ข้อมูลลูกค้าและความเป็นส่วนตัว: KVKK, VUK การรักษาความลับและเครื่องมือที่ปลอดภัย

กำไร:

• ความสามารถในการจำแนกผู้เสียภาษีและข้อมูลทางการเงินภายในกรอบของ KVKK และภาระผูกพันในการรักษาความลับของกฎหมายวิธีพิจารณาภาษีและกำหนดระดับการป้องกัน
• ความสามารถในการใช้การลบข้อมูลระบุตัวตน การมาสก์ และขั้นตอนการเลือกเครื่องมือที่ปลอดภัย/สถาบัน ก่อนที่จะให้ข้อมูลแก่ปัญญาประดิษฐ์
• ความสามารถในการสร้างนิสัยในการหลีกเลี่ยงการขับรถโดยไม่ได้รับการดูแลโดยทราบถึงผลที่ตามมาทางกฎหมาย ทางอาญา และทางวิชาชีพของการละเมิดความเป็นส่วนตัว

ผู้เชี่ยวชาญจะมองเห็นข้อมูลที่ใกล้ชิดที่สุดของผู้เสียภาษี: มูลค่าการซื้อขาย กำไร ความเคลื่อนไหวของธนาคาร เงินเดือนพนักงาน หมายเลข TR ID สัญญา โครงสร้างห้างหุ้นส่วน ข้อมูลนี้ได้รับการคุ้มครองโดยกฎหมายสองชั้นที่แยกจากกัน: KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล กฎหมายห้ามการประมวลผลข้อมูลส่วนบุคคลโดยไม่ได้รับอนุญาต) และภาระหน้าที่ในการรักษาความลับของกฎหมายวิธีพิจารณาภาษี (ภาระหน้าที่ของผู้เชี่ยวชาญในการรักษาความลับข้อมูลที่เขา/เธอเรียนรู้เนื่องจากหน้าที่ของเขา/เธอ) ในยุคของปัญญาประดิษฐ์ การป้องกันนี้เผชิญกับภัยคุกคามใหม่: การเก็บข้อมูลที่ละเอียดอ่อนไว้ในเครื่องมือที่ไม่สามารถควบคุมได้ หลักการของหน่วยนี้คือ: ข้อมูลได้รับการปกป้องก่อนที่จะเข้าสู่ AI; ไม่มีข้อมูลที่ละเอียดอ่อนเข้าสู่ยานพาหนะที่ไม่ได้รับการดูแล

การป้องกันสองชั้น และเหตุใดจึงควรดำเนินการอย่างจริงจัง

• ชั้น KVKK: ข้อมูลทั้งหมด (ชื่อ, TR ID, เงินเดือน, ผู้ติดต่อ) ที่เป็นของบุคคลจริงถือเป็นข้อมูลส่วนบุคคล การประมวลผล การถ่ายโอน และการป้องกันที่ไม่เหมาะสมจะส่งผลให้มีค่าปรับทางปกครองและค่าชดเชย
• ชั้นการรักษาความลับของ VUK: ผู้เชี่ยวชาญไม่สามารถเปิดเผยความลับทางการเงินของผู้เสียภาษีกับบุคคลที่สามได้ การละเมิดมีผลกระทบทั้งทางอาญาและทางวิชาชีพ (ทางวินัย)

ยอดทดลองหรือบัญชีเงินเดือนที่วางลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะอาจถือเป็น "โอนไปยังบุคคลที่สาม" มักไม่ชัดเจนว่าเครื่องมือจัดเก็บข้อมูลอย่างไร และใช้ในการฝึกอบรมหรือไม่ ความไม่แน่นอนนี้เพียงอย่างเดียวก็มีความเสี่ยงเพียงพอแล้ว

ข้อควรสนใจ: ความคิดที่ว่า "จะไม่มีใครเห็นอยู่แล้ว" ไม่ใช่การป้องกันทางกฎหมาย เมื่อข้อมูลเข้าสู่ระบบที่ไม่มีการควบคุม ข้อมูลก็จะอยู่นอกเหนือการควบคุมของคุณ การละเมิดความเป็นส่วนตัวเป็นอันตรายไม่ใช่เพราะมีความเป็นไปได้ที่จะเกิดขึ้น แต่เนื่องจากเมื่อเกิดขึ้นแล้วจะแก้ไขไม่ได้

