KVKK, వ్యక్తిగత డేటా మరియు డేటా ప్రాసెసింగ్

లాభాలు:

• KVKK సూత్రాలకు అనుగుణంగా AI సాధనంలోకి ఏ డేటాను నమోదు చేయవచ్చో అంచనా వేయగల సామర్థ్యం
• మాస్కింగ్/అనామకీకరణతో వ్యక్తిగత డేటాను రక్షించే సామర్థ్యం మరియు సురక్షిత ప్రాంప్ట్‌ను సెటప్ చేయడం
• సమాచార టెక్స్ట్ మరియు డేటా ప్రాసెసింగ్ ఇన్వెంటరీ వంటి KVKK డాక్యుమెంట్‌లను డ్రాఫ్ట్ చేయగల మరియు ధృవీకరించగల సామర్థ్యం

చట్టపరమైన మరియు సమ్మతి నిపుణుడి చేతిలో ఉన్న అత్యంత సున్నితమైన ఆస్తి డేటా: క్లయింట్ సమాచారం, ఉద్యోగి రికార్డులు, ఒప్పందాలలో వ్యక్తిగత డేటా. కృత్రిమ మేధస్సు (AI) సాధనంలో తప్పు డేటాను నమోదు చేయడం బటన్‌ను నొక్కినంత సులభం, కానీ పరిణామాలు తీవ్రంగా ఉంటాయి: KVKK ఉల్లంఘన, అడ్మినిస్ట్రేటివ్ జరిమానా, ఒప్పంద గోప్యత ఉల్లంఘన మరియు కీర్తిని కోల్పోవడం. ఈ యూనిట్ యొక్క ప్రశ్న స్పష్టంగా ఉంది: ఏ డేటాను ఏ సాధనంలోకి నమోదు చేయవచ్చు మరియు ఎలా? మేము KVKK ప్రాసెస్‌లలో AIని సురక్షితంగా ఉపయోగించడం నేర్చుకుంటాము మరియు క్లారిఫికేషన్ టెక్స్ట్, ప్రాసెసింగ్ ఇన్వెంటరీ మొదలైన డాక్యుమెంట్‌లను సిద్ధం చేయడంలో సహాయకుడిగా ఉంచుతాము - కానీ నమోదు చేసిన డేటాకు బాధ్యత ఎల్లప్పుడూ మీపైనే ఉంటుంది.

నిబంధనలను స్పష్టం చేద్దాం. KVKK అనేది వ్యక్తిగత డేటా రక్షణ చట్టం నం. 6698; వ్యక్తిగత డేటా ప్రాసెసింగ్‌ను నియంత్రిస్తుంది. వ్యక్తిగత డేటా అనేది గుర్తించబడిన లేదా గుర్తించదగిన సహజ వ్యక్తికి సంబంధించిన ఏదైనా సమాచారం (పేరు, ID నంబర్, టెలిఫోన్, ఇ-మెయిల్, స్థానం). ప్రత్యేక నాణ్యత (సున్నితమైన) డేటా అనేది ఆరోగ్యం, మతం, లైంగిక జీవితం, నేరారోపణలు వంటి మరింత కఠినంగా సంరక్షించబడిన డేటా రకం. డేటా కనిష్టీకరణ అనేది ఒక ప్రయోజనం కోసం అవసరమైనంత డేటాను మాత్రమే ప్రాసెస్ చేసే సూత్రం. అనామకీకరణ అనేది ఒక వ్యక్తికి డేటాను తిరిగి లింక్ చేయడం సాధ్యం కాకుండా చేసే ప్రక్రియ; మాస్కింగ్/సూడోనామైజేషన్ అనేది గుర్తింపు సమాచారాన్ని దాచడం, కానీ కీతో సంబంధాన్ని కాపాడడం. సమాచార వచనం అనేది డేటా యజమానికి వారి డేటా ఎలా ప్రాసెస్ చేయబడుతుందో తెలియజేసే నోటిఫికేషన్.

ఏ డేటా, ఏ వాహనం?

