Дані клієнта та конфіденційність: інструменти конфіденційності та безпеки KVKK, VUK

Прибуток:

• Можливість класифікувати дані платників податків та фінансові дані в рамках зобов’язань щодо конфіденційності КВКК та Закону про податковий процес та визначити рівень захисту
• Можливість застосування анонімізації, маскування та кроків вибору безпечного/інституційного інструменту перед передачею даних штучному інтелекту
• Здатність отримати звичку уникати водіння без нагляду, знаючи юридичні, кримінальні та професійні наслідки порушення конфіденційності.

Професіонал бачить найінтимнішу інформацію платника податків: обороти, прибуток, банківські переміщення, зарплати співробітників, номери ТРД, контракти, партнерські структури. Ця інформація захищена двома окремими правовими шарами: KVKK (Закон про захист персональних даних, закон, що забороняє несанкціоновану обробку персональних даних) і зобов’язання щодо конфіденційності Закону про податкові процедури (зобов’язання професіонала зберігати конфіденційність інформації, яку він/вона дізнається у зв’язку зі своїми обов’язками). В епоху штучного інтелекту цей захист стикається з новою загрозою: збереження конфіденційних даних у неконтрольованому інструменті. Принцип роботи цього блоку єдиний: дані захищені перед надходженням в ШІ; Жодні конфіденційні дані не надходять до автомобіля без нагляду.

Двошаровий захист і чому до нього варто поставитися серйозно

• Рівень КВКК: Вся інформація (ПІБ, ІПН, зарплата, контакт), що належить реальним особам, є персональними даними. Несанкціонована обробка, передача та неналежний захист призведуть до адміністративних штрафів і компенсацій.
• Рівень конфіденційності VUK: Професіонал не може передавати фінансову таємницю платника податків третім особам. Порушення тягне як кримінальні, так і професійні (дисциплінарні) наслідки.

Пробний баланс або платіжна відомість, вставлені в загальнодоступний інструмент ШІ, можуть вважатися «переданими третій стороні». Часто незрозуміло, як інструмент зберігає дані та чи використовується він у навчанні. Сама по собі ця невизначеність є достатнім ризиком.

Увага: думка про те, що «все одно цього ніхто не побачить», не є правовим захистом. Коли дані надходять у неконтрольовану систему, вони виходять з-під вашого контролю. Порушення конфіденційності є небезпечним не тому, що воно може статися, а тому, що воно є незворотним, коли це сталося.

Перш ніж надавати дані ШІ: кроки захисту

1. Класифікувати. Чи є ваші дані особистою, фінансовою таємницею чи публічними? Відповідно визначте рівень захисту.
2. Необхідність питання. Чи дійсно необхідно надавати ці дані моделі, чи це завдання можна виконати за допомогою анонімних/зведених даних?
3. Анонімність/маскування. Їх імена К1, К2; компанії Ş1, Ş2; Замініть TR ID та номери рахунків на маску. Узагальнити унікальні деталі, які забезпечують непрямий діагноз.
4. Виберіть безпечний транспортний засіб. Якщо можливо, використовуйте корпоративний/схвалений інструмент, який гарантує збереження даних.
5. Тримайте слід. Запишіть, які дані ви надали якому інструменту та з яким захистом.

Тип даних

приклад

консерваційний підхід

ідентифікаційні дані

П.І.Б., ідентифікатор TR ID

Маскувати/анонімізувати; ніколи не давайте сирим

фінансова таємниця

Оборот, прибуток, банк

Узагальнити/анонімізувати; автомобіль підприємства

дані про відносини

партнер, постачальник

Узагальнювати; видалити унікальну деталь

громадськість

оголошений баланс

можна нормально обробити

Як на практиці здійснюється анонімізація?

Анонімізація робить особу нерозпізнаною, зберігаючи дані корисними. Наприклад, вам буде проаналізовано платіжну відомість: ви введете порядковий номер замість імені та TR ID, аналіз розподілу зарплати не буде порушено, але нікого не можна ідентифікувати. Критичним моментом є непрямий діагноз: вирази на кшталт «єдина жінка-генеральний менеджер» або «єдина 92-річна в компанії з 35 осіб» видають людину, навіть якщо видалити ім’я; Вони також є узагальненими.

три міні-чохла

Випадок 1 — витік із заробітної плати. Стажер завантажує платіжну відомість 3500 осіб (ім’я, посвідчення особи, зарплата) у безкоштовний веб-інструмент і каже «підсумувати». Дані ризикують бути змішаними з репозиторієм автомобіля; Трапляються порушення конфіденційності як КВКК, так і ВУК. Якщо клієнт дізнається, все кінець. Правильний спосіб полягав у тому, щоб використовувати автомобіль, схвалений компанією, або надавати лише розподіл зарплати, маскуючи своє ім’я/Ідентифікатор TR.

