Lợi nhuận:
- Khả năng ẩn danh dữ liệu khách hàng và tài chính trong phạm vi KVKK, các quy tắc bảo mật ngân hàng và bí mật khách hàng, đồng thời áp dụng các quy tắc xử lý dữ liệu và phương tiện an toàn
- Để hiểu các nghĩa vụ do luật ngân hàng (BRSA, MASAK, KVKK) đặt ra đối với việc sử dụng trí tuệ nhân tạo và nhu cầu kiểm toán
- Khả năng hiểu tại sao khả năng giải thích của mô hình, lưu giữ hồ sơ và kiểm tra là bắt buộc và duy trì chuỗi trách nhiệm
Trong ngân hàng, dữ liệu là vàng — nhưng đó cũng là trách nhiệm. Tiền lương, thói quen chi tiêu, lịch sử tín dụng và giao dịch tài khoản của khách hàng đều là những thông tin cá nhân rất nhạy cảm và được bảo vệ hợp pháp. AI tạo ra kết quả mạnh mẽ khi làm việc với dữ liệu này; nhưng sức mạnh tương tự có thể tạo ra sự vi phạm nghiêm trọng chỉ bằng một nút nhấn. Trong phần này, chúng ta sẽ xem cách bảo vệ dữ liệu tài chính và khách hàng trong phạm vi KVKK, các quy tắc bảo mật ngân hàng và bí mật khách hàng, các nghĩa vụ do luật ngân hàng (BRSA, MASAK, KVKK) đặt ra đối với việc sử dụng trí tuệ nhân tạo và lý do tại sao khả năng giải thích mô hình và quy trình kiểm tra là bắt buộc. Nguyên tắc cơ bản: dữ liệu là tài sản của chủ sở hữu nó; Bảo vệ nó không phải là một lựa chọn kỹ thuật mà là một nghĩa vụ pháp lý và đạo đức.
Bảo vệ hai lớp: KVKK và bí mật khách hàng
Dữ liệu khách hàng được bảo vệ bởi hai khung riêng biệt:
- KVKK (Luật bảo vệ dữ liệu cá nhân): Bất kỳ dữ liệu nào giúp xác định/có thể nhận dạng một người là dữ liệu cá nhân. Cần có cơ sở pháp lý (sự đồng ý rõ ràng hoặc lý do chính đáng) để xử lý; Nó nên được giới hạn trong mục đích, tương xứng và an toàn. Dữ liệu tài chính có tầm quan trọng đặc biệt.
- Bí mật khách hàng (Luật Ngân hàng): Mọi thông tin ngân hàng biết về khách hàng đều là bí mật và không được chia sẻ khi chưa được phép. Nghĩa vụ này cũng ràng buộc nhân viên ngân hàng.
Tải dữ liệu khách hàng lên một công cụ AI chưa được phê duyệt có thể vi phạm cả hai khuôn khổ cùng một lúc.
Kiểu dữ liệu
bảo vệ
hành vi nguy hiểm
Tên, TR, IBAN
Dữ liệu cá nhân + bí mật
Vào xe mà không ẩn danh
sao kê tài khoản
Dữ liệu cá nhân + bí mật
Lái xe trái phép
Điểm tín dụng/lịch sử
Dữ liệu cá nhân + bí mật
chia sẻ không có mục đích
Dữ liệu phân khúc ẩn danh
rủi ro thấp
(rủi ro nếu danh tính có thể được phục hồi)
Mẹo: Chỉ nói "Tôi ẩn danh" là chưa đủ; Dữ liệu phải thực sự được xác định lại. Ngay cả một số ít đặc điểm (tuổi + khu vực xung quanh + nghề nghiệp) cũng có thể nhận dạng một người. Trong chế độ ẩn danh, "dữ liệu này có thể được trả lại cho người đó không?" Đặt câu hỏi.
Các bước xử lý dữ liệu an toàn
- Ẩn danh/che giấu. Loại bỏ các khu vực xác định; Sử dụng giá trị bí danh nếu cần thiết.