ప్రాథమిక నిర్ణయం రెండు అక్షాలపై తీసుకోబడింది: డేటా యొక్క సున్నితత్వం మరియు సాధనం యొక్క హామీ. వ్యక్తిగత లేదా గోప్యమైన డేటా సంస్థాగత డేటా హామీని అందించే ఆమోదించబడిన సాధనాల్లో మాత్రమే నమోదు చేయబడుతుంది (డేటాను విద్యలో ఉపయోగించకూడదు, నిల్వ చేయకూడదు, మూడవ పక్షాలతో భాగస్వామ్యం చేయకూడదు). అసురక్షిత పబ్లిక్ టూల్‌లో వ్యక్తిగత డేటాను నమోదు చేయడం వలన ఆ డేటా మీ నియంత్రణలో ఉండదు.

నిర్ణయం ప్రవాహం క్రింది విధంగా ఉంది:

1. వర్గీకరించండి. టెక్స్ట్‌లో వ్యక్తిగత/ప్రైవేట్/కాన్ఫిడెన్షియల్ డేటా ఉందా?
2. అవసరమైతే అడగండి. ఈ పనికి (కనిష్టీకరణ) వ్యక్తిగత డేటా నిజంగా అవసరమా?
3. వాహన బీమాను తనిఖీ చేయండి. సాధనం కార్పొరేట్ డేటా హామీని అందిస్తుందా?
4. రక్షించండి. అవసరం లేకుంటే ముసుగు వేయండి లేదా అనామకీకరించండి.
5. దానిని డాక్యుమెంట్ చేయండి. ప్రాసెసింగ్ యొక్క ప్రయోజనం, ఆధారం మరియు వ్యవధిని రికార్డ్ చేయండి.

మీ పాత్ర: KVKK/డేటా రక్షణ సలహాదారు. AI సాధనంలో కింది వచనాన్ని నమోదు చేయడానికి ముందు డేటా వర్గీకరణను నిర్వహించండి: 1) దానిలోని వ్యక్తిగత డేటాను జాబితా చేయండి (రకం: పేరు, ID నంబర్, పరిచయం, స్థానం...). 2) సున్నితమైన (సున్నితమైన) డేటా ఉంటే గుర్తించండి. 3) పని కోసం అవసరం లేని వ్యక్తిగత డేటాను "తొలగించదగినది"గా గుర్తించండి. 4) మిగిలి ఉన్న వాటి కోసం మాస్కింగ్/అనామకీకరణ సిఫార్సును ఇవ్వండి. టెక్స్ట్ యొక్క కంటెంట్‌ను అర్థం చేసుకోండి; కేవలం డేటాను ఇన్వెంటరీ చేయండి.<text>[సమీక్షించడానికి వచనం]</text>

హెచ్చరిక: చాట్‌ని తొలగించడం వలన డేటా తిరిగి పొందబడదు. వ్యక్తిగత/రహస్య డేటాను అసురక్షిత సాధనంలోకి నమోదు చేసిన తర్వాత, ఆ డేటా మూడవ పక్షం యొక్క సిస్టమ్‌లలో ప్రాసెస్ చేయబడినట్లు పరిగణించబడుతుంది. "నేను దానిని తర్వాత తొలగిస్తాను" అనేది రక్షణ కాదు; డేటాను నమోదు చేయడానికి ముందు రక్షణ స్థలం.

మాస్కింగ్ మరియు సురక్షిత ప్రాంప్ట్ ఆర్మింగ్

వ్యక్తి ఎవరో తెలియకుండానే చాలా పనులు చేయవచ్చు. ఒప్పందాన్ని సంగ్రహించడానికి పార్టీ అసలు పేరు అవసరం లేదు; "సైడ్ A" సరిపోతుంది. AI వచనాన్ని మాస్కింగ్ చేయడంలో కూడా సహాయపడుతుంది - కానీ మానవుడు మాస్కింగ్ యొక్క సంపూర్ణతను నియంత్రించాలి.

కింది వచనంలో, అన్ని ప్రత్యక్ష గుర్తింపు సమాచారాన్ని స్థిరమైన మారుపేర్లతో భర్తీ చేయండి: వ్యక్తి పేర్లు → "వ్యక్తి 1, వ్యక్తి 2"; కంపెనీలు → "కంపెనీ A, B";TR నంబర్, ఫోన్, ఇ-మెయిల్, చిరునామా, IBAN → [మాస్క్డ్]. అర్థం మరియు సంబంధాలను కాపాడుకోండి. ముగింపులో, మీరు ఏ సమాచారాన్ని భర్తీ చేసారో మ్యాపింగ్ పట్టికను అందించండి, తద్వారా నేను ఫలితాన్ని తిరిగి లింక్ చేయగలను. ఒకవేళ మీరు దానిని కోల్పోయినట్లయితే, నేను మాస్కింగ్‌ని తనిఖీ చేస్తాను.

