Конфіденційність даних, безпека та відповідність: KVKK, PCI-DSS і маскування

Прибуток:

• Можливість встановити захищений потік штучного інтелекту за принципом мінімізації, без маскування конфіденційних даних у джерелі та ніколи не передаючи номер картки
• Можливість контролювати маскування за допомогою окремого рівня автентифікації та вибирати корпоративні інструменти, які підтримують DPA та не використовують дані під час навчання
• Можливість використовувати інструменти лише для авторизованих, захисних і згодних цілей, зберігаючи при цьому прозорість з клієнтом

Кол-центр – це місце, де відбувається найбільш інтенсивний потік персональних даних організації. У кожній розмові можна згадувати ім’я, номер телефону, адресу, TR ID, історію замовлень, інформацію про здоров’я та навіть номер платіжної картки. Розслаблення навіть на мить під час обробки цих даних у штучний інтелект призведе як до серйозних юридичних санкцій (штрафи KVKK можуть сягати мільйонів лір, штрафи GDPR можуть сягати відсотка від обороту), так і до незворотної втрати довіри клієнтів. Цей блок є основою безпеки, яка стоїть поверх усіх попередніх блоків: яким би розумним не був бот, підсумок, аналіз чи помічник, його неможливо використовувати, якщо він не обробляє дані безпечно.

У цьому розділі ми розглянемо три основні теми: конфіденційність даних (захист персональних даних — KVKK/GDPR), безпека платежів (PCI-DSS) і маскування/редагування (приховування конфіденційних даних перед передачею їх штучному інтелекту). Крім того, з точки зору ІТ-безпеки, ми наголошуємо на лише авторизованому та захисному використанні цих інструментів.

Основні поняття та правова база

KVKK (Закон про захист персональних даних) регулює обробку персональних даних у Туреччині; GDPR є європейським аналогом. Відповідно до цих законів, персональні дані можуть оброблятися лише безпечно та в міру необхідності для конкретної законної мети. Такі відомості, як стан здоров’я, релігія та біометрія, є особливими персональними даними та підлягають додатковому захисту. PCI-DSS (Payment Card Industry Data Security Standard) визначає, як обробляються дані картки; Це одне з найсуворіших правил, яке забороняє непотрібне зберігання/передачу повного номера картки.

Кілька критичних концепцій у контексті штучного інтелекту:

• Маскування/редагування: приховування/видалення конфіденційних даних (ім’я, ідентифікатор, картка, телефон) перед передачею їх штучному інтелекту. "[КЛІЄНТ]" замість "Ahmet Yılmaz", "[КАРТКА]" замість картки.
• Мінімізація даних: ділиться лише стільки даних, скільки потрібно для бізнесу. Не включаючи повну адресу в резюме, якщо це не потрібно.
• Резиденція даних: у якій країні/сервері обробляються дані; Деякі дані не можуть вийти за кордон.
• Угода про обробку даних (DPA): угода, яка визначає, як інструмент штучного інтелекту, який ви використовуєте, оброблятиме дані, не зберігатиме їх і не використовуватиме їх у навчанні моделі.
• Згода та мета: Необхідна інформація та правова база для обробки записів розмов.

Увага: недостатньо сказати «я маскував особисті дані»; Необхідно переконатися, що маскування працює. Автоматичне маскування іноді може пропустити ім'я або номер картки. Перевірте, відібравши маскувальний вихід із потоків із високим ризиком.

Захищена архітектура: де і як обробляти дані?

При впровадженні штучного інтелекту в колл-центр слід встановити такі рівні безпеки:

1. Маскування в джерелі: персональні дані/дані картки автоматично маскуються перед тим, як стенограма надходить до ШІ. Номери карток ніколи не вводяться в модель у необробленому вигляді.
2. Вибір корпоративних інструментів: перевагу надають корпоративним інструментам, які не використовують ваші дані під час навчання моделі, мають підпис DPA та гарантують постійність даних. Дані клієнтів не вводяться в безкоштовні загальнодоступні інструменти.
3. Контроль доступу: хто може отримати доступ до даних, які записуються (журнал аудиту). Несанкціонований доступ попереджено.
4. Ліміт зберігання: дані зберігаються лише стільки, скільки необхідно; непотрібні записи видаляються.
5. Прозорість: клієнт знає, що його розмова записується/обробляється і що він спілкується з ботом.

