AI प्रॉम्प्ट के लिए PII मास्किंग: क्या छिपाएँ और कैसे

AI प्रॉम्प्ट के लिए PII मास्किंग का मतलब है, ChatGPT, Claude या Gemini में पाठ चिपकाने से पहले किसी व्यक्ति की पहचान बताने वाली जानकारी (नाम, संपर्क विवरण, खाते और ID नंबर, जन्मतिथियाँ) को तटस्थ लेबल से बदलना। AI को जिन भूमिकाओं, राशियों और घटना की तारीख़ों की ज़रूरत है, उन्हें रहने दें; व्यक्ति की पहचान बताने वाली हर चीज़ को मास्क करें; और भेजने से पहले मास्क किए हुए पाठ को एक बार फिर पढ़ें।

PII क्या है और यह व्यक्तिगत डेटा से कैसे अलग है

PII का अर्थ है व्यक्तिगत पहचान योग्य जानकारी। यह संघीय मार्गदर्शन में इस्तेमाल होने वाला एक अमेरिकी शब्द है। OMB परिपत्र A-130 इसकी परिभाषा ऐसी जानकारी के रूप में देता है जिसका इस्तेमाल किसी व्यक्ति की पहचान अलग से करने या उसका पता लगाने के लिए किया जा सकता है—चाहे अकेले, या उस व्यक्ति से जुड़ी अथवा जोड़ी जा सकने वाली अन्य जानकारी के साथ मिलाकर। NIST SP 800-122, PII की गोपनीयता की रक्षा के लिए NIST की मार्गदर्शिका, उदाहरण देती है: नाम, सामाजिक सुरक्षा नंबर, जन्मतिथि और जन्मस्थान, जैवमितीय रिकॉर्ड, और किसी व्यक्ति से जुड़ी जानकारी, जैसे चिकित्सीय, वित्तीय या रोज़गार संबंधी विवरण।

EU और UK एक अलग शब्द का इस्तेमाल करते हैं। GDPR के अनुच्छेद 4(1), और UK GDPRके इसी अनुच्छेद के तहत, व्यक्तिगत डेटा का अर्थ है "किसी पहचाने गए या पहचाने जा सकने वाले प्राकृतिक व्यक्ति से संबंधित कोई भी जानकारी"। इसमें स्थान डेटा, ऑनलाइन पहचानकर्ता या व्यक्ति की शारीरिक, आर्थिक, सांस्कृतिक या सामाजिक पहचान से जुड़े कारकों के आधार पर पहचान भी शामिल है।

प्रॉम्प्ट के संदर्भ में, यह अंतर ज़्यादातर आदत का है। जो लोग "PII" के बारे में सोचते हैं, वे आम तौर पर फ़ील्ड खोजते हैं: नाम, SSN, ईमेल। GDPR की परिभाषा आपको यह भी पूछने को कहती है कि क्या किसी वाक्य को बाकी जानकारी के साथ पढ़ने पर एक व्यक्ति की पहचान हो सकती है। अगर आपके क्लाइंट EU या UK में हैं, तो इस व्यापक परिभाषा के अनुसार काम करें। आपकी फ़र्म के लिए AI का कोई विशेष उपयोग वैध है या नहीं, यह सवाल आपके वकील या डेटा संरक्षण अधिकारी के लिए है, मास्किंग टूल के लिए नहीं।

निर्दोष लगने वाली जानकारी मिलकर क्यों पहचान बता सकती है

पहचानकर्ता दो समूहों में आते हैं। प्रत्यक्ष पहचानकर्ता अकेले ही किसी एक व्यक्ति की ओर संकेत करते हैं: पूरा नाम, पासपोर्ट नंबर, ईमेल पता। अर्ध-पहचानकर्ता ऐसा नहीं करते, लेकिन संभावित लोगों का दायरा सीमित कर देते हैं: पोस्टकोड, जन्मतिथि, नौकरी का पद, दुर्लभ रोग-निदान।

इस बात का सबसे प्रसिद्ध माप कि ये कितनी तेज़ी से संभावित लोगों का दायरा सीमित करते हैं, Latanya Sweeney से आता है। 1990 की अमेरिकी जनगणना के आँकड़ों का इस्तेमाल करते हुए, उन्होंने अनुमान लगाया कि "सरल जनसांख्यिकीय जानकारी से अक्सर लोगों की विशिष्ट पहचान हो जाती है" में, केवल तीन फ़ील्ड—5 अंकों वाला ZIP कोड, लिंग और जन्मतिथि—के आधार पर अमेरिकी आबादी के 87% लोगों की विशिष्ट पहचान होने की संभावना थी। Philippe Golle द्वारा बाद में किए गए पुनर्विश्लेषण में 2000 की जनगणना के लिए यह आँकड़ा लगभग 63% बताया गया। दोनों ही मामलों में, तीन साधारण तथ्य ज़्यादातर लोगों की पहचान के लिए पर्याप्त थे।