మాస్కింగ్ యొక్క పరిమితులను తెలుసుకోవడం చాలా ముఖ్యం: కొన్నిసార్లు వ్యక్తిగతంగా హానికరం కాదని అనిపించే సమాచారం ఒక వ్యక్తిని గుర్తించేలా చేస్తుంది (ఉదా. "ఇస్తాంబుల్‌లోని ఏకైక మహిళా CFO"). అందుకే అనామకీకరణ ఎల్లప్పుడూ హామీ ఇవ్వబడదు మరియు అధిక-సున్నితత్వ పని కోసం కార్పొరేట్-ఆమోదిత సాధనాలను ఉపయోగించడం సురక్షితమైన మార్గం.

KVKK పత్రాలను రూపొందించడం

బహిర్గతం టెక్స్ట్, స్పష్టమైన సమ్మతి వచనం మరియు డేటా ప్రాసెసింగ్ ఇన్వెంటరీ వంటి పత్రాల మొదటి చిత్తుప్రతులను AI త్వరగా ఉత్పత్తి చేస్తుంది. కానీ ఈ పత్రాలు చట్టబద్ధంగా కట్టుబడి ఉంటాయి; డ్రాఫ్ట్ ఖచ్చితంగా మీ వాస్తవ ప్రాసెసింగ్ కార్యకలాపానికి అనుగుణంగా ఉండాలి మరియు తప్పనిసరిగా చట్టపరమైన ఆమోదాన్ని పొందాలి.

కింది ప్రాసెసింగ్ కార్యాచరణ కోసం డ్రాఫ్ట్ సమాచార వచనాన్ని సిద్ధం చేయండి. ఇది క్రింది శీర్షికలను కలిగి ఉండాలి: డేటా కంట్రోలర్, ప్రాసెస్ చేయబడిన డేటా యొక్క వర్గాలు, ప్రాసెసింగ్ యొక్క ఉద్దేశ్యాలు, చట్టపరమైన కారణం, బదిలీ (గ్రహీత సమూహాలు, ఏదైనా ఉంటే), నిల్వ వ్యవధి, డేటా యజమాని యొక్క హక్కులు, నివారణ. నియమాలు: - నేను అందించే సమాచారంతో ప్రతి ఫీల్డ్‌ను పూరించండి; అది తప్పిపోయినట్లయితే, [పూర్తి చేయడానికి] వదిలివేయండి మరియు ఊహించవద్దు. - చట్టపరమైన కారణం మరియు నిలుపుదల వ్యవధి కోసం "చట్టపరమైన ఆమోదం అవసరం" అనే గమనికను జోడించండి.<processing_activity>[ప్రయోజనం, డేటా రకాలు, స్వీకర్తలు, వ్యవధి]</processing_activity>

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్: ఈ క్లయింట్ ఫైల్‌ను సంగ్రహించండి. [అసలు పేరు, TR నంబర్, కేసు వివరాలు అతికించబడ్డాయి]

ఫలితం: వ్యక్తిగత మరియు బహుశా ప్రైవేట్ డేటా అనిశ్చిత భద్రతతో సాధనంలోకి నమోదు చేయబడుతుంది. పని పూర్తయినప్పటికీ, KVKK మరియు గోప్యత ఉల్లంఘన జరిగింది.

శక్తివంతమైన ప్రాంప్ట్: [మొదటి డేటా వర్గీకరణ + అనవసరమైన వ్యక్తిగత డేటాను తీసివేయడం + మాస్కింగ్ (సూడోనిమ్స్, [మాస్క్డ్]) + ఆమోదించబడిన/భద్రపరిచిన సాధనం + ఆపై ముసుగు వచనంతో సారాంశం]

ఫలితం: పని ఇప్పటికీ పూర్తయింది, కానీ వ్యక్తిని గుర్తించడం సాధ్యం కాదు; మిషన్‌కు ముందు డేటా రక్షణ నిర్ధారించబడింది.

