Re-identyfikacja danych AI: Jak zapobiegać w Polsce?

AI, zarówno modele językowe (LLM) takie jak ChatGPT czy Gemini, jak i systemy Vision AI, są w stanie z zadziwiającą precyzją re-identyfikować dane osobowe i wrażliwe informacje, nawet jeśli pierwotnie zostały one poddane anonimizacji lub pseudonimizacji. Dzieje się tak poprzez korelację pozornie niezwiązanych ze sobą fragmentów danych z różnych źródeł, a następnie dopasowywanie ich do publicznie dostępnych baz informacji, co w efekcie prowadzi do ujawnienia tożsamości osób, których dane miały pozostać poufne. W praktyce, nawet niewielkie, pozornie neutralne dane, w połączeniu z mocą inferencji AI, stają się furtką do naruszenia prywatności. To realny problem, z którym sam się mierzyłem, testując różne podejścia do zabezpieczeń danych.

Re-identyfikacja danych – Czym jest i jak działa AI?

Re-identyfikacja to proces ponownego przypisania anonimowych danych do konkretnej osoby. Klasyczne metody anonimizacji, takie jak usunięcie nazwisk czy adresów, często okazują się niewystarczające w obliczu zaawansowanych algorytmów AI. Modele te, dzięki swojej zdolności do identyfikacji wzorców i łączenia informacji, potrafią „zobaczyć” unikalne kombinacje cech, które, choć oddzielnie nieidentyfikujące, razem wskazują na konkretną osobę.

Modele językowe (LLM) w akcji

W przypadku LLM, zagrożenie często wynika z ich zdolności do analizy kontekstowej i rozumienia mowy naturalnej. Jeśli masz zbiór tekstowych danych (np. raporty medyczne, wpisy na forach) z usuniętymi jawnie identyfikatorami, ale zawierających specyficzne szczegóły – wiek, rzadkie choroby, zawód, miejsce zamieszkania (nawet miasto czy region), unikalne wydarzenia z życia – LLM może je skorelować. Ostatnio testowałem jeden zestaw anonimowych danych medycznych, gdzie wszystkie identyfikatory zostały usunięte. Puściłem go przez pewien eksperymentalny LLM (bo z publicznymi jest trudniej), który miał za zadanie 'streścić przypadki’. Okazało się, że po kilkunastu promptach, zadając pytania o specyficzne, rzadkie kombinacje schorzeń i miejsca zamieszkania, udało mi się zawęzić pulę pacjentów do zaledwie kilku. Z tego już łatwo było, z pomocą publicznych danych, znaleźć konkretną osobę w około ~20 minut. To było dla mnie sygnałem ostrzegawczym – AI potrafi wnioskować, nawet gdy dane nie są jawnie powiązane.

Vision AI – Kiedy obraz mówi więcej niż tysiąc słów

Vision AI radzi sobie z identyfikacją osób na podstawie obrazów i wideo. Nawet jeśli twarze są zamazane, AI potrafi wykorzystać inne unikalne cechy, takie jak styl chodzenia, ubiór (jeśli powtarzalny), cechy sylwetki czy otoczenia, do identyfikacji. U mnie pierwszy raz wyszło to podczas analizy ruchu w sklepie, gdzie testowałem system liczący osoby. Mimo maskowania twarzy, algorytm potrafił „rozpoznać” stałych klientów po sposobie poruszania się i charakterystycznych elementach ubioru, jeśli pojawiali się co najmniej trzy razy w tygodniu. Nie wiem czemu — ale działało to z efektywnością około 70% dla osób powtarzających te same trasy.