प्रॉम्प्ट में, अर्ध-पहचानकर्ता आम तौर पर मुक्त पाठ में छिपे होते हैं: "Leeds कार्यालय की एकमात्र महिला साझेदार", "वह क्लाइंट जिसने पिछली बसंत ऋतु में Main Street की बेकरी बेची थी"। हमारी सूची AI को दस्तावेज़ भेजने से पहले क्या हटाएँ इन संयोजनों को प्रकार के अनुसार समझाती है।

मास्किंग, रिडैक्शन, छद्मनामकरण: AI फिर भी क्या कर सकता है

इन तीनों शब्दों का इस्तेमाल अक्सर ढीले-ढाले ढंग से किया जाता है। प्रॉम्प्ट के लिए यह मायने रखता है कि हर तरीका AI के पास काम करने के लिए क्या छोड़ता है। यह वाक्य लें: "Anna Weber ने 3 मई को Tom Hale को ईमेल किया; Anna, Tom के इनवॉइस पर आपत्ति करती है।"

ज़्यादातर AI कार्यों के लिए, एकसमान प्लेसहोल्डर सबसे अच्छे जवाब देते हैं, क्योंकि AI फिर भी घटनाक्रम समझ सकता है। GDPR इसे छद्मनामकरण (अनुच्छेद 4(5)) कहता है और परिणाम को व्यक्तिगत डेटा ही मानता है। हमारा लेख गुमनामकरण, छद्मनामकरण और रिडैक्शन इन तीनों शब्दों को विस्तार से समझाता है।

प्रॉम्प्ट में क्या मास्क करें और क्या रहने दें

व्यक्ति की पहचान बताने वाली जानकारी मास्क करें। सवाल का विषय बनी जानकारी रहने दें।

"जन्मतिथियाँ मास्क करें" का एक आम अपवाद उम्र है: अगर जवाब इस बात पर निर्भर करता है कि व्यक्ति 18 साल से बड़ा है या सेवानिवृत्ति की उम्र के करीब है, तो तारीख़ के बजाय उम्र या "65 साल से अधिक" लिखें।

एक छोटा प्रॉम्प्ट, पहले और बाद में:

Before:
Maria Lopez (born 12 March 1981, maria.lopez@example.com) rents
a flat from Greenfield Lettings Ltd. Her deposit of $2,400 was not
returned after she moved out on 30 June. What can she do?

After:
Person_1 (born Date_1, Email_1) rents a flat from Company_1.
Person_1's deposit of $2,400 was not returned after Person_1 moved
out on 30 June. What can Person_1 do? Keep the placeholders as written.

राशि और घर खाली करने की तारीख़ रहने दें, क्योंकि जवाब उन पर निर्भर करता है। अगर जन्मतिथि से सवाल का जवाब देने में कोई मदद नहीं मिलती, तो उसे मास्क करने के बजाय हटा दें।

मास्क करने के तीन तरीके

हाथ से

एक छोटे प्रॉम्प्ट के लिए, पाठ पढ़ें और हर पहचानकर्ता को स्वयं बदलें। ऐसा करते समय प्लेसहोल्डर की सूची किसी नोट पर लिखें (Person_1 = Maria Lopez), ताकि एक ही व्यक्ति को हर बार वही लेबल मिले। हाथ से मास्क करना धीमा है और लंबे पाठ में अक्सर काम नहीं करता: बारह बार आए किसी नाम को ग्यारह बार बदल दिया जाता है।

पैटर्न के लिए खोजें और बदलें का इस्तेमाल करके

कुछ पहचानकर्ताओं का पैटर्न तय होता है, और रेगुलर एक्सप्रेशन से की गई खोज उन्हें एक साथ ढूँढ़ लेती है। Notepad++ और VS Code जैसे टेक्स्ट एडिटर इसका समर्थन करते हैं, और Word में अपनी अलग सिंटैक्स वाला वाइल्डकार्ड सर्च है। शुरुआत के लिए दो पैटर्न:

Email:  [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}
IBAN:   \b[A-Z]{2}[0-9]{2}(?: ?[A-Z0-9]){11,30}\b

IBAN का पैटर्न SWIFT IBAN रजिस्ट्रीमें दिए गए ढाँचे का पालन करता है: दो-अक्षर का देश कोड, दो चेक अंक, फिर अधिकतम तीस अक्षर और अंक। पैटर्न प्रारूप पहचानते हैं, अर्थ नहीं। वे "ओह-सात-सात" के रूप में लिखे फ़ोन नंबर को नहीं पकड़ते, और वे कभी कोई नाम नहीं ढूँढ़ पाएँगे।

पहचान टूल का इस्तेमाल करके

पहचान टूल, पैटर्न के साथ-साथ नाम, कंपनियाँ और जगहें भी खोजते हैं। लंबे दस्तावेज़ पर वे हाथ से काम करने की तुलना में बहुत तेज़ हैं, लेकिन उनमें से कोई भी सब कुछ नहीं ढूँढ़ पाता। ओपन-सोर्स पहचान टूलकिट Presidio का दस्तावेज़ इसे साफ़ तौर पर कहता है: क्योंकि यह स्वचालित पहचान का इस्तेमाल करता है, "इसकी कोई गारंटी नहीं है कि Presidio सभी संवेदनशील जानकारी ढूँढ़ लेगा।"