ก่อนให้ข้อมูลกับ AI: ขั้นตอนการป้องกัน

1. จำแนกประเภท ข้อมูลที่คุณมีส่วนบุคคล ความลับทางการเงิน หรือสาธารณะ? กำหนดระดับการป้องกันให้เหมาะสม
2. คำถามความจำเป็น. จำเป็นจริงๆ หรือไม่ที่จะต้องมอบข้อมูลนี้ให้กับโมเดล หรืองานสามารถทำได้โดยใช้ข้อมูลที่ไม่เปิดเผยตัวตน/ข้อมูลสรุป
3. ไม่ระบุชื่อ/ปิดบัง ชื่อของพวกเขาคือ K1, K2; บริษัท Š1, Š2; แทนที่ TR ID และหมายเลขบัญชีด้วยหน้ากาก สรุปรายละเอียดที่ไม่ซ้ำกันที่ให้การวินิจฉัยทางอ้อม
4. เลือกยานพาหนะที่ปลอดภัย หากเป็นไปได้ ให้ใช้เครื่องมือขององค์กร/ที่ได้รับอนุมัติซึ่งรับประกันการเก็บรักษาข้อมูล
5. รักษาเส้นทางเอาไว้ บันทึกข้อมูลที่คุณให้กับเครื่องมือใดและมีการป้องกันอะไรบ้าง

ชนิดข้อมูล

ตัวอย่าง

แนวทางการอนุรักษ์

ข้อมูลประจำตัว

ชื่อ, รหัส TR

ปิดบัง/ไม่ระบุชื่อ; ไม่เคยให้ดิบ

ความลับทางการเงิน

มูลค่าการซื้อขาย กำไร ธนาคาร

สรุป/ไม่ระบุชื่อ; ยานพาหนะองค์กร

ข้อมูลความสัมพันธ์

หุ้นส่วนซัพพลายเออร์

สรุป; ลบรายละเอียดที่ไม่ซ้ำใคร

สาธารณะ

งบดุลที่ประกาศไว้

สามารถประมวลผลได้ตามปกติ

การไม่เปิดเผยตัวตนในทางปฏิบัติทำอย่างไร?

การไม่เปิดเผยตัวตนทำให้อัตลักษณ์แยกไม่ออกในขณะเดียวกันก็รักษาข้อมูลให้เป็นประโยชน์ ตัวอย่างเช่น คุณจะต้องวิเคราะห์เงินเดือน: คุณใส่หมายเลขลำดับแทนชื่อและ TR ID การวิเคราะห์การกระจายเงินเดือนจะไม่หยุดชะงัก แต่ไม่มีใครสามารถระบุได้ จุดสำคัญคือการวินิจฉัยทางอ้อม: สำนวนเช่น "ผู้จัดการทั่วไปที่เป็นผู้หญิงคนเดียว" หรือ "อายุ 92 ปีเพียงคนเดียวในบริษัทที่มี 35 คน" ทำให้บุคคลนั้นถูกละทิ้งแม้ว่าคุณจะลบชื่อก็ตาม สิ่งเหล่านี้เป็นแบบทั่วไปเช่นกัน

มินิเคสสามอัน

กรณีที่ 1 — การรั่วไหลของเงินเดือน เด็กฝึกงานอัพโหลดบัญชีเงินเดือน 3,500 คน (ชื่อ บัตรประชาชน เงินเดือน) ไปยังเครื่องมือบนเว็บฟรีแล้วพูดว่า "สรุป" ข้อมูลมีความเสี่ยงที่จะถูกปะปนเข้าไปในพื้นที่เก็บข้อมูลของยานพาหนะ การละเมิดการรักษาความลับทั้ง KVKK และ VUK เกิดขึ้น ถ้าลูกค้ารู้ก็จบ วิธีที่ถูกต้องคือการใช้ยานพาหนะที่บริษัทอนุมัติ หรือให้เฉพาะการกระจายเงินเดือนโดยปกปิดชื่อ/TR ID ของคุณ