- Dữ liệu tối thiểu (giảm thiểu dữ liệu). Xử lý dữ liệu tối thiểu cần thiết cho nhiệm vụ; Đừng mang theo quá nhiều dữ liệu phòng trường hợp bạn cần.
- Hãy hạn chế nó có mục đích. Chỉ sử dụng dữ liệu cho mục đích thu thập dữ liệu; Không chuyển dữ liệu nhận được tín dụng sang tiếp thị.
- Xe đã được phê duyệt và an toàn. Sử dụng các công cụ đảm bảo xử lý dữ liệu theo hợp đồng của ngân hàng; Không nhập dữ liệu khách hàng vào các công cụ công cộng khi không rõ dữ liệu sẽ đi đâu.
- Đường mòn kiểm toán. Ghi lại dữ liệu nào, cho mục đích gì và công cụ nào đã được sử dụng.
- Lưu trữ và xử lý. Không lưu giữ dữ liệu lâu hơn mức cần thiết; Vứt bỏ hết hạn theo chính sách.
Nghĩa vụ của pháp luật về trí tuệ nhân tạo
- Khả năng giải thích: Các quyết định được quản lý (chẳng hạn như các khoản vay) phải chính đáng; Quyết định "hộp đen" không thể được kiểm tra.
- Quá trình kiểm tra: Đầu ra của mô hình, dữ liệu được sử dụng và quyết định cuối cùng phải được ghi lại; Câu hỏi "tại sao quyết định này được đưa ra?" nên trả lời sau.
- Giám sát của con người: Con người phải tham gia vào các quyết định quan trọng; cơ chế ra quyết định hoàn toàn tự động, không giám sát có thể xung đột với quy định.
- Quyền phản đối và chỉnh sửa: Quyền phản đối quyết định và yêu cầu chỉnh sửa dữ liệu của khách hàng phải được bảo vệ.
- Chuỗi trách nhiệm: Người chịu trách nhiệm đưa ra quyết định luôn rõ ràng - không phải là người mẫu mà là người và tổ chức có thẩm quyền.
Lưu ý: Việc vi phạm bí mật hoặc vi phạm pháp luật có thể bị phát hiện trong cuộc kiểm toán nhiều tháng hoặc thậm chí nhiều năm sau đó và có thể dẫn đến bị phạt hành chính nặng nề, mất uy tín và trách nhiệm pháp lý. “Không được chú ý” không phải là một sự đảm bảo; Việc đăng ký và tuân thủ được thiết lập ngay từ đầu.
Bốn mẫu có thể sao chép
1) Kiểm soát ẩn danh:
Kiểm tra văn bản sau trước khi đưa nó cho công cụ trí tuệ nhân tạo: nó chứa thông tin gì giúp nhận dạng một người (tên, TR ID, IBAN, điện thoại, địa chỉ, tổ hợp tính năng hiếm)? Liệt kê tất cả chúng và đề xuất cách che giấu chúng. Văn bản: [dữ liệu]
2) Mục đích và kiểm soát dữ liệu tối thiểu:
Tập dữ liệu tối thiểu thực sự cần thiết cho nhiệm vụ này là gì? Trường nào sau đây không cần thiết cho nhiệm vụ và cần được loại bỏ? Đánh dấu các khu vực có nguy cơ bị lạm dụng. Nhiệm vụ: [mô tả] Trường: [danh sách]
3) Dự thảo hồ sơ kiểm toán:
Vai trò của bạn: trợ lý chuẩn bị hồ sơ kiểm tra. Tạo một bản ghi giao dịch gọn gàng với các thông tin sau: dữ liệu nào (ẩn danh), mục đích nào, phương tiện nào, ngày tháng nào, ai chịu trách nhiệm. Để lại các trường còn thiếu là "[cần điền]". Đầu vào: [thông tin]
4) Phản hồi yêu cầu dữ liệu của khách hàng (quyền KVKK):
Một khách hàng đã yêu cầu quyền truy cập/chỉnh sửa dữ liệu của mình trong phạm vi KVKK. Soạn thảo một phản hồi tôn trọng, rõ ràng và nhắc nhở bạn về các quyền của mình (truy cập, chỉnh sửa, phản đối). Thêm dữ liệu cá nhân mới; Giải thích các bước của quy trình. Các quan chức sẽ kiểm tra.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Đính kèm họ tên đầy đủ, số ID TR và sao kê tài khoản trong 6 tháng gần nhất của khách hàng sau; Phân tích điều này và cho tôi một hồ sơ. Hãy nhanh lên.
