Ẩn danh tính cá nhân (PII) trong câu lệnh AI nghĩa là thay các chi tiết nhận diện một người (tên, thông tin liên hệ, số tài khoản và số định danh, ngày sinh) bằng nhãn trung tính trước khi dán văn bản vào ChatGPT, Claude hoặc Gemini. Hãy giữ lại vai trò, số tiền và ngày xảy ra sự kiện mà AI cần, ẩn mọi thứ có thể cho biết người đó là ai, rồi đọc lại văn bản đã ẩn trước khi gửi.
PII là gì và khác dữ liệu cá nhân như thế nào
PII là viết tắt của thông tin nhận dạng cá nhân. Đây là thuật ngữ của Hoa Kỳ, xuất phát từ hướng dẫn liên bang. Thông tư OMB A-130 định nghĩa PII là thông tin có thể được dùng để phân biệt hoặc truy tìm danh tính của một cá nhân, dù là riêng lẻ hay kết hợp với thông tin khác có liên quan hoặc có thể liên kết với người đó. NIST SP 800-122, hướng dẫn của NIST về bảo vệ tính bảo mật của PII, đưa ra các ví dụ: tên, số An sinh Xã hội, ngày và nơi sinh, hồ sơ sinh trắc học, cùng thông tin liên quan đến một người như chi tiết y tế, tài chính hoặc việc làm.
EU và Vương quốc Anh dùng một thuật ngữ khác. Theo Điều 4(1) của GDPRvà điều tương ứng của UK GDPR, dữ liệu cá nhân là "mọi thông tin liên quan đến một thể nhân đã được xác định hoặc có thể được xác định", bao gồm việc nhận dạng thông qua dữ liệu vị trí, mã định danh trực tuyến hoặc các yếu tố đặc thù về danh tính thể chất, kinh tế, văn hóa hoặc xã hội của một người.
Đối với câu lệnh, khác biệt chủ yếu nằm ở thói quen tư duy. Người nghĩ theo khái niệm "PII" thường tìm các trường dữ liệu: tên, SSN, email. Định nghĩa trong GDPR còn yêu cầu bạn tự hỏi liệu một câu, khi đọc cùng với phần còn lại, có chỉ ra một người cụ thể hay không. Nếu khách hàng của bạn ở EU hoặc Vương quốc Anh, hãy áp dụng định nghĩa rộng hơn đó. Việc một trường hợp sử dụng AI cụ thể có hợp pháp đối với công ty bạn hay không là vấn đề cần hỏi luật sư hoặc cán bộ bảo vệ dữ liệu, chứ không phải công cụ che thông tin.
Vì sao những chi tiết tưởng như vô hại lại cộng dồn
Thông tin nhận dạng được chia thành hai nhóm. Thông tin nhận dạng trực tiếp tự nó chỉ ra một người cụ thể: họ tên đầy đủ, số hộ chiếu, địa chỉ email. Thông tin nhận dạng gián tiếp thì không tự nó nhận diện người đó, nhưng giúp thu hẹp phạm vi: mã bưu chính, ngày sinh, chức danh công việc, chẩn đoán hiếm gặp.
Đánh giá nổi tiếng nhất về tốc độ thu hẹp phạm vi này đến từ Latanya Sweeney. Dựa trên dữ liệu Điều tra dân số Hoa Kỳ năm 1990, bà ước tính trong bài "Thông tin nhân khẩu học đơn giản thường đủ để nhận diện duy nhất từng người" rằng 87% dân số Hoa Kỳ có khả năng được nhận diện duy nhất chỉ bằng ba trường: mã ZIP 5 chữ số, giới tính và ngày sinh. Một phân tích lại sau đó của Philippe Golle đưa con số này xuống khoảng 63% đối với cuộc Điều tra dân số năm 2000. Dù theo con số nào, chỉ ba thông tin thông thường cũng đủ để xác định hầu hết mọi người.
Trong câu lệnh, thông tin nhận dạng gián tiếp thường ẩn trong văn bản tự do: "nữ thành viên hợp danh duy nhất tại văn phòng Leeds", "khách hàng đã bán tiệm bánh trên phố Main vào mùa xuân năm ngoái". Danh sách của chúng tôi về những thông tin cần xóa trước khi gửi tài liệu cho AI xem xét từng loại tổ hợp này.
Che thông tin, biên tập xóa, giả danh: AI vẫn có thể làm gì
Ba thuật ngữ này thường được dùng không chặt chẽ. Khi viết câu lệnh, điều quan trọng là mỗi cách xử lý để AI còn lại những gì. Xét câu: "Anna Weber đã gửi email cho Tom Hale vào ngày 3 tháng 5; Anna tranh chấp hóa đơn của Tom."
| Phương pháp | Câu này trở thành | AI vẫn có thể làm gì | Bạn có thể khôi phục tên không? |
|---|---|---|---|
| Biên tập xóa (loại bỏ hoặc che đen) | "[█████] đã gửi email cho [█████] vào ngày 3 tháng 5; [█████] tranh chấp hóa đơn của [█████]." | Rất ít: AI không thể biết ai đã viết, ai tranh chấp và ai là người được thanh toán. | Không |
| Che thông tin bằng nhãn loại | "[TÊN] đã gửi email cho [TÊN] vào ngày 3 tháng 5; [TÊN] tranh chấp hóa đơn của [TÊN]." | AI biết đây là người, nhưng không biết người nào là người nào. | Không |
| Giả danh (chỗ giữ chỗ nhất quán) | "Person_1 đã gửi email cho Person_2 vào ngày 3 tháng 5; Person_1 tranh chấp hóa đơn của Person_2." | Theo dõi ai đã làm gì và trả lời bằng chính các thuật ngữ đó. | Có, nếu bạn giữ bảng liên kết chỗ giữ chỗ với tên ở phía mình. |
Đối với hầu hết tác vụ AI, chỗ giữ chỗ nhất quán giúp tạo ra câu trả lời tốt nhất vì AI vẫn có thể theo dõi diễn biến. GDPR gọi cách này là giả danh (Điều 4(5)) và vẫn xem kết quả là dữ liệu cá nhân. Bài viết của chúng tôi về ẩn danh, giả danh và biên tập xóa giải thích chi tiết ba thuật ngữ này.
Nên che thông tin gì trong câu lệnh và nên giữ lại gì
Che thông tin nhận diện người đó. Giữ lại nội dung mà câu hỏi đề cập.
| Che | Giữ |
|---|---|
| Tên người và công ty, biệt danh, chữ cái đầu của tên | Vai trò: bên mua, người thuê, nhân viên, khách hàng của chúng tôi, bên kia |
| Địa chỉ email, số điện thoại, địa chỉ đường phố | Quốc gia hoặc khu vực pháp lý, nếu câu trả lời phụ thuộc vào đó |
| Số tài khoản, IBAN, số thẻ, số thuế và số định danh, số hồ sơ và số hợp đồng bảo hiểm | Số tiền, trừ khi chính số tiền đó có thể nhận diện khách hàng |
| Ngày sinh | Ngày diễn ra sự kiện: ngày ký, ngày thông báo, ngày thanh toán, hạn chót |
| Chi tiết trong văn bản tự do có thể chỉ ra một người cụ thể: chức danh hiếm gặp, thị trấn nhỏ, người thân có tên cụ thể | Các sự kiện cốt yếu đối với câu hỏi, được diễn đạt khái quát |
Tuổi là một ngoại lệ phổ biến đối với việc "che ngày sinh": nếu câu trả lời phụ thuộc vào việc ai đó trên 18 tuổi hay sắp đến tuổi nghỉ hưu, hãy ghi tuổi hoặc "trên 65 tuổi" thay vì ngày sinh.
Một câu lệnh ngắn, trước và sau khi che thông tin:
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.Số tiền và ngày chuyển đi được giữ lại vì câu trả lời phụ thuộc vào chúng. Nếu ngày sinh không bổ sung gì cho câu hỏi, hãy xóa nó thay vì che thông tin.
Ba cách che thông tin
Làm thủ công
Với một câu lệnh ngắn, hãy đọc văn bản và tự thay từng thông tin nhận dạng. Khi làm, hãy ghi danh sách chỗ giữ chỗ vào một ghi chú (Person_1 = Maria Lopez) để cùng một người luôn nhận một nhãn. Che thông tin thủ công rất chậm và không hiệu quả với văn bản dài: một tên xuất hiện mười hai lần có thể chỉ được thay thế mười một lần.
Dùng chức năng tìm và thay thế theo mẫu
Một số thông tin nhận dạng có mẫu cố định và có thể được tìm thấy cùng lúc bằng tìm kiếm biểu thức chính quy. Các trình soạn thảo văn bản như Notepad++ và VS Code hỗ trợ tính năng này; Word cũng có chức năng tìm kiếm ký tự đại diện với cú pháp riêng. Hai mẫu để bắt đầu:
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}\bMẫu IBAN tuân theo cấu trúc trong Sổ đăng ký IBAN của SWIFT: mã quốc gia gồm hai chữ cái, hai chữ số kiểm tra, sau đó là tối đa ba mươi chữ cái và chữ số. Các mẫu phát hiện định dạng, chứ không phát hiện ý nghĩa. Chúng sẽ bỏ sót số điện thoại được viết thành "không-bảy-bảy", và không bao giờ tìm được tên.
