BroadRouter
Loslegen

PII (personenbezogene Daten)

Aktualisiert

PII (personally identifiable information) sind Informationen, mit denen sich die Identität einer Person unterscheiden oder zurückverfolgen lässt, etwa Name, Ausweisnummer oder biometrische Daten, plus weitere Informationen, die mit dieser Person verknüpft oder verknüpfbar sind. Der weitere Begriff der DSGVO lautet personenbezogene Daten. Bei LLMs entfernt PII-Schwärzung sie aus Prompts, bevor diese Ihre Systeme verlassen.

Auch genannt: PII, personenbezogene Daten, personenbezogene Informationen, PII-Schwärzung, Anonymisierung, personally identifiable information, PII redaction

Die sichersten PII sind die, die Sie nie senden. Die meisten Prompts, die welche enthalten, brauchen sie gar nicht.

So funktioniert es

NIST SP 800-122 (April 2010) nutzt eine weite Definition: PII sind „any information about an individual maintained by an agency, including (1) any information that can be used to distinguish or trace an individual’s identity, such as name, social security number, date and place of birth, mother’s maiden name, or biometric records; and (2) any other information that is linked or linkable to an individual, such as medical, educational, financial, and employment information.“ (Übersetzung: „alle Informationen über eine Person, die eine Behörde führt, einschließlich (1) aller Informationen, mit denen sich die Identität einer Person unterscheiden oder zurückverfolgen lässt, etwa Name, Sozialversicherungsnummer, Geburtsdatum und -ort, Geburtsname der Mutter oder biometrische Daten; und (2) aller weiteren Informationen, die mit einer Person verknüpft oder verknüpfbar sind, etwa medizinische, Bildungs-, Finanz- und Beschäftigungsinformationen.“)

Der Begriff der DSGVO lautet personenbezogene Daten: „any information relating to an identified or identifiable natural person“ (Übersetzung: „alle Informationen, die sich auf eine identifizierte oder identifizierbare natürliche Person beziehen“), einschließlich „a name, an identification number, location data, an online identifier“ (Übersetzung: „einem Namen, einer Kennnummer, Standortdaten, einer Online-Kennung“). Das saudische PDPL definiert personenbezogene Daten ähnlich.

Schwärzungs-Tools arbeiten meist in zwei Schritten. Der Analyzer von Microsoft Presidio übernimmt die „PII identification in text“ (Übersetzung: „Erkennung von PII in Text“), mit Mustern und Named Entity Recognition. Der Anonymizer wendet dann auf jeden Treffer einen Operator an:

Operator Beschreibung von Presidio
replace „Replace the PII with desired value“ (Übersetzung: „PII durch den gewünschten Wert ersetzen“)
redact „Remove the PII completely from text“ (Übersetzung: „PII vollständig aus dem Text entfernen“)
mask „Replace the PII with a given character“ (Übersetzung: „PII durch ein vorgegebenes Zeichen ersetzen“)
hash „Hashes the PII text using salted hashing for security“ (Übersetzung: „hasht den PII-Text zur Sicherheit mit gesalzenem Hashing“)
encrypt „Encrypt the PII using a given key“ (Übersetzung: „PII mit einem vorgegebenen Schlüssel verschlüsseln“)

Ein Platzhaltermuster für ein Support-Ticket:

Before: Ahmed Al-Harbi (+966 5x xxx xxxx) says order 4471 never arrived.
After:  <PERSON_1> (<PHONE_1>) says order 4471 never arrived.

Die Zuordnung behalten Sie bei sich und setzen die echten Werte wieder in die Antwort des Modells ein.

Warum es wichtig ist

  • Jede Kopie ist ein Risiko. NIST rät Organisationen, „minimize the use, collection, and retention of PII to what is strictly necessary“ (Übersetzung: „Nutzung, Erhebung und Aufbewahrung von PII auf das unbedingt Nötige zu beschränken“). Prompts und Logs sind Kopien.
  • Erkennung übersieht etwas. Presidio schreibt: „there is no guarantee that Presidio will find all sensitive information“ (Übersetzung: „es gibt keine Garantie, dass Presidio alle sensiblen Informationen findet“). Arabische Namen, Telefonformate vom Golf und Text in gemischter Schrift sind typische Lücken generischer Erkenner; testen Sie mit Ihren eigenen Daten.
  • Auch Ausgaben können Daten preisgeben. Führen Sie dieselben Prüfungen auf Antworten aus. Guardrails können sie blockieren oder markieren.

Sensible Daten an eine LLM-API senden behandelt Schwärzung, Platzhalter und Logging im Detail, und Nutzungs-Logging mit geschwärzten PII Ihre eigenen Logs.

Bei BroadNet Inference

Die Datenschutzerklärung von BroadNet sagt, dass BroadNet Prompts, Audio, Bilder, Antworten und Transkripte nicht speichert und Inferenzdaten nicht zum Trainieren, Fine-Tuning oder Evaluieren von Modellen nutzt. Das begrenzt, was nach der Anfrage gespeichert bleibt. Es schwärzt aber nichts für Sie: Die PII erreichen das Modell während der Verarbeitung trotzdem, minimieren Sie also zuerst. Siehe Zero Data Retention.

BroadNet veröffentlicht außerdem einen Open-Source-Schwärzungs-Proxy, die LLM Sensitive Data Firewall (LSDF), unter Apache-2.0; der Beitrag zu sensiblen Daten beschreibt ihn und die eigenen Evaluationszahlen von BroadNet. Diese Seite ist keine Rechtsberatung.

Häufige Fragen

Sind PII dasselbe wie personenbezogene Daten nach der DSGVO?

Sie überschneiden sich, sind aber nicht dasselbe. Die PII-Definition des NIST stammt aus Leitlinien der US-Bundesbehörden. Die DSGVO definiert personenbezogene Daten als alle Informationen, die sich auf eine identifizierte oder identifizierbare Person beziehen, darunter Online-Kennungen und Standortdaten.

Kann ein Tool alle PII in einem Prompt automatisch finden?

Nein. Die Dokumentation von Presidio sagt selbst, dass es keine Garantie gibt, alle sensiblen Informationen zu finden. Kombinieren Sie Erkennung damit, nur die Felder zu senden, die die Aufgabe braucht, und testen Sie mit Ihren eigenen Daten.

Sollte ich PII vor dem Aufruf einer LLM-API schwärzen?

Wo das Modell sie nicht braucht, ja. Ersetzen Sie Namen, Telefonnummern und Kennungen durch Platzhalter und ordnen Sie sie nach der Antwort wieder zu. Das senkt das Risiko, egal welche Bedingungen ein Anbieter hat.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen