Данните в базата не са ваши
Достъпът до база не е основание за употреба. Данните са събрани за конкретна цел — да се изпълняват поръчки, да се води дневник, да се обслужват клиенти. Използването им за обучение на модел е нова цел и изисква собствена преценка.
Ограничение на целите
Лични данни, събрани за една цел, не се използват за несъвместима с нея друга цел без ново основание.
Четирите въпроса преди първата заявка
- Съдържат ли данните лични данни? (Почти винаги — да.)
- Какво е основанието за тази нова употреба — съгласие, законов интерес, договор?
- Кой минимум от колони ми трябва наистина?
- Колко дълго ще пазя извадката и кой има достъп до нея?
Минимизиране
Не изнасяйте цялата таблица „за всеки случай“. Ако задачата иска брой поръчки и обща сума, имената и адресите нямат работа в извадката. По-малкото данни е и по-малък риск, и по-малко работа.
Обезличаване
| Похват | Какво прави | Достатъчно ли е |
|---|---|---|
| Премахване на име и имейл | маха преките идентификатори | не — остават косвени |
| Псевдонимизиране (замяна с код) | запазва връзката между редовете | не е анонимност — при достъп до таблицата с кодове връзката се възстановява |
| Обобщаване | възраст → възрастова група, град → област | често да, ако групите са достатъчно големи |
| Изтриване на редки стойности | маха уникалните комбинации | помага срещу повторна идентификация |
Повторна идентификация
Известно изследване показва, че съчетанието пощенски код, дата на раждане и пол идентифицира уникално голяма част от населението. При малка организация или едно училище прагът е още по-нисък: „ученик от 11.б, който е бил на олимпиада по химия“ е точно един човек.
Правилото на малките групи
Ако някоя комбинация от признаци се среща при по-малко от 5–10 души, тя на практика ги идентифицира. Такива редове се обобщават или се махат.
Специални категории
Здравна информация, етнически произход, религиозни убеждения, биометрия, данни за деца — тук изискванията са по-строги и в много случаи употребата е недопустима без изрично съгласие.
- Оценките на ученик са лични данни; в комбинация с отсъствия и поведение — чувствителна картина.
- Данни за непълнолетни изискват съгласие на родител в много случаи.
- Не използвайте признак, който е заместител на защитен признак (квартал вместо етнос, име вместо пол).
Практическите правила за проектите
- Работете върху копие на базата, не върху живата система.
- Изнасяйте само нужните колони и веднага заменяйте идентификаторите с кодове.
- Не качвайте реални лични данни в облачни услуги и не ги поставяйте в промпт.
- Пазете извадката локално, изтрийте я след защитата.
- Опишете в документацията какви данни сте използвали, на какво основание и как сте ги защитили.
Ако данните са на реална организация
Нужно е писмено разрешение от нея и уговорка какво се случва с данните след проекта. За дипломен проект често е по-разумно да се използват синтетични данни, построени по същата схема — резултатът е също толкова показателен, а рискът е нула.