ambao unaweza kutumia kwa usalama kwenye zana iliyo wazi na kiolezo cha "mfano wa mafunzo ya uwongo" usiojulikana.

orodha ya ukaguzi

• [ ] Kabla ya kila kazi, "Je, maandishi haya yanaelezea mteja?" niliuliza.
• [ ] Ninachakata data ya mteja katika mifumo iliyoidhinishwa na salama pekee.
• [ ] Nilitumia sera ya chini kabisa ya data; Sikuingia kwa undani zaidi.
• [ ] Kwa kujua kwamba kufuta jina haitoshi, pia niliangalia muktadha.
• [ ] Katika hali ya shaka, nilichagua njia salama zaidi na ninajua njia ya kuripoti iwapo kutakuwa na ukiukaji.