กรณีที่ 2 — การวินิจฉัยทางอ้อม ที่ปรึกษาจะแจ้งรายการแก่โมเดลซึ่งเขาลบชื่อออก แต่ทิ้งข้อความไว้ว่า "ผู้จัดการชาวต่างชาติเพียงคนเดียวของบริษัท" ข้อความนี้ทำให้บุคคลนั้นออกไป การลบข้อมูลระบุตัวตนหายไป บทเรียน: ควรมีการสรุปรายละเอียดเฉพาะที่ให้การวินิจฉัยทางอ้อมด้วย

กรณีที่ 3 — การจัดการที่ดี ก่อนที่จะป้อนข้อมูลที่ละเอียดอ่อนให้กับโมเดล สำนักงานจะต้องผ่านขั้นตอนมาตรฐานในการไม่เปิดเผยตัวตน: การใช้เทมเพลตจะแปลงชื่อ รหัส และชื่อแบรนด์เป็นรหัส จากนั้นจึงทำการวิเคราะห์ คุณภาพของการวิเคราะห์ไม่ลดลง ไม่มีข้อมูลประจำตัวรั่วไหล ความเป็นส่วนตัวและประสิทธิภาพได้รับการคุ้มครองร่วมกัน

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

สรุปเงินเดือนต่อไปนี้: [Ahmet Yılmaz, TC 123..., เงินเดือน 45,000; ...]

ข้อมูลส่วนบุคคลดิบเข้าสู่ยานพาหนะโดยไม่มีการควบคุม เป็นการฝ่าฝืนโดยตรง

พรอมต์อันทรงพลัง:

ฉันจะให้ชุดข้อมูลแก่คุณ ก่อนการประมวลผล ให้ใช้การลบข้อมูลระบุตัวตนต่อไปนี้และแสดงเวอร์ชันที่ไม่ระบุชื่อให้ฉันด้วย:- ตั้งชื่อบุคคล K1, K2... - ลบ TR ID และหมายเลขบัญชีออกให้หมด- ตั้งชื่อบริษัท/แบรนด์ T1, K2.... สรุปรายละเอียดที่ไม่ซ้ำกันซึ่งสามารถระบุตัวบุคคลทางอ้อมได้ จากนั้นใช้งานได้กับเวอร์ชันที่ไม่ระบุชื่อเท่านั้น[ข้อมูล (ปกปิดมากที่สุด): ...]

หมายเหตุ: จะปลอดภัยที่สุดที่จะไม่ป้อนข้อมูลส่วนตัวแบบดิบเลย หากเข้ามาจะต้องสวมหน้ากากอนามัยและอยู่ในยานพาหนะที่ปลอดภัย

สำหรับความช่วยเหลือในการจำแนกข้อมูล:

จำแนกแต่ละฟิลด์ต่อไปนี้: เป็นข้อมูลส่วนบุคคล, เป็นความลับทางการเงิน, เปิดเผยต่อสาธารณะหรือไม่? เขียนระดับการป้องกันที่แนะนำสำหรับแต่ละฟิลด์: [ชื่อฟิลด์ ตัวอย่าง RETURN]

หากต้องการสร้างเทมเพลตการลบข้อมูลระบุตัวตน:

สร้างรายการตรวจสอบการลบข้อมูลระบุตัวตนมาตรฐานที่ฉันจะใช้ในการวิเคราะห์บัญชีเงินเดือน/งบทดลอง: ช่องใดควรถูกปกปิด ช่องใดควรละเว้น ฉันควรมองหาสิ่งใดสำหรับการวินิจฉัยทางอ้อม

สำหรับการประเมินความปลอดภัยของยานพาหนะ:

ฉันควรถามคำถามอะไรบ้างเมื่อประเมินว่าเครื่องมือ AI เหมาะสำหรับข้อมูลที่ละเอียดอ่อนของผู้เสียภาษีหรือไม่ (การเก็บรักษาข้อมูล การใช้ในการศึกษา สัญญาของบริษัท สถานที่) สร้างรายการตรวจสอบ