Випадок 2 — Непряма діагностика. Консультант дає моделі список, у якому видаляє імена, але залишає фразу «єдиний іноземний національний менеджер компанії». Це твердження видає людину; Анонімізація відсутня. Урок: слід також узагальнити унікальні деталі, які дають непрямий діагноз.

Випадок 3 — Хороша керованість. Перш ніж передати конфіденційні дані в модель, офіс проходить стандартний етап анонімізації: за допомогою шаблону він перетворює імена, ідентифікатори та назви брендів у коди, а потім аналізує їх. Якість аналізу не знижується, не відбувається витоку особистості. Конфіденційність і ефективність захищені разом.

Слабка підказка / Сильна підказка

Слабка підказка:

Узагальніть наступну платіжну відомість: [Ахмет Йилмаз, ТК 123..., оклад 45 000; ...]

Необроблені особисті дані надходять у транспортний засіб безконтрольно; Це пряме порушення.

Потужна підказка:

Я дам вам набір даних. ПЕРЕД обробкою застосуйте наступну анонімізацію та покажіть мені також анонімну версію:- Введіть імена осіб K1, K2... - Повністю видаліть TR ID і номери рахунків.- Введіть назви компаній/брендів T1, K2.... Узагальніть унікальні деталі, які можуть опосередковано ідентифікувати особу. Тоді працюйте лише над анонімною версією.[ДАНІ (масковані якомога більше): ...]

Примітка. Найбезпечніше взагалі не вводити необроблені особисті дані; Якщо ви заходите, ви повинні бути в масці та безпечному транспортному засобі.

Для довідки щодо класифікації даних:

Класифікуйте кожне з наступних полів: чи це особисті дані, чи це фінансова таємниця, чи це публічно? Напишіть рекомендований рівень захисту для кожного. Поля: [назви полів, зразок ПОВЕРНЕННЯ]

Щоб створити шаблон анонімізації:

Створіть стандартний контрольний список анонімізації, який я використовував би для аналізу заробітної плати/пробного балансу: які поля слід замаскувати, які пропустити, що слід шукати для непрямої діагностики?

Для оцінки безпеки автомобіля:

Які запитання я маю поставити, оцінюючи, чи підходить інструмент ШІ для конфіденційних даних платників податків (зберігання даних, використання в освіті, корпоративний договір, місцезнаходження)? Створіть контрольний список.

Поширені помилки

• Введення необроблених персональних даних. Ніколи не заходите в транспортний засіб без підтвердження імені/Ідентифікатора TR.
• Пропуск непрямої діагностики. Унікальна деталь видає особу, навіть якщо ім’я видалено.
• Не питаючи про безпеку автомобіля. Конфіденційні дані не надаються без знання того, як інструмент зберігає дані.
• Не ставлячи під сумнів необхідність. Якщо завдання можна виконати за допомогою анонімних/зведених даних, необроблені дані не надаються взагалі.
• Не стежить. Якщо не записано, які дані куди були надані, порушення неможливо відстежити.

Підсумовуючи

Дані платників податків захищені двома рівнями за допомогою зобов’язань щодо конфіденційності як KVKK, так і VUK, і найбільшим новим ризиком в епоху штучного інтелекту є передача конфіденційних даних неконтрольованому інструменту. Перш ніж дані вводяться в модель, вони класифікуються, їх необхідність ставиться під сумнів, ідентифікатори, такі як ім’я/TR ID, маскуються, а деталі, які забезпечують непрямий діагноз, узагальнюються; Якщо можливо, використовується лише безпечний корпоративний інструмент із гарантією збереження даних. Порушення конфіденційності є незворотною шкодою; Найбільш безпечні дані - це дані, які ніколи не вводяться.

Аплікаційне завдання

Візьміть у руки типовий конфіденційний файл (наприклад, відомості про заробітну плату або пробний баланс). Спочатку класифікуйте їхні поля (особиста/фінансова таємниця/публічна). Потім застосуйте шаблон анонімізації: перелічіть, які області ви маскуєте, які ви видаляєте, і що ви будете шукати для непрямої ідентифікації. Нарешті, оцініть придатність інструменту штучного інтелекту, який ви використовуєте/будете використовувати для безпеки, за допомогою контрольного списку.

контрольний список

• [ ] Я класифікував дані як особисту/фінансову таємницю/публічну.
• [ ] Я запитав, чи справді необхідно надавати необроблені дані.
• [ ] Я замаскував/видалив ім’я, TR ID і номери рахунків.
• [ ] Я узагальнив унікальні деталі, які забезпечують непрямий діагноз.
• [ ] Я використовував лише безпечні/корпоративні інструменти з гарантіями збереження даних.
• [ ] Я оцінив політику даних (зберігання, навчання) інструменту.
• [ ] Я записав, які дані куди надав як слід.