Faida:
- Uwezo wa kutofautisha data inayomfanya mwanamke mjamzito kutambulika moja kwa moja au kwa njia isiyo ya moja kwa moja na kuiondoa kabla ya kuitoa kwa akili ya bandia.
- Uwezo wa kutumia upunguzaji wa data na kupata tabia ya kutumia zana zilizoidhinishwa na taasisi tu ndani ya mfumo wa KVKK.
- 'Je, mtu huyu anaweza kupatikana kutoka kwa maandishi haya?' Uwezo wa kudhibiti hatari ya kutambuliwa tena kwa kutumia jaribio
Ukunga ni taaluma inayogusa taarifa za watu binafsi zaidi: jinsi mimba inavyotokea, mimba zilizopita, kuharibika kwa mimba, hasara, mahusiano, hali ya akili, afya ya ngono. Habari hii inapoanguka katika mikono isiyo sahihi, husababisha madhara yasiyoweza kutenduliwa - mgogoro wa nyumbani, unyanyapaa wa kijamii, kupoteza uaminifu. Kwa hiyo, usiri sio "kanuni ya ziada" katika ukunga, lakini msingi wa taaluma. Mara tu unapoanzisha AI kwenye biashara yako, mipaka mpya ya faragha itafunguka: chochote unachoandika kwenye kisaidizi cha gumzo kinaweza kuwa nje ya udhibiti wako. Kitengo hiki kinakufundisha mwanzo-mwisho jinsi ya kulinda data ya wajawazito unapotumia AI - hasa ndani ya mfumo wa KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi; sheria inayodhibiti uchakataji wa data ya kibinafsi nchini Türkiye).
Kanuni ya msingi iko katika sentensi moja: Taarifa zozote zinazomfanya mwanamke mjamzito kutambulika hazipaswi kamwe kuingia katika chombo cha kijasusi bandia. Kujifunza sheria hii huchukua nafasi ya kwanza juu ya ujuzi mwingine wote katika moduli; Kwa sababu baada ya kuvuja data haiwezi kurejeshwa.
Makini: Maandishi unayoandika kwenye zana ya AI huenda kwa seva za huduma hiyo; inaweza kuhifadhiwa, kusindika, na katika baadhi ya matukio kutumika kwa ajili ya mafunzo ya mfano. Kusema "nilitaka tu muhtasari" hakurudishi data. Njia pekee salama ni kutowahi kuandika kitambulisho hapo kwanza.
Data ya kibinafsi ni nini, ni taarifa gani inayoifanya itambuliwe?
Data ya kibinafsi ni taarifa yoyote inayomfanya mtu atambulike moja kwa moja au kwa njia isiyo ya moja kwa moja. Katika ukunga, hizi ziko katika kitengo maalum (kama vile data ya afya, ambayo hupokea ulinzi wa juu zaidi katika sheria). Fikiria habari inayotoa utambuzi katika vikundi viwili:
Vitambulisho vya moja kwa moja: Jina la ukoo, nambari ya kitambulisho cha TR, faili/nambari ya itifaki, simu, anwani, barua pepe, tarehe ya kuzaliwa, akaunti ya mitandao ya kijamii, picha.
Maelezo yasiyo ya moja kwa moja (pamoja na kuifanya kutambulika): "Mimba ya tatu pekee katika kitongoji hicho", "mwenye umri wa miaka 44 pekee katika taasisi na ujauzito wake wa kwanza", ugonjwa wa nadra + makazi ndogo, mahali pa kazi + umri wa ujauzito. Maelezo machache ambayo yanaonekana kutokuwa na hatia peke yao yanaweza kuashiria mtu wakati wa kuletwa pamoja. Hii inaitwa hatari ya kutambulika tena.
Kuondoa utambulisho ni mchakato wa kuondoa vitambulishi hivi kutoka kwa maandishi. Uondoaji utambulisho uliofanywa vizuri husafisha vitambulishi vya moja kwa moja na visivyo vya moja kwa moja.
Hatua kwa hatua: Utambulisho kabla ya kutoa data kwa AI
- Futa vitambulishi vya moja kwa moja: Jina, kitambulisho, nambari ya simu, nambari ya faili, anwani, tarehe - viondoe vyote. Ibadilishe na maneno ya jumla kama vile "Mjamzito A", "takriban umri wa miaka 38", "trimester ya pili".
- Tia vidokezo visivyo vya moja kwa moja: Badilisha umri kamili kuwa safu (k.m. "miaka ya mapema ya 40"), eneo sahihi katika eneo, michanganyiko adimu kuwa ya jumla.
- Tupa maelezo yasiyo ya lazima: Toa maelezo ya chini zaidi yanayohitajika kwa AI kufanya kazi yake (kupunguza data). Historia ya mwanamke mjamzito haihitajiki kuandika kadi ya kunyonyesha.