Nó chia sẻ dữ liệu nhận dạng mà không được phê duyệt, vi phạm việc giảm thiểu dữ liệu và vi phạm bí mật của khách hàng.
Lời nhắc mạnh mẽ:
Vai trò của bạn: trợ lý phân tích làm việc với dữ liệu ẩn danh. Tôi chỉ cung cấp cho bạn dữ liệu tối thiểu, không được xác định: 42 tuổi, phân khúc X, phạm vi chi tiêu trung bình hàng tháng [phạm vi]. Yêu cầu dữ liệu cá nhân hoặc suy luận danh tính. Tôi sẽ sử dụng và lưu kết quả đầu ra theo quy trình đã được phê duyệt.
Lời nhắc mạnh mẽ hoạt động ẩn danh và sử dụng ít dữ liệu, cấm trích xuất danh tính và cung cấp dấu vết kiểm tra.
ba trường hợp nhỏ
Trường hợp 1 - Xử lý đúng. Một nhà phân tích tiến hành phân tích hành vi của 5.000 khách hàng chỉ với dữ liệu tổng hợp, ẩn danh; Không có trường nhận dạng nào được nhập vào xe, phương tiện được sử dụng và mục đích được ghi lại. Kết quả tạo ra giá trị kinh doanh và không có ranh giới bảo mật nào bị vượt qua.
Trường hợp 2 - Nguy cơ tái nhận dạng. Một nhóm phát hiện ra rằng một số khách hàng có thể được nhận dạng riêng lẻ bằng cách kết hợp giữa độ tuổi, khu vực lân cận và nghề nghiệp hiếm trong những gì họ cho là tập dữ liệu "ẩn danh". Dữ liệu được ẩn danh lại bằng cách khái quát hóa các trường này (độ tuổi, khu vực rộng lớn). Thẻ "Ẩn danh" không được coi là an toàn nếu không được kiểm tra.
Trường hợp 3 - Dấu vết kiểm tra được phục hồi. Quyết định cho vay có thể bị thách thức nhiều năm sau đó. Ngân hàng cho thấy từ quá trình kiểm toán dựa trên dữ liệu đã được xác minh mà quyết định được đưa ra, dựa trên cơ sở nào và ai đã phê duyệt quyết định đó. Nhờ có hồ sơ nên quyết định mới có thể được bảo vệ; Nếu không có dấu vết, ngân hàng sẽ lâm vào cảnh khó khăn.
Đám mây, bên thứ ba và nơi lưu trữ dữ liệu
Hầu hết các công cụ AI đều chạy trên đám mây và xử lý dữ liệu trên máy chủ của riêng chúng. Điều này mở ra một lớp câu hỏi bổ sung trong ngân hàng: dữ liệu sẽ đi đâu và ai có thể truy cập vào đó? Gửi dữ liệu khách hàng đến một công cụ thường có nghĩa là đưa dữ liệu đó ra ngoài phạm vi ngân hàng. Vì vậy, việc lựa chọn một công cụ không phải là một quyết định mang tính kỹ thuật mà là một quyết định tuân thủ.
Những điểm cần xem xét:
- Hợp đồng xử lý dữ liệu: Có hợp đồng với nhà cung cấp công cụ xác định cách xử lý, lưu trữ và xóa dữ liệu không? Các công cụ “miễn phí” và không có hợp đồng không đủ điều kiện cho dữ liệu ngân hàng.
