RODO: Wysokie kary za naruszenia przepisów
Julia Rose
Marketing & Design
2 września 2020r.
Skuteczniejsza ochrona danych osobowych dzięki anonimizacji
Bezpieczeństwo danych osobowych jest ważne. Tak ważne, że naruszenie przepisów o ochronie danych osobowych w firmach może prowadzić do nałożenia wysokich kar. Na niektóre duże przedsiębiorstwa nałożono kary do 200 milionów euro za naruszenia przepisów rozporządzenia o ochronie danych osobowych (RODO).
Ochrona danych może być łatwiejsza dzięki anonimizacji lub pseudonimizacji.
RODO nie ma zastosowania do zanonimizowanych danych
Zgodnie z motywem 26 Rozporządzenia Parlamentu Europejskiego i Rady (UE) 2016/679 z dnia 27 kwietnia 2016 r. w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i w sprawie swobodnego przepływu takich danych, „zasady ochrony danych nie powinny więc mieć zastosowania do informacji anonimowych, czyli informacji, które nie wiążą się ze zidentyfikowaną lub możliwą do zidentyfikowania osobą fizyczną, ani do danych osobowych zanonimizowanych w taki sposób, że osób, których dane dotyczą, w ogóle nie można zidentyfikować lub już nie można zidentyfikować”.
Oznacza to, że przepisy RODO nie dotyczą zanonimizowanych danych. Niektóre przedsiębiorstwa już stosują anonimizację – głównie manualnie. Jest to jednak bardzo czasochłonna czynność, która może prowadzić do przeoczenia danych osobowych.
Sztuczna inteligencja wyposażona w nowoczesne rozwiązania i usługi w zakresie oprogramowania wspiera przedsiębiorstwa z różnych branż. Przykładem może być zwiększenie bezpieczeństwa pracowników poprzez wykorzystanie czujników i kontrolę jakości produktów.
Sztuczna inteligencja znajduje zastosowanie w wielu procesach biznesowych, jednak anonimizacja danych z jej użyciem jest mało powszechnym rozwiązaniem.
Warto rekomendować anonimizację z pomocą SI w firmach, które podejmują wszelkie starania, aby ochrona danych była zgodna z przepisami RODO.
Praktyczne rozwiązanie, które wykonuje anonimizację za Ciebie
Zespół theBlue.ai opracował rozwiązanie wykorzystujące SI, które anonimizuje określone dane: Blue RODO.
Blue RODO oparte jest na najnowocześniejszej technologii działającej na wszystkich znanych przeglądarkach. Rozwiązanie może być wdrażane on-premise lub w chmurze.
Obsługa jest bardzo prosta
Dokumenty są przesyłane metodą „przeciągnij i upuść” i natychmiast anonimizowane. Algorytm SI usuwa powiązania pomiędzy danymi osobowymi a osobami, których one dotyczą w ciągu kilku sekund. Użytkownik może jednak nadal wprowadzać poprawki i dalej szkolić SI, aby z czasem algorytm doskonalił się zgodnie z konkretnymi wymaganiami firmy lub kliniki.
Algorytmy SI to klasyczne metody anonimizacji danych z dużym wyprzedzeniem
Klasyczne metody anonimizacji danych często opierają się jedynie na utajnianiu pewnych z góry zdefiniowanych pól w bazie danych, takich jak imię i nazwisko czy data urodzenia osoby. W rzeczywistości jednak przechowujemy i przetwarzamy dane osobowe na znacznie większą skalę – na przykład w notatkach ze spotkań, dokumentacji medycznej, materiale wideo czy zarejestrowanych rozmowach z klientami – innymi słowy w postaci tzw. danych nieustrukturyzowanych.
Aby znaleźć dane osobowe spośród tylu informacji, konieczne jest zrozumienie kontekstu pliku – tekstu, obrazu, wideo lub nagrania głosowego. Ta czynność sprowadza się do bardzo czasochłonnego i niezwykle żmudnego manualnego rozpoznawania i usuwania wrażliwych informacji, często pod presją czasu. To zadanie można wykonać przy użyciu specjalnie w tym celu wyszkolonych algorytmów sztucznej inteligencji.
Efektywna współpraca między człowiekiem a maszyną
Ponieważ dane osobowe są przechowywane i przetwarzane w zależności od potrzeb i specyfiki danego przedsiębiorstwa lub instytucji, np. dane pacjentów kliniki lub dane klientów w systemach CRM, należy zapewnić, by model był w stanie z dużą dokładnością rozpoznać informacje w najistotniejszych obszarach.
Nawet najlepsze algorytmy mogą, podobnie jak ludzie, popełniać błędy. Dlatego ważne jest, aby użytkownik mógł korygować dane zgodnie z podejściem „human in the loop” w celu tworzenia modeli uczenia maszynowego. Gwarantuje to efektywną współpracę człowieka z maszyną, umożliwia osiągnięcie jak najwyższych wyników i udoskonala algorytm SI.
