BroadRouter
Mulakan

PII (maklumat pengenalan peribadi)

Dikemas kini

PII (personally identifiable information) ialah maklumat yang boleh digunakan untuk membezakan atau menjejak identiti seseorang, seperti nama, nombor pengenalan atau rekod biometrik, serta maklumat lain yang dikaitkan atau boleh dikaitkan dengan orang itu. Istilah GDPR yang lebih luas ialah data peribadi. Dalam kerja LLM, penyuntingan PII membuangnya daripada prompt sebelum ia keluar dari sistem anda.

Juga dikenali sebagai: PII, personally identifiable information, maklumat pengenalan peribadi, data peribadi, PII redaction, penyuntingan PII

PII yang paling selamat ialah PII yang tidak pernah anda hantar. Kebanyakan prompt yang membawanya sebenarnya tidak memerlukannya.

Cara ia berfungsi

NIST SP 800-122 (April 2010) menggunakan takrif yang luas: PII ialah “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.” (Terjemahan BroadRouter: “apa-apa maklumat tentang individu yang disimpan oleh agensi, termasuk (1) apa-apa maklumat yang boleh digunakan untuk membezakan atau menjejak identiti individu, seperti nama, nombor keselamatan sosial, tarikh dan tempat lahir, nama gadis ibu, atau rekod biometrik; dan (2) apa-apa maklumat lain yang dikaitkan atau boleh dikaitkan dengan individu, seperti maklumat perubatan, pendidikan, kewangan dan pekerjaan.”)

Istilah GDPR ialah data peribadi: “any information relating to an identified or identifiable natural person” (Terjemahan BroadRouter: “apa-apa maklumat yang berkaitan dengan orang sebenar yang dikenal pasti atau boleh dikenal pasti”), termasuk “a name, an identification number, location data, an online identifier” (Terjemahan BroadRouter: “nama, nombor pengenalan, data lokasi, pengecam dalam talian”). PDPL Arab Saudi mentakrifkan data peribadi dengan cara yang serupa.

Alat penyuntingan biasanya berfungsi dalam dua langkah. Analyzer Microsoft Presidio mengendalikan “PII identification in text” (Terjemahan BroadRouter: “pengenalpastian PII dalam teks”), menggunakan corak dan pengecaman entiti bernama. Anonymizer miliknya kemudian menggunakan operator pada setiap padanan:

Operator Penerangan Presidio
replace “Replace the PII with desired value” (Terjemahan BroadRouter: “Gantikan PII dengan nilai yang dikehendaki”)
redact “Remove the PII completely from text” (Terjemahan BroadRouter: “Buang PII sepenuhnya daripada teks”)
mask “Replace the PII with a given character” (Terjemahan BroadRouter: “Gantikan PII dengan aksara yang diberikan”)
hash “Hashes the PII text using salted hashing for security” (Terjemahan BroadRouter: “Mencincang teks PII menggunakan salted hashing demi keselamatan”)
encrypt “Encrypt the PII using a given key” (Terjemahan BroadRouter: “Sulitkan PII menggunakan kunci yang diberikan”)

Corak pemegang tempat untuk tiket sokongan:

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

Anda menyimpan pemetaan di pihak anda dan memasukkan semula nilai sebenar ke dalam jawapan model.

Mengapa ia penting

  • Setiap salinan ialah risiko. NIST menasihati organisasi supaya “minimize the use, collection, and retention of PII to what is strictly necessary” (Terjemahan BroadRouter: “meminimumkan penggunaan, pengumpulan dan penyimpanan PII kepada yang benar-benar perlu sahaja”). Prompt dan log ialah salinan.
  • Pengesanan terlepas pandang. Presidio menyatakan “there is no guarantee that Presidio will find all sensitive information” (Terjemahan BroadRouter: “tiada jaminan bahawa Presidio akan menemui semua maklumat sensitif”). Nama Arab, format nombor telefon Teluk dan teks bercampur skrip ialah tempat pengesan generik sering terlepas; uji pada data anda sendiri.
  • Output juga boleh bocor. Jalankan semakan yang sama pada respons. Guardrails boleh menyekat atau menandakannya.

Sending sensitive data to an LLM API membincangkan penyuntingan, pemegang tempat dan pengelogan secara terperinci, dan usage logging with PII redacted membincangkan log anda sendiri.

Di BroadNet Inference

Pernyataan privasi BroadNet menyatakan ia tidak menyimpan prompt, audio, imej, jawapan atau transkrip, dan tidak menggunakan data inferens untuk melatih, melakukan fine-tuning atau menilai model. Ini mengehadkan apa yang disimpan selepas permintaan. Ia tidak menyunting untuk anda: PII masih sampai kepada model semasa pemprosesan, jadi minimumkan dahulu. Lihat zero data retention.

BroadNet juga menerbitkan proksi penyuntingan sumber terbuka, LLM Sensitive Data Firewall (LSDF), di bawah Apache-2.0; artikel tentang data sensitif menerangkannya serta angka penilaian BroadNet sendiri. Halaman ini bukan nasihat undang-undang.

Soalan lazim

Adakah PII sama dengan data peribadi di bawah GDPR?

Kedua-duanya bertindih tetapi tidak sama. Takrif PII oleh NIST datang daripada panduan persekutuan AS. GDPR mentakrifkan data peribadi sebagai apa-apa maklumat yang berkaitan dengan orang yang dikenal pasti atau boleh dikenal pasti, termasuk pengecam dalam talian dan data lokasi.

Bolehkah alat mencari semua PII dalam prompt secara automatik?

Tidak. Dokumentasi Presidio sendiri menyatakan tiada jaminan ia akan menemui semua maklumat sensitif. Gabungkan pengesanan dengan menghantar hanya medan yang diperlukan oleh tugas, dan uji pada data anda sendiri.

Patutkah saya menyunting PII sebelum memanggil API LLM?

Jika model tidak memerlukannya, ya. Gantikan nama, nombor telefon dan ID dengan pemegang tempat dan petakan semula selepas respons. Ini mengurangkan pendedahan di bawah terma mana-mana penyedia.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity