Anonimizacija pred uporabo AI: kdaj posameznik še vedno ostane določljiv?
Odstranitev imena pogosto pomeni le psevdonimizacijo; anonimnost zahteva presojo izločitve, povezovanja in sklepanja ob upoštevanju razumno verjetnih…
AI-ilustracija
Odstranitev imena pogosto pomeni le psevdonimizacijo; anonimnost zahteva presojo izločitve, povezovanja in sklepanja ob upoštevanju razumno verjetnih načinov identifikacije.
Podjetje lahko pred pošiljanjem podatkov v AI izbriše ime in meni, da je tveganje odpravljeno. Toda delovno mesto, redek dogodek, starost ali kombinacija več podatkov lahko še vedno razkrije osebo. Anonimizacija je rezultat celotnega postopka, ne ena funkcija v preglednici.
1. Kakšna je razlika med anonimizacijo in psevdonimizacijo?
Anonimizirani podatki posameznika ne omogočajo več razumno verjetno določiti, psevdonimizirani pa ga še vedno lahko povežejo prek dodatnih informacij. Zamenjava imena s številko, kratico ali hashom zato praviloma ne konča uporabe pravil varstva osebnih podatkov.
Ključ za povezavo je lahko ločen, vendar obstaja. Tudi brez ključa je oseba lahko prepoznavna iz kombinacije lastnosti ali vsebine prostega besedila.
2. Katera tveganja je treba presoditi?
Preveriti je treba izločitev posameznika, povezovanje zapisov in sklepanje o identiteti ali lastnostih. Redka diagnoza, edinstveno delovno mesto ali natančen datum lahko omogočijo izločitev ene osebe. Več zbirk pa se lahko poveže prek skupnih vzorcev.
ZAŠČITITE PODATKE V AI-ORODJIH
Presoja mora upoštevati podatke, ki so na voljo podjetju, ponudniku, drugim uporabnikom in morebitnemu napadalcu, ter stroške in verjetnost ponovne identifikacije.
AI-ilustracija3. Zakaj odstranitev neposrednih identifikatorjev ni dovolj?
Ker posredni identifikatorji in kontekst pogosto razkrijejo isto osebo. Opis »edina vodja izmene v poslovalnici X« je lahko bolj poveden kot ime. Prosto besedilo lahko vsebuje podpise, številke primerov ali osebne okoliščine.
Potrebni so zmanjšanje natančnosti, združevanje kategorij, odstranjevanje redkih kombinacij in pregled vsebine. Vsaka metoda vpliva tudi na uporabnost podatkov, zato je treba cilj analize jasno določiti.
4. Kdaj je AI-model lahko povezan z osebnimi podatki?
Kadar je iz modela ali z razumno verjetnimi poizvedbami mogoče pridobiti informacije, povezane z določljivo osebo. EDPB poudarja presojo, ali je identifikacija ali ekstrakcija osebnih podatkov zelo malo verjetna, pri čemer je treba oceniti model in okoliščine uporabe.
Ni dovolj trditi, da model »ne hrani podatkov kot baza«. Pomembni so učni podatki, zaščite, dostop, način distribucije in rezultati praktičnih preizkusov.
5. Kako varno pripraviti podatke za AI-orodje?
Najprej je treba zmanjšati obseg in odstraniti vse, česar naloga ne potrebuje. Nato se podatki preoblikujejo, preverijo redke kombinacije in ločeno pregleda prosto besedilo. Dostop naj bo omejen, prenosi dokumentirani, rezultat pa ponovno preverjen.
PREVERITE DPIA ZA KADROVSKE SISTEME
Če namen dosežemo s sintetičnimi ali združenimi podatki, je to pogosto varnejše kot pošiljanje individualnih zapisov z naknadnim čiščenjem.
AI-ilustracija6. Ali je anonimizacija enkratno dejanje?
Ne. Oceno je treba ponoviti, ko se spremenijo podatki, model, dostopi ali razpoložljivi zunanji viri. Podatek, ki danes ni prepoznaven, lahko postane določljiv po združitvi z novo javno zbirko.
Podjetje naj zato zapiše metodo, predpostavke, testiranje in datum presoje. Izraz »anonimno« naj uporablja šele, ko lahko odločitev tudi utemelji.
Anonimnost se dokazuje z možnostmi povezovanja, ne z izbrisanim imenom
Najpogostejša napaka je obravnavati anonimizacijo kot vizualno čiščenje tabele. Resnična presoja vpraša, kaj lahko iz kombinacije podatkov ugotovi nekdo z dodatnim znanjem in orodji.
Varnejši začetek je manj podatkov, jasen namen in praktičen preizkus ponovne identifikacije. Če dvom ostane, je treba podatke obravnavati kot osebne.