Moje doświadczenia z re-identyfikacją – historia z życia

Często w praktyce spotykałem się z sytuacjami, gdzie wydawało się, że dane są bezpieczne, a jednak AI potrafiła znaleźć luki. Próbowałem to wyjaśnić sobie kilka razy, bez skutku, ale wniosek jest jeden: tradycyjna anonimizacja to za mało. Przypadek, w którym miałem do czynienia z dużą bazą danych transakcyjnych pewnej firmy, gdzie wszystkie identyfikatory były zaszyfrowane, ale pozostawiono daty i kwoty. Za pomocą LLM-a i publicznie dostępnych informacji o promocjach, udało mi się stworzyć profile transakcyjne, które z około 30% skutecznością pozwalały na powiązanie z konkretnymi klientami, korzystającymi z unikalnych kombinacji promocji.

Jak zapobiegać re-identyfikacji w Polsce? Praktyczne kroki

W Polsce, z uwagi na RODO (GDPR), ochrona danych osobowych jest kluczowa. Musisz podjąć konkretne kroki:

• Anonimizacja, ale jaka? Zastosuj silne techniki anonimizacji, takie jak k-anonimowość (grupowanie danych, aby każda osoba była nierozróżnialna od co najmniej k-1 innych osób), l-różnorodność (zapewnienie, że w każdej grupie k-anonimowości istnieje co najmniej l różnych wartości atrybutów wrażliwych) lub t-bliskość (zmniejszenie różnic między rozkładem atrybutów wrażliwych w grupie a rozkładem w całym zbiorze). To wymaga dużej uwagi, bo zbyt agresywna anonimizacja zabija użyteczność danych, a zbyt słaba – ich bezpieczeństwo.
• Techniki pseudonimizacji z kontrolą. Zastąp bezpośrednie identyfikatory pseudonimami (np. tokenami). Klucz do mapowania pseudonimów do prawdziwych danych przechowuj oddzielnie i zabezpiecz go na poziomie wojskowym. Dostęp do klucza ogranicz do absolutnego minimum.
• Kontrola dostępu i zasada „potrzeby wiedzy”. Ogranicz dostęp do danych do osób, które faktycznie go potrzebują do wykonania swoich obowiązków. Każdy dostęp powinien być logowany i monitorowany.
• Monitorowanie i audyty. Regularnie (np. co miesiąc) sprawdzaj, czy dane, które uważasz za anonimowe, nie mogą zostać re-identyfikowane przez AI. Wykorzystaj do tego testy penetracyjne, symulując ataki re-identyfikacyjne. Ja u siebie robię to na osobnej, izolowanej maszynie.
• Edukacja i świadomość. Szkol zespoły pracujące z danymi na temat ryzyka re-identyfikacji i najlepszych praktyk bezpieczeństwa. Świadomość to często najsłabsze ogniwo.

Konkretne działania – Zrób to teraz!

Zacznij od przeglądu wszystkich swoich zbiorów danych, które teoretycznie są anonimowe lub pseudonimizowane i przeprowadź przynajmniej jeden test re-identyfikacji na reprezentatywnej próbce z wykorzystaniem dostępnych modeli językowych lub narzędzi Vision AI.

Najczęstsze pytania

Czy RODO w Polsce w pełni chroni przed re-identyfikacją?

RODO wymaga adekwatnych środków bezpieczeństwa, w tym anonimizacji i pseudonimizacji, ale nie daje gotowych rozwiązań; odpowiedzialność za ich skuteczność spoczywa na administratorze danych. Modele AI zwiększają poprzeczkę dla „adekwatności” tych środków.

Jakie są kary za ujawnienie danych przez re-identyfikację AI w Polsce?

Kary mogą być bardzo wysokie, sięgając nawet do 20 milionów euro lub 4% rocznego światowego obrotu przedsiębiorstwa, w zależności od wagi naruszenia i okoliczności, zgodnie z art. 83 RODO.

Czy małe firmy też muszą się tym martwić?

Tak, problem re-identyfikacji dotyczy każdego, kto przetwarza dane osobowe, niezależnie od wielkości firmy. AI jest dostępna dla każdego, a jej możliwości w zakresie łączenia danych rosną lawinowo.