Maskowanie danych osobowych w poleceniu dla AI polega na zastąpieniu informacji pozwalających zidentyfikować osobę (imion i nazwisk, danych kontaktowych, numerów kont i dokumentów tożsamości, dat urodzenia) neutralnymi etykietami, zanim wkleisz tekst do ChatGPT, Claude lub Gemini. Zachowaj role, kwoty i daty zdarzeń potrzebne AI, zamaskuj wszystko, co wskazuje, kim jest dana osoba, i jeszcze raz przeczytaj zamaskowany tekst przed wysłaniem.
Czym są dane osobowe pozwalające zidentyfikować osobę i czym różnią się od danych osobowych
PII to skrót od personally identifiable information, czyli informacji umożliwiających identyfikację osoby. To amerykański termin pochodzący z wytycznych federalnych. Okólnik OMB A-130 definiuje je jako informacje, które mogą posłużyć do odróżnienia lub ustalenia tożsamości danej osoby — samodzielnie albo w połączeniu z innymi informacjami powiązanymi lub możliwymi do powiązania z tą osobą. NIST SP 800-122, przewodnik NIST dotyczący ochrony poufności danych PII, podaje przykłady: imię i nazwisko, numer Social Security, datę i miejsce urodzenia, dane biometryczne oraz informacje powiązane z osobą, takie jak dane medyczne, finansowe lub dotyczące zatrudnienia.
UE i Wielka Brytania używają innego terminu. Zgodnie z art. 4 ust. 1 RODO, a także odpowiednim artykułem brytyjskiego RODOdane osobowe to „wszelkie informacje o zidentyfikowanej lub możliwej do zidentyfikowania osobie fizycznej”, w tym informacje umożliwiające identyfikację na podstawie danych o lokalizacji, identyfikatora internetowego lub czynników określających fizyczną, ekonomiczną, kulturową lub społeczną tożsamość danej osoby.
W przypadku polecenia dla AI różnica polega głównie na przyjętym sposobie myślenia. Osoby, które myślą w kategoriach „PII”, zwykle szukają konkretnych pól: imienia i nazwiska, numeru SSN, adresu e-mail. Definicja RODO skłania też do zastanowienia się, czy zdanie odczytane w połączeniu z resztą tekstu wskazuje na konkretną osobę. Jeśli Twoi klienci są w UE lub Wielkiej Brytanii, kieruj się szerszą definicją. To, czy dane zastosowanie AI jest zgodne z prawem w Twojej firmie, jest pytaniem do prawnika lub inspektora ochrony danych, a nie do narzędzia do maskowania.
Dlaczego pozornie nieszkodliwe szczegóły się sumują
Identyfikatory dzielą się na dwie grupy. Identyfikatory bezpośrednie same wskazują konkretną osobę: pełne imię i nazwisko, numer paszportu, adres e-mail. Identyfikatory pośrednie same tego nie robią, ale zawężają krąg osób: kod pocztowy, data urodzenia, stanowisko, rzadka diagnoza.
Najbardziej znany pomiar tego, jak szybko zawężają one krąg osób, pochodzi od Latanyi Sweeney. Na podstawie danych ze spisu ludności w USA z 1990 roku oszacowała ona w pracy „Simple Demographics Often Identify People Uniquely” („Proste dane demograficzne często pozwalają jednoznacznie zidentyfikować osoby”), że prawdopodobnie 87% ludności USA można było wyróżnić na podstawie zaledwie trzech danych: pięciocyfrowego kodu ZIP, płci i daty urodzenia. W późniejszej ponownej analizie Philippe Golle oszacował tę wartość na około 63% dla spisu z 2000 roku. Tak czy inaczej, trzy zwykłe informacje wystarczyły, by wskazać większość osób.
W poleceniu dla AI identyfikatory pośrednie zwykle kryją się w swobodnym tekście: „jedyna kobieta wśród partnerów w biurze w Leeds”, „klient, który sprzedał piekarnię przy Main Street zeszłej wiosny”. Nasza lista informacji, które należy usunąć przed wysłaniem dokumentu do AI omawia te kombinacje, kategoria po kategorii.