У наступній таблиці порівнюються безпечні та ризиковані практики:

Тема

Ризикована практика

Безпечний додаток

Вибір транспортного засобу

Безкоштовний інструмент, доступний кожному

Корпоративний, ДПА, в навчанні не використовується

дані картки

Необроблене вставлення в текст

ніколи; замаскований/[КАРТКА]

особисті дані

Поділіться як є

Маскування + мінімізація

зберігання

на невизначений термін

Обмежене призначення, політика видалення

Доступ

кожен

Авторизовано, зареєстровано

прозорість

секретний запис

Освітлення + інформація

Крок за кроком: безпечний потік даних ШІ

1. Класифікувати: які поля даних є конфіденційними (TC, картка, здоров’я, адреса)? Позначте їх заздалегідь.
2. Маска: застосуйте автоматичне маскування перед переходом до ШІ; Ніколи не пересилайте картку.
3. Мінімізуйте: не надсилайте більше, ніж вимагає робота.
4. Перевірте: перевірте за допомогою вибірки, чи є якісь дані, пропущені через маскування.
5. Договір і збереження: підтвердьте DPA автомобіля, резидентність даних і період зберігання.
6. Моніторинг і аудит: доступ до журналу, проведення регулярних перевірок безпеки.

Чотири шаблони, які можна копіювати

1) Запит на маскування (редагування):

У наведеному нижче тексті знайдіть і замаскуйте такі персональні дані: ім’я-прізвище → [КЛІЄНТ], TR ID → [IDN], телефон → [ТЕЛЕФОН], номер картки → [КАРТКА], адреса → [АДРЕСА], електронна пошта → [EMAIL]. Надайте замаскований текст; Також перелічіть, скільки та які типи даних маскуються. Також маскуйте область, у якій ви не впевнені (безпечна сторона). Текст: <<...>>

2) Перевірка маскування (сканування витоку):

Текст нижче повинен бути замаскований. Чи залишилися всередині якісь видимі незамасковані особисті/карткові дані? (ім’я, ідентифікатор, телефон, картка, адреса, електронна пошта) Перелічіть, що ви знайшли; Якщо його немає, скажіть «чисто». Не змінюйте текст, просто перевірте. Текст: <<маскований текст>>

3) Контроль мінімізації даних:

Для наступного підказки/виводу штучного інтелекту перевірте поля особистих даних, які НЕ ПОТРІБНІ відповідно до бізнес-цілей. Призначення: <<наприклад. підсумок виклику>>. Які поля можна витягти? Запропонуйте спрощену версію, яка виконує ту саму роботу з мінімумом даних. Зміст: <<...>>

4) Попередня перевірка автомобіля/відповідності (реєстрація):

Перш ніж використовувати новий інструмент штучного інтелекту в кол-центрі, створіть примітку про відповідність, відповівши на такі запитання: - Чи обробляються дані всередині країни? – ДПА підписаний? - Чи використовуються дані у навчанні моделі? - Термін зберігання? - Чи обробляються дані картки? Покриття PCI-DSS? - Доступ реєструється? Позначте відсутні/небезпечні елементи як "не можна використовувати без дозволу".

Слабка підказка / Сильна підказка

Слабка підказка:

Узагальніть цей запис дзвінка: «Ахмет Їлмаз, TC 12345678901, kart5312 3456 7890 1234, адреса Bağdat Cad № 5, заперечив проти свого рахунку».

Серйозне порушення: необроблені ім’я, ідентифікаційний номер і номер картки переходять у публічний інструмент; Порушення PCI-DSS і КВКК.

Потужна підказка:

Узагальніть наступний замаскований дзвінок: «[КЛІЄНТ] пройшов перевірку за [IDN], [КАРТКА], [АДРЕСА] та заперечив проти свого рахунку-фактури». Зберігайте резюме анонімним; Не створюйте та не запитуйте будь-які персональні дані/дані картки.

Відмінність: дані замасковані, мінімізовані, зведення анонімне; без порушення.

три міні-чохла

Випадок 1 — Правильне маскування. У страховому центрі щодня аналізували 8 тисяч розшифровок розмов. Стенограми проходили через автоматичний маскувальний шар перед тим, як потрапити до ШІ; Ім'я, ідентифікаційний номер TR, номер поліса та інформація про стан здоров'я були замасковані, а вихід маскування перевірявся щоденним відбором проб. Аналіз зберіг всю свою цінність, особисті дані не потрапляли в модель. Безпека і користь були досягнуті разом.