Dùng công cụ phát hiện
Công cụ phát hiện tìm tên, công ty và địa điểm, ngoài các mẫu định dạng. Với tài liệu dài, chúng nhanh hơn nhiều so với làm thủ công, nhưng không công cụ nào tìm thấy mọi thứ. Tài liệu hướng dẫn của bộ công cụ phát hiện mã nguồn mở Presidio nói rõ điều này: vì sử dụng tính năng phát hiện tự động, "không có gì đảm bảo Presidio sẽ tìm thấy mọi thông tin nhạy cảm".
Do đó, việc phát hiện cần có bước xem xét. Kiểm tra những gì công cụ tìm thấy và bỏ chọn các kết quả sai, chẳng hạn tên đường cũng là họ của một người. Sau đó đọc văn bản để tìm những gì công cụ bỏ sót: biệt danh, tên viết thường, người được mô tả nhưng không được nêu tên. Cần tìm gì ở một công cụ giả danh so sánh các loại công cụ hiện có.
Trong ClientSafe, bạn thêm tài liệu vào một hồ sơ, rồi ứng dụng tìm tên, công ty, địa chỉ, số điện thoại, địa chỉ email, số tài khoản và số định danh, cùng ngày sinh trên PC của bạn. Bạn bỏ chọn những mục không phải dữ liệu cá nhân và đánh dấu những mục bị bỏ sót. Sau đó, bạn sao chép bản sao an toàn vào cuộc trò chuyện AI. Cùng một người sẽ nhận cùng một chỗ giữ chỗ trong mọi tài liệu thuộc hồ sơ đó.
Câu trả lời được trả về kèm các chỗ giữ chỗ
Che thông tin có tác dụng theo cả hai chiều. AI trả lời bằng các thuật ngữ bạn đã dùng, nên câu trả lời sẽ là "Person_1 có thể yêu cầu Company_1..." thay vì "Maria Lopez có thể yêu cầu...". Yêu cầu AI giữ nguyên các chỗ giữ chỗ như đã viết, như trong ví dụ trên, sẽ giúp điều này có khả năng xảy ra cao hơn.
Khôi phục tên thật trên máy tính của bạn, không phải trong cuộc trò chuyện: dùng chức năng tìm và thay thế với danh sách chỗ giữ chỗ, hoặc dùng lại chính công cụ đã che thông tin. Sau đó đọc lại câu trả lời đã khôi phục một lần: chỗ giữ chỗ mà AI đã đổi ("Người 1" thay vì "Person_1") có thể chưa được khôi phục. Hướng dẫn của chúng tôi về khôi phục tên thật trong câu trả lời của AI hướng dẫn toàn bộ quy trình từng bước.
Câu hỏi thường gặp
Văn bản đã che thông tin có ẩn danh không?
Thường là không. Nếu bạn giữ bảng liên kết chỗ giữ chỗ với tên, văn bản đã được giả danh và theo GDPR vẫn là dữ liệu cá nhân. Che thông tin làm giảm lượng dữ liệu mà dịch vụ AI nhận được. Việc này không đưa văn bản ra khỏi phạm vi điều chỉnh của luật bảo vệ dữ liệu.
Tôi có nên che tên công ty không?
Hãy che tên công ty của khách hàng và mọi công ty có thể nhận diện khách hàng, chẳng hạn một doanh nghiệp gia đình nhỏ. Tên một công ty đại chúng lớn được nêu là nhà cung cấp hoặc đối tác giao dịch thường có thể được giữ lại nếu câu hỏi cần đến tên đó.
Che thông tin có làm câu trả lời của AI kém đi không?
Nếu dùng chỗ giữ chỗ nhất quán thì hiếm khi, vì AI vẫn biết ai đã làm gì. Câu trả lời sẽ kém đi khi nó phụ thuộc vào điều bạn đã che, chẳng hạn quốc gia hoặc tuổi của một người. Hãy bổ sung lại chi tiết đó dưới dạng khái quát.
Tôi chỉ cần bảo AI bỏ qua dữ liệu cá nhân được không?
Không. Khi AI đọc được chỉ dẫn đó thì dữ liệu đã được gửi đi. Phải che thông tin trước khi bạn dán văn bản.
ClientSafe thay tên, địa chỉ, số điện thoại, địa chỉ email, số tài khoản và số định danh, cùng ngày sinh bằng chỗ giữ chỗ trên PC của bạn, rồi khôi phục tên thật trong câu trả lời của AI. Việc phát hiện không hoàn hảo, vì vậy hãy xem xét danh sách trước khi sao chép.