Данните в базата не са ваши
Девет седмици пишете заявки към бази с ученици, оценки, клиенти и поръчки. Миналата седмица ги изнесохте в CSV. От следващата седмица започваме да обучаваме модели върху такива таблици. Преди това има един въпрос, който не е технически: може ли.
Достъпът до база не е основание за употреба. Данните са събрани за конкретна цел — да се води дневник, да се изпълняват поръчки. Обучението на модел е нова цел и изисква собствена преценка. „Може ли така?“ има три отговора: технически (възможно ли е), правен (позволено ли е) и етичен (редно ли е). Те не съвпадат.
Лични данни
Лични данни
Всяка информация, по която едно лице може да бъде идентифицирано — пряко или косвено: име, снимка, глас, имейл, IP адрес, номер в дневника, комбинация от признаци.
Ключовата дума е косвено. „Ученик от 12.б, който свири на цигулка и е бил на олимпиада по химия“ е точно един човек, макар да няма име. При малки групи анонимността се разпада бързо.
Специални категории
Общият регламент отделя данни, чиято обработка е по правило забранена и се допуска само по изключение (например с изрично съгласие):
- здравно състояние, генетични и биометрични данни (лице, глас, пръстов отпечатък);
- расов или етнически произход, религиозни и политически убеждения, членство в синдикат;
- сексуален живот и ориентация.
Какво изисква GDPR
GDPR (Общият регламент за защита на данните, Регламент (ЕС) 2016/679) важи във всички страни от ЕС от 2018 г. Той не забранява обработката на лични данни — той поставя условия. Четирите принципа, които ще ви трябват в проекта:
| Принцип | Какво значи | В проекта ви |
|---|---|---|
| Законосъобразност | обработка само с основание — съгласие, договор, закон, легитимен интерес | кой ви е разрешил и на какво основание |
| Ограничение на целите | данни, събрани за една цел, не се ползват за несъвместима друга | дневникът е за оценяване, не за обучение на модел |
| Свеждане до минимум | само данните, които са нужни за целта | SELECT с изричен списък от колони, никога SELECT * |
| Ограничение на съхранението | пазят се само докато са нужни | извадката се изтрива след защитата |
Правата на човека, чиито данни са
- Достъп — да узнае какво се пази за него и да получи копие.
- Коригиране и изтриване — „правото да бъдеш забравен“.
- Възражение — да откаже обработка за дадена цел.
- Да не е обект на изцяло автоматизирано решение с правни или подобни последици — човек трябва да може да се намеси.
Псевдонимизиране и анонимизиране
Двете думи се бъркат постоянно, а разликата е правна: псевдонимизираните данни остават лични данни и GDPR важи за тях; анонимните — не.
| Похват | Какво прави | Достатъчно ли е |
|---|---|---|
| Премахване на име и имейл | маха преките идентификатори | не — остават косвените |
| Псевдонимизиране | заменя идентификатора с код (хеш, номер); връзката между редовете се пази | не е анонимност — който има таблицата със съответствията, възстановява човека |
| Обобщаване | възраст → възрастова група, град → област, дата → месец | често да, ако групите са достатъчно големи |
| Изтриване на редки комбинации | маха редовете, които са уникални | помага срещу повторна идентификация |
Чии са данните — авторско право и лицензи
Личните данни са едната половина на въпроса. Другата е авторското право: текстове, снимки, музика и код имат автор, а в ЕС дори подредена база от данни има отделна закрила за този, който я е съставил. Наличието на нещо в интернет не значи, че е свободно за всякаква употреба.
Лицензи, които ще срещате
| Лиценз | Какво позволява | Условие |
|---|---|---|
| CC0 / обществено достояние | всичко | няма |
| CC BY | копиране, промяна, обучение на модел | посочете автора |
| CC BY-SA | същото | производното — под същия лиценз |
| CC BY-NC | само нетърговска употреба | посочете автора |
| Отворени данни (data.egov.bg и др.) | свободна употреба | обикновено посочване на източника |
| Без лиценз | само четене | за всичко друго — питайте автора |
Обучаващи набори и генерирано съдържание
Големите модели са обучени върху текстове и изображения, повечето от които имат автори. Правото на ЕС допуска извличане на данни за обучение от публично достъпни материали, но авторът може изрично да забрани това, а споровете по света са десетки. Обратно — изцяло генерирано изображение обикновено не получава авторска закрила, защото липсва човешко творчество; какво можете да правите с него уреждат условията на услугата.
Рамка за решение
Не можете да станете юристи за един час. Можете обаче да зададете четирите въпроса, които всеки юрист би задал първо — и да запишете отговорите. Това е и разделът „лични данни“ от документацията на проекта ви.
- Кой е засегнат — има ли лични данни, от коя категория, за деца ли са.
- Каква е целта — същата, за която данните са събрани, или нова.
- Какво е основанието — съгласие, закон, договор, лиценз, разрешение на организацията.
- Какъв е рискът — за човека, ако данните изтекат или моделът сгреши; не за вас.
- Решение — да, не, или „да, при условия“: обезличаване, обобщаване, синтетични данни, само сигнал вместо решение.
Какво трябва да запомниш
- Лични данни е всичко, по което човек може да бъде разпознат — включително косвено, по комбинация от признаци.
- GDPR иска основание, цел, минимум данни и ограничен срок; обучението на модел е нова цел и иска ново основание.
- Псевдонимизираните данни остават лични; анонимни са само ако никой не може да възстанови човека.
- Публично не значи свободно — проверявайте лиценза; CC BY и отворените данни позволяват употреба с посочване на източника.
- Решения с последици за човек не се оставят изцяло на модел; той сигнализира, човекът решава.
- Четирите въпроса — кой, за какво, на какво основание, с какъв риск — се записват в документацията на проекта.