- Sera ya taasisi ya hundi: Baadhi ya taasisi hufafanua zana za AI zilizoidhinishwa/kitaasisi; inaweza kuzuia kuingiza data ya mgonjwa kwenye zana za kibinafsi/bila malipo. Fuata kanuni za taasisi yako.
- Usomaji wa mwisho: Kabla ya kutuma kidokezo "je, mtu huyu anaweza kupatikana kutoka kwa maandishi haya?" Isome kwa mara nyingine.
Hatua ngumu zaidi kati ya hizi tano ni ya pili - kutia ukungu kwa vidokezo visivyo vya moja kwa moja - kwa sababu kufuta vitambulishi vya moja kwa moja ni rahisi na huja akilini kwanza, lakini utambuzi mwingi hutoka kwa mchanganyiko wa maelezo yasiyo ya moja kwa moja. Mchanganyiko wa taaluma, umri, mahali pa kuishi, na hali isiyo ya kawaida inaweza kupunguza mtu hadi mtu mmoja, hata ikiwa hakuna jina linalotajwa. Kwa hivyo, uondoaji utambulisho haupaswi kuzingatiwa kama "kufuta majina" lakini kama "kuhakikisha kwamba hakuna mtu anayesoma maandishi haya anayeweza kukisia mtu huyo." Mfumo huu wa kiakili hupunguza kwa kiasi kikubwa hatari ya kutambuliwa tena.
Kidokezo: Jaribio zuri: Ikiwa utamwonyesha mwenzako maandishi ambayo hayakutambuliwa ambaye anamjua mwanamke huyo mjamzito, je, anaweza kusema "hii ni fulani na fulani"? Ikiwa anaweza kusema hivyo, inamaanisha kuwa haujamtofautisha vya kutosha.
kesi tatu ndogo
Kesi ya 1 - Utambuzi usio wa moja kwa moja: Alipouliza AI kwa muhtasari wa historia, mkunga aliacha kitambulisho lakini akaacha maneno "mimba ya watoto wanne pekee katika mji wetu." Sentensi hii moja inaelekeza moja kwa moja kwa mtu katika sehemu hiyo ndogo. Mwenzake anatambua na kuonya; Mkunga anajumlisha usemi kama "mimba nyingi". Somo: vitambulishi visivyo vya moja kwa moja ni hatari kama vile vitambulishi vya moja kwa moja.
Kesi ya 2 - Kupunguza data: Mkunga wa pili huwa anabandika faili nzima ya mwanamke mjamzito kwenye AI badala ya kuchapisha tu brosha ya "lishe ya ujauzito". Inasimama: hakuna data ya kibinafsi inahitajika kwa brosha. Anachukua broshua bila kutoa faili, akiandika tu somo. Data salama zaidi ni data ambayo haishirikiwi kamwe.
Kesi ya 3 — Zana isiyo sahihi: Katika mfano wa tatu, mkunga anakaribia kuchapa taarifa za mgonjwa katika programu tumizi kwenye simu yake ya kibinafsi anapokumbuka sera ya kitaasisi: data ya mgonjwa inaweza tu kuchakatwa kuondoshwa kutambuliwa na kutumia zana zilizoidhinishwa na taasisi. Kutotumia programu ya kibinafsi. Uvujaji wa data mara nyingi huibuka kutoka kwa wakati kama huo wa "urahisi" na sio kutoka kwa hitilafu ya kiufundi.
Violezo vinavyoweza kunakiliwa
Jukumu: Wewe ni msaidizi wa udhibiti wa uondoaji utambulisho.Kazi: Weka alama kwenye kila usemi katika maandishi hapa chini ambayo yanaweza kumtambulisha mtu MOJA KWA MOJA au MOJA KWA MOJA:- Moja kwa moja: jina, kitambulisho, simu, anwani, nambari ya faili, tarehe kamili, picha.- Isiyo ya moja kwa moja: mchanganyiko adimu, sehemu ndogo + hali maalum, umri kamili, mahali pa kazi, ubora wa kipekee/pekee. Pendekeza salama zaidi kwa maandishi GENE.
Jukumu: Wewe ni mshauri wa kupunguza data.Kazi: Ninataka kufanya kazi hii: [kazi]. Ni maelezo gani ya chini kabisa ambayo LAZIMA nikupe ili kufanya hivi? Tia alama kwenye maelezo ya mgonjwa yasiyo ya lazima kama "[USITOE]".
Jukumu: Wewe ndiye msaidizi salama wa muhtasari. Kazi: Fanya muhtasari wa hadithi ILIYOTAMBULISHWA hapa chini. Ukiona maelezo ya kitambulisho kwenye maandishi, usifanye muhtasari; badala yake andika "Nimegundua vitambulisho, tafadhali futa na utume tena." Hadithi: [hadithi]
Orodha ya ukaguzi ya ukumbusho wa sera ya taasisi (jiulize):- Je, chombo hiki kimeidhinishwa na taasisi yangu?- Je, kuna taarifa zozote zinazoweza kumtambulisha mtu binafsi katika data niliyoingiza?- Je, taarifa hii kweli inahitajika kwa kazi hii?- Je, mtu ninayemjua anaweza kumpata mtu huyo akisoma maandishi?- Je, nitaongeza maelezo ya kitambulisho ninapohifadhi matokeo?
Mwongozo dhaifu / Mwongozo thabiti
Dhaifu: "Ayşe Y., 39, mimba ya tatu, katika hospitali ifuatayo, nambari ya faili 4412; fanya muhtasari wa historia yake."
Kidokezo hiki kimejaa vitambulishi vya moja kwa moja; Data ya kibinafsi ilivuja mara tu ilipotumwa.
Nguvu:
Jukumu: msaidizi salama wa muhtasari. Fanya muhtasari wa historia ifuatayo isiyojulikana. "Mjamzito A, mwishoni mwa miaka ya 30, ujauzito wa tatu, [maelezo ya matibabu yanayohusiana bila kujulikana]." Ukiona taarifa ya kutambua katika maandishi, usifupishe, onya.
Tofauti: Hakuna vitambulishi vya moja kwa moja/zisizo za moja kwa moja katika toleo dhabiti; kuna tu muktadha usio na utambulisho unaohitajika kufanya kazi hiyo. Usalama huanza kabla ya kidokezo kuandikwa.
Nini cha kushiriki na nini usishiriki
Aina ya habari
Je, inaanguka katika AI?
mbadala
Jina, TR ID, simu, anwani, nambari ya faili
kamwe
"Mjamzito A"
Umri kamili / tarehe kamili
hapana
Umri / trimester
Mchanganyiko wa mahali pa nadra +
hapana
kujumlisha
Muktadha wa jumla wa matibabu (bila jina)
Ndiyo, ikiwa ni lazima
Tumia kupunguza data
Picha/picha
Hapana (uso/ishara)
sio lazima
Gari ambayo haijaidhinishwa na taasisi
Hakuna data ya mgonjwa
Gari iliyoidhinishwa
Makosa ya kawaida
- Kufuta tu jina na kuacha dalili zisizo za moja kwa moja: Hatari ya utambulisho upya bado.
- Kubandika faili nzima kwa ajili ya "urahisi": Inakiuka kanuni ya kupunguza data.
- Kuingiza data ya mgonjwa kwenye vifaa vya kibinafsi/ visivyoidhinishwa: Inaweza kuwa kinyume na sera ya taasisi na KVKK.
- Kushiriki picha/picha ya skrini: Uso, jina na nambari ya faili kwenye picha inaweza kubaki siri.
- Kuongeza kitambulisho wakati wa kuhifadhi pato: Kuongeza kitambulisho kwenye pato ambalo huja bila kitambulisho hurejesha hatari.
- Kwa kudhani "inafutwa hata hivyo": Hujui data ni nini; Dhamana pekee sio kutuma chochote kabisa.
Kwa muhtasari
Unapotumia akili ya bandia, faragha ni sharti, si ufundi. Taarifa yoyote ambayo hufanya mwanamke mjamzito moja kwa moja (jina, kitambulisho, simu) au kwa njia isiyo ya moja kwa moja (mchanganyiko wa nadra + eneo ndogo) kutambulika haipaswi kuingia chombo cha AI. Fanya mazoezi ya kupunguza data - toa maelezo ya chini zaidi yanayohitajika kufanya kazi - na utumie zana zilizoidhinishwa na shirika lako pekee. Bila kutuma kidokezo "je, mtu huyu anaweza kupatikana kutoka kwa maandishi haya?" fanya mtihani. Baada ya kuvuja, data haiwezi kurejeshwa; Kwa hiyo, usalama huanza kabla ya kuandikwa kwa haraka.
Jukumu la maombi
Chukua historia halisi ya ujauzito (kwenye karatasi) na ufute maandishi kwa hatua kwa kutumia kiolezo cha utambulisho: kwanza moja kwa moja, kisha vitambulisho visivyo vya moja kwa moja. Onyesha maandishi yaliyofutwa kwa mwenzako na uulize "huyu anaweza kuwa nani?" uliza; Ikiwa unaweza kuitambua, ijumlishe zaidi. Pia tafuta sera ya AI/data ya taasisi yako, ifanye muhtasari kwa sentensi moja, na utambue ni zana zipi zimeidhinishwa.
orodha ya ukaguzi
- [ ] Niliondoa vitambulishi vyote vya moja kwa moja (jina, kitambulisho, simu, anwani, nambari ya faili).
- [ ] Nilijumlisha maelezo yasiyo ya moja kwa moja (mchanganyiko adimu, eneo dogo, umri kamili).
- [ ] Nimetoa maelezo ya chini tu yanayohitajika kufanya kazi.
- [ ] Nilitumia tu zana iliyoidhinishwa na taasisi yangu.
- [ ] "Je, mtu huyu anaweza kupatikana kutoka kwa maandishi haya?" Nilifanya mtihani.
- [ ] Sikuongeza kitambulisho chochote kwenye matokeo baadaye.