ข้อผิดพลาดทั่วไป

• การป้อนข้อมูลส่วนตัวแบบดิบ ห้ามเข้าไปในรถโดยไม่มีการยืนยันชื่อ/TR ID
• ข้ามการวินิจฉัยทางอ้อม รายละเอียดที่เป็นเอกลักษณ์ช่วยให้ระบุตัวตนได้ แม้ว่าชื่อจะถูกลบไปแล้วก็ตาม
• ไม่ถามเรื่องความปลอดภัยของรถ ข้อมูลที่ละเอียดอ่อนจะไม่ได้รับหากไม่ทราบว่าเครื่องมือจัดเก็บข้อมูลอย่างไร
• ไม่ตั้งคำถามถึงความจำเป็น หากงานสามารถทำได้โดยใช้ข้อมูลที่ไม่ระบุชื่อ/ข้อมูลสรุป ระบบจะไม่ให้ข้อมูลดิบเลย
• ไม่คอยติดตาม. หากไม่ได้รับการบันทึกว่าข้อมูลใดได้รับจากที่ไหน การละเมิดจะไม่สามารถติดตามได้

โดยสรุป

ข้อมูลผู้เสียภาษีได้รับการปกป้องในสองชั้นโดยภาระหน้าที่ในการรักษาความลับของทั้ง KVKK และ VUK และความเสี่ยงใหม่ที่ใหญ่ที่สุดในยุคของปัญญาประดิษฐ์คือการติดข้อมูลที่ละเอียดอ่อนไว้กับเครื่องมือที่ไม่สามารถควบคุมได้ ก่อนที่จะป้อนข้อมูลลงในแบบจำลอง ข้อมูลจะถูกจัดประเภท มีการตั้งคำถามถึงความจำเป็น ตัวระบุ เช่น ชื่อ/TR ID จะถูกปกปิด และรายละเอียดที่ให้การวินิจฉัยทางอ้อมนั้นเป็นข้อมูลทั่วไป หากเป็นไปได้ เราจะใช้เครื่องมือขององค์กรที่ปลอดภัยและรับประกันการเก็บรักษาข้อมูลเท่านั้น การละเมิดความเป็นส่วนตัวถือเป็นอันตรายที่ไม่อาจย้อนกลับได้ ข้อมูลที่ปลอดภัยที่สุดคือข้อมูลที่ไม่เคยป้อน

งานสมัคร

นำไฟล์ที่ละเอียดอ่อนทั่วไป (เช่น บัญชีเงินเดือนหรือยอดทดลอง) ไว้ในมือคุณ ขั้นแรกให้จำแนกสาขาของตน (ส่วนบุคคล/ความลับทางการเงิน/สาธารณะ) จากนั้นใช้เทมเพลตการลบข้อมูลระบุตัวตน: ระบุพื้นที่ที่คุณจะปกปิด พื้นที่ที่คุณจะลบ และสิ่งที่คุณจะหาเพื่อระบุตัวตนทางอ้อม สุดท้าย ประเมินความเหมาะสมด้านความปลอดภัยของเครื่องมือปัญญาประดิษฐ์ที่คุณใช้/จะใช้กับรายการตรวจสอบ

รายการตรวจสอบ

• [ ] ฉันได้จัดประเภทข้อมูลเป็นข้อมูลส่วนบุคคล/ความลับทางการเงิน/สาธารณะ
• [ ] ฉันถามว่าจำเป็นจริงๆ หรือไม่ที่จะต้องจัดเตรียมข้อมูลดิบ
• [ ] ฉันปกปิด/ลบชื่อ TR ID และหมายเลขบัญชี
• [ ] ฉันได้สรุปรายละเอียดเฉพาะทั่วไปที่ให้การวินิจฉัยทางอ้อม
• [ ] ฉันใช้เครื่องมือที่ปลอดภัย/ระดับองค์กรที่มีการรับประกันการเก็บรักษาข้อมูลเท่านั้น
• [ ] ฉันประเมินนโยบายข้อมูล (การจัดเก็บ การฝึกอบรม) ของเครื่องมือ
• [ ] ฉันบันทึกข้อมูลที่ฉันให้ไว้ที่ใดเพื่อเป็นการติดตาม