सबसे सुरक्षित PII वह है जो आप कभी भेजते ही नहीं। जिन प्रॉम्प्ट में यह होती है, उनमें से ज़्यादातर को इसकी ज़रूरत नहीं होती।
यह कैसे काम करता है
NIST SP 800-122 (अप्रैल 2010) एक व्यापक परिभाषा देता है: PII “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.” है (अनुवाद: किसी एजेंसी के पास रखी किसी व्यक्ति के बारे में कोई भी जानकारी, जिसमें (1) कोई भी ऐसी जानकारी जिससे व्यक्ति की पहचान अलग की या खोजी जा सके, जैसे नाम, social security नंबर, जन्म की तारीख़ और जगह, माँ का शादी से पहले का नाम, या बायोमेट्रिक रिकॉर्ड; और (2) कोई भी दूसरी जानकारी जो किसी व्यक्ति से जुड़ी हो या जोड़ी जा सके, जैसे चिकित्सा, शिक्षा, वित्त और रोज़गार की जानकारी)।
GDPR का शब्द personal data है: “any information relating to an identified or identifiable natural person” (अनुवाद: किसी पहचाने गए या पहचाने जा सकने वाले व्यक्ति से जुड़ी कोई भी जानकारी), जिसमें “a name, an identification number, location data, an online identifier” (अनुवाद: नाम, पहचान संख्या, लोकेशन डेटा, ऑनलाइन पहचानकर्ता) शामिल हैं। सऊदी अरब का PDPL personal data को मिलते-जुलते शब्दों में परिभाषित करता है।
Redaction टूल आम तौर पर दो क़दमों में काम करते हैं। Microsoft Presidio का analyzer patterns और named-entity recognition से “PII identification in text” (अनुवाद: टेक्स्ट में PII की पहचान) सँभालता है। फिर उसका anonymizer हर मिलान पर एक operator लगाता है:
| Operator | Presidio का विवरण |
|---|---|
| replace | “Replace the PII with desired value” (अनुवाद: PII को मनचाही वैल्यू से बदलें) |
| redact | “Remove the PII completely from text” (अनुवाद: PII को टेक्स्ट से पूरी तरह हटाएँ) |
| mask | “Replace the PII with a given character” (अनुवाद: PII को किसी दिए गए अक्षर से बदलें) |
| hash | “Hashes the PII text using salted hashing for security” (अनुवाद: सुरक्षा के लिए salted hashing से PII टेक्स्ट को hash करता है) |
| encrypt | “Encrypt the PII using a given key” (अनुवाद: दी गई key से PII को encrypt करें) |
सपोर्ट टिकट के लिए एक placeholder पैटर्न:
Before: Ahmed Al-Harbi (+966 5x xxx xxxx) says order 4471 never arrived.
After: <PERSON_1> (<PHONE_1>) says order 4471 never arrived.
मैपिंग आप अपनी तरफ़ रखते हैं और मॉडल के जवाब में असली वैल्यू वापस डालते हैं।
यह क्यों मायने रखता है
- हर कॉपी एक जोखिम है. NIST संगठनों को सलाह देता है कि “minimize the use, collection, and retention of PII to what is strictly necessary” (अनुवाद: PII का इस्तेमाल, संग्रह और रखना सिर्फ़ उतना करें जितना सख़्ती से ज़रूरी हो)। प्रॉम्प्ट और लॉग भी कॉपी हैं।
- पहचान में चीज़ें छूटती हैं. Presidio कहता है “there is no guarantee that Presidio will find all sensitive information” (अनुवाद: इसकी कोई गारंटी नहीं कि Presidio सारी संवेदनशील जानकारी ढूँढ लेगा)। अरबी नाम, खाड़ी के फ़ोन फ़ॉर्मैट और मिश्रित लिपि वाला टेक्स्ट वहाँ हैं जहाँ सामान्य detectors अक्सर चूकते हैं; अपने डेटा पर टेस्ट करें।
- आउटपुट से भी लीक हो सकता है. जवाबों पर भी यही जाँच चलाएँ। Guardrails उन्हें रोक या फ़्लैग कर सकते हैं।
LLM API को संवेदनशील डेटा भेजना redaction, placeholders और लॉगिंग को विस्तार से कवर करता है, और PII हटाकर usage लॉगिंग आपके अपने लॉग कवर करता है।
BroadNet Inference पर
BroadNet का प्राइवेसी स्टेटमेंट कहता है कि वह प्रॉम्प्ट, ऑडियो, इमेज, जवाब या ट्रांसक्रिप्ट नहीं रखता, और इन्फ़रेंस डेटा को मॉडल ट्रेन, फ़ाइन-ट्यून या evaluate करने में इस्तेमाल नहीं करता। इससे अनुरोध के बाद स्टोर होने वाली चीज़ें सीमित रहती हैं। यह आपके लिए redaction नहीं करता: प्रोसेसिंग के दौरान PII फिर भी मॉडल तक पहुँचती है, इसलिए पहले उसे कम करें। देखें zero data retention।
BroadNet एक ओपन-सोर्स redaction proxy भी प्रकाशित करता है, LLM Sensitive Data Firewall (LSDF), Apache-2.0 के तहत; संवेदनशील डेटा वाला लेख इसे और BroadNet के अपने evaluation आँकड़ों को बताता है। यह पेज क़ानूनी सलाह नहीं है।