इसलिए पहचान के बाद समीक्षा ज़रूरी है। टूल ने जो पाया है, उसे देखें और ग़लत मिलानों पर टिक हटाएँ, जैसे सड़क का नाम जो किसी उपनाम के रूप में भी इस्तेमाल होता हो। फिर पाठ में वह जानकारी ढूँढ़ें जो इससे छूट गई: उपनाम, छोटे अक्षरों में लिखे नाम, या नाम बताने के बजाय किसी व्यक्ति का वर्णन। छद्मनामकरण टूल में किन बातों पर ध्यान दें उपलब्ध टूलों के प्रकारों की तुलना करता है।

ClientSafe में आप दस्तावेज़ों को एक केस में जोड़ते हैं, और यह आपके PC पर नाम, कंपनियाँ, पते, फ़ोन नंबर, ईमेल पते, खाता और ID नंबर, और जन्मतिथियाँ खोजता है। जो व्यक्तिगत डेटा नहीं है, उस पर से आप टिक हटाते हैं और जो छूट गया है उसे चिह्नित करते हैं। फिर आप सुरक्षित कॉपी को AI चैट में कॉपी करते हैं। केस के हर दस्तावेज़ में एक ही व्यक्ति को वही प्लेसहोल्डर मिलता है।

जवाब प्लेसहोल्डर के साथ लौटता है

मास्किंग दोनों दिशाओं में काम करती है। AI उसी शब्दावली में जवाब देता है जिसका आपने इस्तेमाल किया, इसलिए उसके जवाब में "Person_1, Company_1 से ... के लिए कह सकता है" लिखा होगा, "Maria Lopez ... के लिए कह सकती हैं" नहीं। जैसा कि ऊपर के उदाहरण में है, उससे प्लेसहोल्डर को ज्यों का त्यों रखने के लिए कहने से ऐसा होने की संभावना बढ़ती है।

असली नाम चैट में नहीं, अपने कंप्यूटर पर वापस जोड़ें: अपनी प्लेसहोल्डर सूची के साथ खोजें और बदलें का इस्तेमाल करके, या उसी टूल का इस्तेमाल करके जिससे आपने मास्क किया था। फिर बहाल किए गए जवाब को एक बार पढ़ें: AI ने अगर कोई प्लेसहोल्डर बदल दिया हो ("Person 1" की जगह "Person_1"), तो शायद वह बहाल नहीं हुआ होगा। हमारा मार्गदर्शक AI के जवाब में असली नाम वापस जोड़ना इस पूरी प्रक्रिया को चरण-दर-चरण समझाता है।

अक्सर पूछे जाने वाले सवाल

क्या मास्क किया हुआ पाठ गुमनाम होता है?

आमतौर पर नहीं। अगर आप प्लेसहोल्डर को नामों से जोड़ने वाली तालिका रखते हैं, तो पाठ का छद्मनामकरण हुआ है, और GDPR के तहत यह अब भी व्यक्तिगत डेटा है। मास्किंग से AI सेवा को मिलने वाली जानकारी कम हो जाती है। इससे पाठ डेटा संरक्षण कानून के दायरे से बाहर नहीं होता।

क्या मुझे कंपनी के नाम मास्क करने चाहिए?

क्लाइंट की कंपनी और ऐसी किसी भी कंपनी का नाम मास्क करें जिससे क्लाइंट की पहचान हो सकती है, जैसे कोई छोटा पारिवारिक व्यवसाय। अगर सवाल के लिए ज़रूरी हो, तो आपूर्तिकर्ता या दूसरे पक्ष के रूप में नामित किसी बड़ी सार्वजनिक कंपनी का नाम अक्सर रहने दिया जा सकता है।

क्या मास्किंग से AI का जवाब खराब हो जाता है?

एकसमान प्लेसहोल्डर के साथ ऐसा बहुत कम होता है: AI फिर भी देख सकता है कि किसने क्या किया। जवाब तब खराब होता है जब वह किसी ऐसी जानकारी पर निर्भर करे जिसे आपने मास्क किया है, जैसे देश या किसी व्यक्ति की उम्र। वह विवरण सामान्य रूप में वापस जोड़ें।

क्या मैं बस AI से कह सकता हूँ कि व्यक्तिगत डेटा को नज़रअंदाज़ करे?

नहीं। जब तक AI निर्देश पढ़ता है, डेटा पहले ही भेजा जा चुका होता है। चिपकाने से पहले मास्क करना ज़रूरी है।

ClientSafe आपके PC पर नाम, पते, फ़ोन नंबर, ईमेल पते, खाता और ID नंबर, और जन्मतिथियों को प्लेसहोल्डर से बदलता है, और AI के जवाब में असली नाम वापस जोड़ता है। पहचान प्रक्रिया पूरी तरह सटीक नहीं होती, इसलिए कॉपी करने से पहले सूची की समीक्षा करें।