收益：
- 能够在 KVKK 和税务程序法保密义务的框架内对纳税人和财务数据进行分类并确定保护级别
- 在将数据提供给人工智能之前能够应用匿名化、屏蔽和安全/机构工具选择步骤
- 通过了解侵犯隐私的法律、刑事和职业后果，能够养成避免无人监督驾驶的习惯。
专业人士可以看到纳税人最私密的信息：营业额、利润、银行动向、员工工资、TR ID 号码、合同、合伙结构。这些信息受到两个独立法律层面的保护：KVKK（个人数据保护法，禁止未经授权处理个人信息的法律）和税务程序法的保密义务（专业人员对其因职责而了解到的信息保密的义务）。在人工智能时代，这种保护面临着新的威胁：将敏感数据保存在不受控制的工具中。该单元的原理很单一：数据在进入人工智能之前受到保护；没有敏感数据进入无人监管的车辆。
两层保护以及为何应认真对待
- KVKK 层：属于真实人物的所有信息（姓名、TR ID、工资、联系方式）都是个人数据。未经授权的处理、转移和保护不力将导致行政罚款和赔偿。
- VUK 保密层：专业人士不能与第三方分享纳税人的财务秘密。违规行为会带来刑事和职业（纪律）后果。
粘贴到公开可用的人工智能工具中的试算表或工资单可能被视为“转移给第三方”。通常不清楚该工具如何存储数据以及是否在训练中使用。仅这种不确定性就足以构成风险。
注意：“无论如何没有人会看到它”的想法不是法律辩护。一旦数据进入不受控制的系统，它就不受您的控制。隐私泄露之所以危险，不是因为它有可能发生，而是因为一旦发生就不可逆转。
在将数据提供给人工智能之前：保护步骤
- 分类。您拥有的数据是个人、财务秘密还是公开的？相应地确定保护级别。
- 质疑必要性。是否真的有必要将这些数据提供给模型，或者可以使用匿名/摘要数据来完成任务吗？
- 匿名/屏蔽。他们的名字是K1、K2；公司Ş1、Ş2；用掩码替换 TR ID 和帐号。概括提供间接诊断的独特细节。
- 选择安全的车辆。如果可能，请使用可保证数据保留的公司/批准的工具。
- 保持踪迹。记录您向哪个工具提供了哪些数据以及采取了哪些保护措施。
数据类型
例子
保护方法
身份数据
姓名、TR ID
屏蔽/匿名；永远不要给生的
财务秘密
营业额、利润、银行
总结/匿名；企业用车
关系数据
合作伙伴、供应商
概括；删除独特的细节
公开的
申报的资产负债表
可以正常处理
实践中如何进行匿名化？
匿名化使身份无法区分，同时保持数据有用。例如，你将分析一份工资单：你用一个序列号代替姓名和TR ID，工资分配的分析不会中断，但无法识别任何人。关键在于间接诊断：诸如“唯一的女总经理”或“35人的公司中唯一的92岁老人”这样的表述，即使你删除了名字，也暴露了这个人的身份；这些也是概括性的。
三个迷你箱子
案例 1——工资泄漏。一名实习生将 3500 人的工资单（姓名、身份证、工资）上传到免费网络工具并说“汇总”。数据存在混入车辆存储库的风险； KVKK 和 VUK 都存在违反保密规定的情况。如果顾客发现了，那就完了。正确的方法是使用公司批准的车辆，或者仅通过隐藏您的姓名/TR ID 来分配工资。
案例2——间接诊断。一名顾问给了模特一份名单，他删除了其中的名字，但留下了“公司唯一的外籍经理”这句话。这句话暴露了这个人的身份；缺少匿名化。教训：提供间接诊断的独特细节也应该被概括。
案例 3——良好的操控性。在将敏感数据输入模型之前，办公室会执行标准的匿名化步骤：使用模板将姓名、ID 和品牌名称转换为代码，然后进行分析。分析质量不会下降，身份不会泄露。隐私和效率同时受到保护。
弱提示/强提示
弱提示：
总结以下工资单：[Ahmet Yılmaz，TC 123...，工资 45,000； ...]
原始个人数据不受控制地进入车辆；这是直接违规。
强力提示：
我给你一个数据集。在处理之前，应用以下匿名化并显示匿名版本：- 使人名 K1、K2... - 完全删除 TR ID 和帐号。- 使公司/品牌名称 T1、K2... 概括可以间接识别该人的独特详细信息。然后仅在匿名版本上工作。[数据（尽可能屏蔽）：...]
注意：根本不输入原始个人数据是最安全的；如果您进入，您必须戴上口罩并乘坐安全的车辆。
如需数据分类帮助：
对以下每个字段进行分类：是否是个人数据、是否是财务秘密、是否是公开的？为每个字段写下建议的保护级别。字段：[字段名称，示例 RETURN]
生成匿名模板：
生成一个标准匿名检查表，用于工资/试算表分析：哪些字段应该被屏蔽，哪些字段应该被省略，我应该寻找什么来进行间接诊断？
对于车辆安全评估：
在评估人工智能工具是否适合敏感的纳税人数据（数据保留、教育用途、公司合同、位置）时，我应该问哪些问题？创建一个清单。
常见错误
- 输入原始个人数据。未经姓名/TR ID 验证，切勿进入车辆。
- 跳过间接诊断。即使名称被删除，独特的细节也会泄露身份。
- 不询问车辆安全。如果不知道工具如何存储数据，则不会提供敏感数据。
- 不质疑必要性。如果任务可以使用匿名/摘要数据完成，则根本不给出原始数据。
- 不跟踪。如果没有记录哪些数据是在哪里提供的，则无法追踪违规行为。
总之
纳税人数据受到 KVKK 和 VUK 保密义务的两层保护，人工智能时代最大的新风险是将敏感数据粘贴到不受控制的工具上。在数据输入模型之前，对其进行分类，质疑其必要性，屏蔽名称/TR ID等标识符，并概括提供间接诊断的详细信息；如果可能，仅使用安全的、有数据保留保证的企业工具。侵犯隐私是一种不可逆转的伤害；最安全的数据是从未输入的数据。
应用任务
手里拿着一个典型的敏感文件（例如工资单或试算表）。首先对他们的领域进行分类（个人/财务秘密/公共）。然后应用匿名化模板：列出您将屏蔽哪些区域、将删除哪些区域以及您将寻找什么来进行间接识别。最后，通过清单评估您使用/将要使用的人工智能工具的安全适用性。
清单
- [ ] 我已将数据分类为个人/财务秘密/公开。
- [ ] 我质疑是否真的有必要提供原始数据。
- [ ] 我屏蔽/删除了姓名、TR ID 和帐号。
- [ ] 我概括了提供间接诊断的独特细节。
- [ ] 我只使用了具有数据保留保证的安全/企业工具。
- [ ] 我评估了该工具的数据策略（存储、训练）。
- [ ] 我记录了我在哪里提供的数据作为痕迹。