- Sử dụng trong đào tạo: Biết liệu dữ liệu bạn nhập có được sử dụng trong đào tạo mô hình hay không; Nếu sử dụng, bí mật của khách hàng có thể bị rò rỉ ra nơi khác.
- Nơi lưu trữ dữ liệu: Quốc gia nơi dữ liệu được lưu giữ rất quan trọng đối với cả quy tắc KVKK và chuyển giao quốc tế.
- Truy cập và ghi nhật ký: Có ghi lại ai truy cập không?
Thận trọng: "Xe có vẻ an toàn" không phải là sự đảm bảo. Trước khi một công cụ có thể được sử dụng trong ngân hàng, nó phải vượt qua sự phê duyệt tuân thủ và bảo mật thông tin. Nhập dữ liệu khách hàng vào một công cụ chưa được phê duyệt đồng nghĩa với việc đưa dữ liệu đó đi mà không biết nó sẽ đi đâu.
Những lỗi thường gặp
- Chia sẻ dữ liệu nhận dạng mà không có sự chấp thuận. Lên xe không ẩn danh tên, TR ID và IBAN.
- Giả sử "ẩn danh". Xem xét dữ liệu an toàn mà không cần thực hiện kiểm tra nhận dạng lại.
- Mục đích trôi dạt. Sử dụng dữ liệu được thu thập cho mục đích này cho mục đích khác.
- Bỏ qua dấu vết kiểm toán. Không ghi lại số liệu, mục đích, phương tiện; không thể chịu trách nhiệm sau này.
- Quyết định hộp đen Xem xét một quyết định tự động không thể được coi là hợp pháp.
Mẹo: Tính bảo mật và tuân thủ không phải là “rào cản” mà là nền tảng của niềm tin. Khách hàng tin tưởng ngân hàng vì anh ta biết rằng dữ liệu của mình được bảo vệ. Đánh liều niềm tin này để đi đường tắt là sai lầm đắt giá nhất.
Tóm lại
Dữ liệu khách hàng vừa là dữ liệu cá nhân thuộc phạm vi KVKK vừa là bí mật khách hàng thuộc phạm vi Luật Ngân hàng; Nó được bảo vệ gấp đôi. Ẩn danh (và kiểm tra khả năng nhận dạng lại), làm việc với dữ liệu và mục đích tối thiểu, chỉ sử dụng các công cụ bảo mật đã được phê duyệt, để lại dấu vết kiểm tra. Pháp luật yêu cầu khả năng giải thích, sự giám sát của con người, quyền phản đối và chuỗi trách nhiệm rõ ràng. Trong một câu: Dữ liệu là niềm tin của chủ sở hữu; Trách nhiệm của người có thẩm quyền là bảo vệ, ghi chép và giải trình về nó.
Nhiệm vụ ứng dụng
Viết văn bản dữ liệu khách hàng mẫu (có trường ID) và thực hiện kiểm tra ẩn danh với mẫu 1; Xác định khu vực nào cần che dấu. Sau đó xác định một tác vụ và trích xuất tập dữ liệu tối thiểu bằng mẫu thứ 2 và xóa các trường không cần thiết. Cuối cùng, tạo bản ghi nhật ký kiểm tra dự thảo với mẫu thứ 3, liệt kê những thông tin cần lưu giữ cho mỗi giao dịch.
danh sách kiểm tra
- [ ] Tôi đã ẩn danh các trường ID và kiểm tra chúng để xác định lại.
- [ ] Tôi chỉ xử lý dữ liệu tối thiểu cần thiết cho nhiệm vụ.
- [ ] Tôi đã sử dụng dữ liệu giới hạn cho mục đích của nó; Tôi đã không để bàn thắng tuột khỏi tầm tay.
- [ ] Tôi chỉ lái những chiếc xe được phê duyệt và an toàn.
- [ ] Tôi đã ghi lại dữ liệu, mục đích, phương tiện và nguyên tắc trong quá trình kiểm tra.
- [ ] Tôi đã tính đến khả năng giải thích của quyết định và quyền phản đối của khách hàng.