డేటా రకం మరియు తగిన ప్రాసెసింగ్

డేటా రకం

ఉదాహరణ

భద్రత లేని వాహనం

ఆమోదించబడిన వాహనం

అది వ్యక్తిగతం కాదు

అనామక/పబ్లిక్ టెక్స్ట్

తగినది

తగినది

వ్యక్తిగత

పేరు, పరిచయం, IBAN

ముసుగు/ఉపయోగం

మాస్కింగ్ ద్వారా అనుకూలం

ప్రత్యేక అర్హత

ఆరోగ్యం, నేర చరిత్ర

ఉపయోగించి

అవసరం+ఆమోదించబడింది మాత్రమే

క్లయింట్ రహస్యం/ప్రత్యేకత

వ్యాజ్యం వ్యూహం

ఉపయోగించి

సురక్షితం మాత్రమే

మూడు మినీ కేసులు

కేసు 1 - ప్రవేశించే ముందు ఆపివేయడం. ఒక నిపుణుడు AI 30 మంది ఉద్యోగుల పనితీరు జాబితా (పేరు, రికార్డు, మెడికల్ లీవ్ నోట్స్) సారాంశాన్ని కలిగి ఉంటాడు. డేటా వర్గీకరణ ప్రాంప్ట్ మెడికల్ నోట్స్ యాజమాన్య డేటా అని మరియు మిషన్‌కు అస్సలు అవసరం లేదని వెల్లడించింది. నిపుణులు ఈ నిలువు వరుసను పూర్తిగా తీసివేసి, పేర్లను "ఉద్యోగి 1-30"కి మార్చారు మరియు పనితీరు స్కోర్‌లతో మాత్రమే పనిచేశారు. పని జరిగింది; సున్నితమైన డేటా వాహనంలోకి ఎప్పుడూ ప్రవేశించలేదు.

కేసు 2 - తిరిగి గుర్తింపు. "మేము దానిని అనామకంగా మార్చాము" అని ఒక బృందం ఫిర్యాదు వచనాన్ని పంచుకుంటుంది; కానీ వచనంలో "వీల్‌చైర్‌ను ఉపయోగించే ప్రధాన కార్యాలయంలోని ఏకైక మేనేజర్" అనే పదబంధాన్ని చేర్చారు. దీంతో వారి పేరు చెరిపేసినా వ్యక్తిని గుర్తించగలిగేలా చేసింది. మాస్కింగ్ తనిఖీలో ఇది గమనించబడింది మరియు ప్రకటన సాధారణీకరించబడింది. పాఠం: గుర్తింపును గుర్తించకుండా చేయడం ఎల్లప్పుడూ అనామకతను నిర్ధారించదు; సందర్భం కూడా వ్యక్తికి దూరంగా ఉండవచ్చు.

కేస్ 3 - ఇన్వెంటరీ త్వరణం. ఒక సంస్థ సంవత్సరాలుగా దాని KVKK డేటా ప్రాసెసింగ్ ఇన్వెంటరీని మాన్యువల్‌గా అప్‌డేట్ చేయలేకపోయింది. AIతో, ప్రతి విభాగం యొక్క ప్రాసెసింగ్ కార్యకలాపాలు నిర్మాణాత్మక రూపురేఖలు (ప్రయోజనం, డేటా రకం, నిలుపుదల కాలం, గ్రహీత); న్యాయవాద బృందం వాటిని ధృవీకరించి సరిదిద్దింది. ఇన్వెంటరీ తయారీ అంచనాలు 6 వారాల నుండి 2 వారాలకు తగ్గాయి. క్లిష్టమైన అంశం: ఇన్వెంటరీలోకి ప్రవేశించిన ప్రతి లైన్ వాస్తవ కార్యాచరణతో పోల్చడం ద్వారా మానవ-ధృవీకరించబడింది; AI చిత్తుప్రతి యథాతథంగా ఆమోదించబడలేదు.

సాధారణ తప్పులు

• వర్గీకరణ లేకుండా డేటాను నమోదు చేస్తోంది. టెక్స్ట్‌లో ఎలాంటి డేటా ఉందో చూడకుండా టూల్‌లో అతికించడం అత్యంత సాధారణ ఉల్లంఘన.
• అనవసరమైన వ్యక్తిగత డేటాను తీసుకెళ్లడం. కనిష్టీకరణ దాటవేయబడినప్పుడు, వ్యక్తిగత/సున్నితమైన డేటా అవసరం లేనప్పటికీ ప్రాసెస్ చేయబడుతుంది.
• "నేను దానిని తర్వాత తొలగిస్తాను." డేటా ఎంటర్ చేసిన వెంటనే ప్రాసెస్ చేయబడుతుంది; రక్షణ మొదట జరుగుతుంది.
• మాస్కింగ్‌ను నియంత్రించడం లేదు. AI ఆధారాలను దాటవేయవచ్చు; మాస్కింగ్ తప్పనిసరిగా మానవ ధృవీకరించబడాలి.
• సందర్భానుసారంగా తిరిగి గుర్తింపు పొందడం లేదు. వ్యక్తిగతంగా హానిచేయని సమాచారం కలిపి వ్యక్తికి దూరంగా ఉండవచ్చు.
• ఆమోదం లేకుండా KVKK పత్రాన్ని ప్రచురించడం. సమాచారం/సమ్మతి టెక్స్ట్ మరియు ఇన్వెంటరీకి చట్టపరమైన ఆమోదం మరియు వాస్తవ కార్యాచరణ యొక్క నిర్ధారణ అవసరం.