Maskowanie, redakcja, pseudonimizacja: co AI nadal może zrobić
Te trzy słowa są często używane nieprecyzyjnie. W przypadku polecenia dla AI ważne jest, z jakimi informacjami pozostawia ono AI. Weźmy jedno zdanie: „Anna Weber wysłała e-mail do Toma Hale’a 3 maja; Anna kwestionuje fakturę Toma”.
| Metoda | Zdanie wygląda wtedy tak: | Co AI nadal może zrobić | Czy można odtworzyć imiona i nazwiska? |
|---|---|---|---|
| Redakcja (usunięcie lub zamazanie) | „[█████] wysłała e-mail do [█████] 3 maja; [█████] kwestionuje fakturę [█████]”. | Niewiele: AI nie może ustalić, kto napisał wiadomość, kto kwestionuje fakturę ani komu należy się zapłata. | Nie |
| Maskowanie za pomocą etykiety typu | „[IMIĘ I NAZWISKO] wysłała e-mail do [IMIĘ I NAZWISKO] 3 maja; [IMIĘ I NAZWISKO] kwestionuje fakturę [IMIĘ I NAZWISKO]”. | AI wie, że chodzi o ludzi, ale nie wie, kto jest kim. | Nie |
| Pseudonimizacja (spójne oznaczenia zastępcze) | „Person_1 wysłała e-mail do Person_2 3 maja; Person_1 kwestionuje fakturę Person_2”. | Śledź, kto co zrobił, i udziel odpowiedzi, używając tych samych oznaczeń. | Tak, za pomocą tabeli łączącej oznaczenia zastępcze z imionami i nazwiskami, przechowywanej po Twojej stronie. |
W przypadku większości zadań dla AI spójne oznaczenia zastępcze zapewniają najlepsze odpowiedzi, ponieważ AI nadal może śledzić przebieg zdarzeń. RODO nazywa to pseudonimizacją (art. 4 ust. 5) i nadal traktuje uzyskane w ten sposób informacje jako dane osobowe. Nasz artykuł na temat anonimizacji, pseudonimizacji i redakcji szczegółowo wyjaśnia te trzy pojęcia.
Co maskować w poleceniu, a co zachować
Zamaskuj to, co pozwala zidentyfikować osobę. Zachowaj to, czego dotyczy pytanie.
| Zamaskuj | Zachowaj |
|---|---|
| Imiona i nazwiska osób oraz nazwy firm, pseudonimy, inicjały | Role: kupujący, najemca, pracownik, nasz klient, druga strona |
| Adresy e-mail, numery telefonów, adresy uliczne | Kraj lub jurysdykcję, jeśli od tego zależy odpowiedź |
| Numery kont, IBAN-y, numery kart, numery podatkowe i numery dokumentów tożsamości, numery spraw i polis | Kwoty, chyba że sama kwota pozwoliłaby zidentyfikować klienta |
| Daty urodzenia | Daty zdarzeń: podpisania, zawiadomienia, płatności, terminu |
| Szczegóły w swobodnym tekście, które pozwalają wskazać konkretną osobę: rzadkie stanowisko, małe miasteczko, wymieniony z imienia i nazwiska krewny | Fakty istotne dla pytania, ujęte w ogólny sposób |
Wiek jest częstym wyjątkiem od zasady „maskuj daty urodzenia”: jeśli odpowiedź zależy od tego, czy ktoś ma ukończone 18 lat albo zbliża się do emerytury, podaj wiek lub „powyżej 65 lat” zamiast daty.
Krótkie polecenie — przed i po zamaskowaniu:
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.Kwota i data wyprowadzki pozostają, ponieważ od nich zależy odpowiedź. Jeśli data urodzenia nie wnosi nic do pytania, usuń ją zamiast maskować.
Trzy sposoby maskowania
Ręcznie
W przypadku jednego krótkiego polecenia przeczytaj tekst i samodzielnie zastąp każdy identyfikator. W miarę pracy zapisuj listę oznaczeń zastępczych (Person_1 = Maria Lopez), aby ta sama osoba zawsze miała to samo oznaczenie. Ręczne maskowanie jest powolne i zawodzi przy długich tekstach: imię i nazwisko występujące dwanaście razy zostanie zastąpione jedenaście razy.
Za pomocą wyszukiwania i zamiany według wzorców
Niektóre identyfikatory mają stały format i można je wszystkie znaleźć naraz za pomocą wyszukiwania z wyrażeniami regularnymi. Obsługują je edytory tekstu, takie jak Notepad++ i VS Code, a Word ma wyszukiwanie z symbolami wieloznacznymi o własnej składni. Oto dwa wzorce, od których można zacząć:
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}\bWzorzec IBAN odpowiada strukturze określonej w rejestrze IBAN SWIFT: dwuliterowy kod kraju, dwie cyfry kontrolne, a następnie maksymalnie trzydzieści liter i cyfr. Wzorce wykrywają format, a nie znaczenie. Nie znajdą numeru telefonu zapisanego jako „zero-siedem-siedem”, ani nigdy nie znajdą imienia i nazwiska.
Za pomocą narzędzia do wykrywania
Narzędzia do wykrywania szukają imion i nazwisk, nazw firm i miejscowości, a także wzorców. W przypadku długiego dokumentu są znacznie szybsze niż praca ręczna, ale żadne z nich nie znajduje wszystkiego. Dokumentacja zestawu narzędzi do wykrywania o otwartym kodzie źródłowym Presidio mówi o tym wprost: ponieważ wykorzystuje on zautomatyzowane wykrywanie, „nie ma gwarancji, że Presidio znajdzie wszystkie informacje wrażliwe”.
Dlatego wykrywanie wymaga weryfikacji. Przejrzyj wyniki narzędzia i odznacz fałszywe trafienia, takie jak nazwa ulicy będąca jednocześnie nazwiskiem. Następnie przeczytaj tekst pod kątem tego, co zostało pominięte: pseudonimów, imion i nazwisk zapisanych małymi literami, osób opisanych zamiast wymienionych z imienia i nazwiska. Na co zwrócić uwagę przy wyborze narzędzia do pseudonimizacji porównuje dostępne rodzaje narzędzi.
W ClientSafe dodajesz dokumenty do sprawy, a narzędzie wyszukuje na Twoim komputerze imiona i nazwiska, nazwy firm, adresy, numery telefonów, adresy e-mail, numery rachunków i dokumentów tożsamości oraz daty urodzenia. Odznaczasz to, co nie jest danymi osobowymi, i zaznaczasz to, co narzędzie pominęło. Następnie kopiujesz bezpieczną kopię do czatu AI. Ta sama osoba otrzymuje ten sam znacznik zastępczy we wszystkich dokumentach danej sprawy.
Odpowiedź wraca z oznaczeniami zastępczymi
Maskowanie działa w obu kierunkach. AI odpowiada przy użyciu tych samych oznaczeń, których użyłeś, więc jej odpowiedź brzmi „Person_1 może poprosić Company_1 o...” zamiast „Maria Lopez może poprosić...”. Prośba, aby zachować oznaczenia zastępcze w niezmienionej postaci, jak w powyższym przykładzie, zwiększa prawdopodobieństwo, że tak się stanie.
Przywracaj prawdziwe imiona i nazwiska na własnym komputerze, a nie na czacie: za pomocą funkcji znajdowania i zamiany oraz listy oznaczeń zastępczych albo tego samego narzędzia, którego użyto do maskowania. Następnie raz przeczytaj przywróconą odpowiedź: oznaczenie zastępcze zmienione przez AI („Osoba 1” zamiast „Person_1”) mogło nie zostać przywrócone. Nasz przewodnik po przywracaniu prawdziwych imion i nazwisk w odpowiedzi AI krok po kroku opisuje cały proces w obie strony.
Często zadawane pytania
Czy zamaskowany tekst jest anonimowy?
Zwykle nie. Jeśli przechowujesz tabelę łączącą oznaczenia zastępcze z imionami i nazwiskami, tekst jest spseudonimizowany, a zgodnie z RODO nadal stanowi dane osobowe. Maskowanie ogranicza zakres informacji otrzymywanych przez usługę AI. Nie wyłącza tekstu spod przepisów o ochronie danych.
Czy należy maskować nazwy firm?
Zamaskuj firmę klienta i każdą firmę, której nazwa pozwoliłaby zidentyfikować klienta, na przykład małą firmę rodzinną. Nazwa dużej spółki publicznej będącej dostawcą lub drugą stroną umowy może często pozostać, jeśli jest potrzebna do odpowiedzi na pytanie.
Czy maskowanie pogarsza odpowiedź AI?
W przypadku spójnych oznaczeń zastępczych — rzadko: AI nadal wie, kto co zrobił. Odpowiedź pogarsza się, gdy zależy od zamaskowanej informacji, takiej jak kraj lub wiek danej osoby. Dodaj tę informację z powrotem w ogólnej postaci.
Czy mogę po prostu polecić AI, żeby zignorowała dane osobowe?
Nie. Zanim AI odczyta polecenie, dane zostały już wysłane. Maskowanie musi nastąpić przed wklejeniem tekstu.
ClientSafe zastępuje na Twoim komputerze imiona i nazwiska, adresy, numery telefonów, adresy e-mail, numery kont i dokumentów tożsamości oraz daty urodzenia oznaczeniami zastępczymi, a następnie przywraca prawdziwe imiona i nazwiska w odpowiedzi AI. Wykrywanie nie jest doskonałe, dlatego przed skopiowaniem przejrzyj listę.