Випадок 2 — Порушення даних картки. Співробітник електронної комерції завантажив записи дзвінків із повними номерами карток у публічний інструмент для аналізу проблем із оплатою. Це порушило фундаментальне правило PCI-DSS (не передавати дані картки на несанкціонований носій); Існував ризик серйозних висновків і штрафів під час аудиту. Правильний спосіб полягав у тому, щоб повністю маскувати дані картки в джерелі та аналізувати лише інформацію «Платіж за допомогою [КАРТКИ] не вдалося».

Випадок 3 — Маскування витоку. У банку автоматичне маскування пропустило декілька ідентифікаційних номерів, написаних у незвичному форматі. На щастя, етап «2) Перевірка маскування» діяв, тому витоки було виявлено та виправлено перед аналізом. Урок: одного маскування недостатньо; Потрібен рівень автентифікації. Один шар, як і людська помилка, є одноточковим збоєм.

Поширені помилки

• Вставлення необроблених даних в інструмент. Ім’я, ідентифікаційний номер, картку та адресу не можна вводити в транспортний засіб зі штучним інтелектом без маски.
• Обробляти дані картки. Повний номер картки ніколи не вводиться у вхід моделі; PCI-DSS це забороняє.
• Водіння в громадських місцях. Дані клієнта не надаються інструментам, які не мають DPA та використовують дані під час навчання.
• Не перевіряється маскування. Автоматичне маскування може бути пропущено; Має бути рівень вибірки/перевірки.
• Пропуск прозорості. Клієнт повинен знати, що запис обробляється та спілкується з ботом; Прихована обробка є неетичною та незаконною.
• Зберігання забагато даних. Дані, які зберігаються після того, як ціль завершена, є лише ризиком.

Застереження (інформаційна безпека): усі методи в цьому розділі дійсні лише для авторизованих захисних цілей і для даних вашої організації. Використання інструментів аналітики мовлення, розпізнавання голосу та обробки даних для моніторингу неавторизованих осіб, доступу до чиїхось даних або запису без згоди є незаконним і суперечить професійній етиці. Жодні дані не обробляються без дозволу, мети та згоди.

Підсумовуючи

Конфіденційність даних, безпека та відповідність; є необоротною підставою кол-центру AI. KVKK/GDPR захищає персональні дані, платіжну картку PCI-DSS; Порушення того чи іншого тягне за собою суворі санкції та втрату довіри. Маскуйте конфіденційні дані в джерелі, не передаючи їх штучному інтелекту, ніколи не передавайте номер картки, діліться лише необхідною кількістю даних (мінімізація), обов’язково перевіряйте маскування та вибирайте лише корпоративні інструменти з підтримкою DPA, які не використовують дані для навчання. Будьте прозорими з клієнтом і використовуйте всі інструменти лише за повноваженнями, пропагандою та згодою.

Аплікаційне завдання

Перелічіть 5 різних полів даних, які можуть надходити до штучного інтелекту у вашому сценарії кол-центру (наприклад, ім’я, ідентифікатор, картка, адреса, інформація про здоров’я), і визначте, який маскувальний тег ви будете використовувати для кожного. Напишіть уявну необроблену стенограму та застосуйте шаблони «1) Маскування» та «2) Перевірка маскування». Нарешті, для інструменту штучного інтелекту, який ви нещодавно використовували (або плануєте використовувати), створіть примітку про відповідність із шаблоном «4) Інструмент/попередній контрольний список відповідності» та позначте відсутні/ризиковані елементи.

контрольний список

• [ ] Я маскую конфіденційні дані в джерелі (ім’я, ідентифікатор, номер телефону, адреса), не передаючи їх ШІ.
• [ ] Повний номер картки ніколи не включається в запис моделі (PCI-DSS).
• [ ] Я передаю лише стільки даних, скільки вимагає робота (мінімізація).
• [ ] Я керую маскуванням за допомогою окремого рівня автентифікації.
• [ ] Я використовую лише корпоративні інструменти з підтримкою DPA, які не використовують дані в освіті.
• [ ] Я прозорий із клієнтом щодо запису/обробки та спілкування з ботом.
• [ ] Я використовую інструменти лише для авторизованих, захисних і згодних цілей.