సారాంశంలో

KVKKలోని ప్రాథమిక ప్రశ్న "ఏ డేటా, ఏ వాహనానికి, ఎలా?" ముందుగా డేటాను వర్గీకరించండి, అవసరం లేని వాటిని తీసివేయండి (కనిష్టీకరించండి), మాస్క్ చేయండి లేదా అవసరమైన వాటిని అనామకంగా చేయండి మరియు కార్పొరేట్ హామీతో ఆమోదించబడిన సాధనాల్లో మాత్రమే సున్నితమైన/రహస్య డేటాను ప్రాసెస్ చేయండి. మాస్కింగ్ యొక్క సంపూర్ణతను మరియు సందర్భానుసారంగా తిరిగి గుర్తించే ప్రమాదాన్ని తప్పనిసరిగా నియంత్రించాలి; క్లారిఫికేషన్ టెక్స్ట్ మరియు ఇన్వెంటరీ వంటి పత్రాలు తప్పనిసరిగా చట్టపరమైన ఆమోదాన్ని పొందాలి. AI సంరక్షణ మరియు డాక్యుమెంటేషన్ పనిని వేగవంతం చేస్తుంది; అధీకృత నిపుణుడు ఏ డేటాను ప్రాసెస్ చేయవచ్చో మరియు తగిన రక్షణను నిర్ణయిస్తాడు.

అప్లికేషన్ టాస్క్

వ్యక్తిగత డేటాను కలిగి ఉన్న వచనాన్ని ఎంచుకోండి (వాస్తవ డేటాను ఉపయోగించవద్దు; ఉదాహరణను సృష్టించండి). (1) డేటా వర్గీకరణ ప్రాంప్ట్‌తో వ్యక్తిగత మరియు సున్నితమైన డేటాను తీసివేయండి. (2) పనికి అవసరం లేని వాటిని గుర్తించి, తీసివేయండి, మాస్కింగ్ ప్రాంప్ట్‌తో అవసరమైన వాటిని అలియాస్ చేయండి మరియు మాస్కింగ్‌ను మాన్యువల్‌గా నియంత్రించండి. (3) సందర్భానుసారంగా తిరిగి గుర్తించబడే ప్రమాదం ఉన్న పదబంధాల కోసం చూడండి. (4) ప్రాసెసింగ్ యాక్టివిటీ కోసం డ్రాఫ్ట్ ఇన్ఫర్మేషన్ టెక్స్ట్‌ను రూపొందించండి మరియు "చట్టపరమైన ఆమోదం" గుర్తులను జాబితా చేయండి.

చెక్లిస్ట్

• [ ] సాధనాన్ని నమోదు చేయడానికి ముందు డేటా వర్గీకరించబడిందా?
• [ ] పని (కనిష్టీకరణ) కోసం అనవసరమైన వ్యక్తిగత/సున్నితమైన డేటా తీసివేయబడిందా?
• [ ] మిగిలిన వ్యక్తిగత డేటా ముసుగు చేయబడిందా/అనామకీకరించబడిందా?
• [ ] ముసుగు వేయడం మానవునిచే నియంత్రించబడుతుందా?
• [ ] సందర్భానుసారంగా తిరిగి గుర్తించే ప్రమాదం అంచనా వేయబడిందా?
• [ ] ఆమోదించబడిన సురక్షిత వాహనంలో మాత్రమే సున్నితమైన/రహస్య డేటా ప్రాసెస్ చేయబడుతుందా?
• [ ] KVKK పత్రాలు చట్టపరమైన ఆమోదం మరియు వాస్తవ కార్యాచరణ నిర్ధారణతో తయారు చేయబడిందా?