BroadRouter
شروع کریں

PII (personally identifiable information)

اپ ڈیٹ

PII (personally identifiable information) وہ معلومات ہے جس سے کسی شخص کی شناخت الگ کی یا کھوجی جا سکے، جیسے نام، ID نمبر یا بایومیٹرک ریکارڈ، نیز اس شخص سے جڑی یا جوڑی جا سکنے والی دوسری معلومات۔ GDPR کی وسیع تر اصطلاح personal data ہے۔ LLM میں PII redaction اسے سسٹم سے نکلنے سے پہلے پرامپٹس سے ہٹاتا ہے۔

دوسرے نام: PII، پی آئی آئی، ذاتی شناختی معلومات، pii kya hai، pii data kya hota hai، personally identifiable information، PII redaction

سب سے محفوظ PII وہ ہے جو آپ کبھی بھیجتے ہی نہیں۔ جن پرامپٹس میں یہ ہوتی ہے، ان میں سے زیادہ تر کو اس کی ضرورت نہیں ہوتی۔

یہ کیسے کام کرتا ہے

NIST SP 800-122 (اپریل 2010) ایک وسیع تعریف دیتا ہے: 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.” ہے (ترجمہ: کسی ادارے کے پاس رکھی گئی کسی فرد کے بارے میں کوئی بھی معلومات، بشمول (1) کوئی بھی ایسی معلومات جس سے فرد کی شناخت الگ کی یا کھوجی جا سکے، جیسے نام، social security نمبر، تاریخ اور جائے پیدائش، ماں کا شادی سے پہلے کا نام، یا بایومیٹرک ریکارڈ؛ اور (2) کوئی بھی دوسری معلومات جو کسی فرد سے جڑی ہو یا جوڑی جا سکے، جیسے طبی، تعلیمی، مالی اور ملازمت کی معلومات)۔

GDPR کی اصطلاح personal data ہے: “any information relating to an identified or identifiable natural person” (ترجمہ: کسی شناخت شدہ یا قابلِ شناخت فطری شخص سے متعلق کوئی بھی معلومات)، جس میں “a name, an identification number, location data, an online identifier” (ترجمہ: نام، شناختی نمبر، مقام کا ڈیٹا، آن لائن شناخت کنندہ) شامل ہیں۔ سعودی عرب کا PDPL ذاتی ڈیٹا کی تعریف ملتے جلتے الفاظ میں کرتا ہے۔

Redaction ٹولز عموماً دو مرحلوں میں کام کرتے ہیں۔ Microsoft Presidio کا analyzer patterns اور named-entity recognition کے ذریعے “PII identification in text” (ترجمہ: متن میں PII کی شناخت) سنبھالتا ہے۔ پھر اس کا anonymizer ہر مماثلت پر ایک operator لگاتا ہے:

Operator Presidio کی وضاحت
replace “Replace the PII with desired value” (ترجمہ: PII کو مطلوبہ قدر سے بدلیں)
redact “Remove the PII completely from text” (ترجمہ: PII کو متن سے مکمل طور پر ہٹائیں)
mask “Replace the PII with a given character” (ترجمہ: PII کو کسی دیے گئے حرف سے بدلیں)
hash “Hashes the PII text using salted hashing for security” (ترجمہ: تحفظ کے لیے salted hashing سے PII متن کو hash کرتا ہے)
encrypt “Encrypt the PII using a given key” (ترجمہ: دی گئی کلید سے PII کو encrypt کریں)

سپورٹ ٹکٹ کے لیے ایک placeholder پیٹرن:

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

میپنگ آپ اپنی طرف رکھتے ہیں اور ماڈل کے جواب میں اصل قدریں واپس ڈالتے ہیں۔

یہ کیوں اہم ہے

  • ہر کاپی ایک خطرہ ہے۔ NIST اداروں کو مشورہ دیتا ہے کہ “minimize the use, collection, and retention of PII to what is strictly necessary” (ترجمہ: PII کا استعمال، جمع کرنا اور رکھنا صرف اتنا کریں جتنا سختی سے ضروری ہو)۔ پرامپٹس اور لاگز بھی کاپیاں ہیں۔
  • شناخت میں چیزیں چھوٹ جاتی ہیں۔ Presidio کہتا ہے “there is no guarantee that Presidio will find all sensitive information” (ترجمہ: اس کی کوئی ضمانت نہیں کہ Presidio تمام حساس معلومات تلاش کر لے گا)۔ عربی نام، خلیجی فون فارمیٹس اور ملے جلے رسم الخط والا متن وہ جگہیں ہیں جہاں عام detectors اکثر چوکتے ہیں؛ اپنے ڈیٹا پر ٹیسٹ کریں۔
  • آؤٹ پٹ سے بھی لیک ہو سکتا ہے۔ جوابات پر بھی یہی جانچ چلائیں۔ Guardrails انہیں روک یا فلیگ کر سکتے ہیں۔

LLM API کو حساس ڈیٹا بھیجنا redaction، placeholders اور لاگنگ کا تفصیل سے احاطہ کرتا ہے، اور PII ہٹا کر usage لاگنگ آپ کے اپنے لاگز کا۔

BroadNet Inference پر

BroadNet کا پرائیویسی بیان کہتا ہے کہ وہ پرامپٹس، آڈیو، تصاویر، جوابات یا ٹرانسکرپٹس محفوظ نہیں رکھتا، اور انفرنس ڈیٹا کو ماڈلز ٹرین، فائن ٹیون یا evaluate کرنے میں استعمال نہیں کرتا۔ اس سے درخواست کے بعد محفوظ ہونے والی چیزیں محدود رہتی ہیں۔ یہ آپ کے لیے redaction نہیں کرتا: پروسیسنگ کے دوران PII پھر بھی ماڈل تک پہنچتی ہے، اس لیے پہلے اسے کم کریں۔ دیکھیں zero data retention۔

BroadNet ایک اوپن سورس redaction proxy بھی شائع کرتا ہے، LLM Sensitive Data Firewall (LSDF)، Apache-2.0 کے تحت؛ حساس ڈیٹا والی تحریر اسے اور BroadNet کے اپنے evaluation اعداد و شمار کو بیان کرتی ہے۔ یہ صفحہ قانونی مشورہ نہیں۔

عام سوالات

کیا PII اور GDPR کا personal data ایک ہی ہیں؟

دونوں کافی حد تک ملتے ہیں لیکن ایک نہیں۔ NIST کی PII کی تعریف امریکی وفاقی رہنمائی سے آتی ہے۔ GDPR، personal data کو کسی شناخت شدہ یا قابلِ شناخت شخص سے متعلق کوئی بھی معلومات قرار دیتا ہے، جس میں آن لائن شناخت کنندہ اور مقام کا ڈیٹا شامل ہیں۔

کیا کوئی ٹول پرامپٹ میں تمام PII خود بخود تلاش کر سکتا ہے؟

نہیں۔ Presidio کی اپنی دستاویزات کہتی ہیں کہ اس کی کوئی ضمانت نہیں کہ وہ تمام حساس معلومات تلاش کر لے گا۔ شناخت کو اس اصول کے ساتھ جوڑیں کہ صرف وہی fields بھیجیں جو کام کے لیے ضروری ہیں، اور اپنے ڈیٹا پر ٹیسٹ کریں۔

کیا LLM API کال کرنے سے پہلے PII ہٹانی چاہیے؟

جہاں ماڈل کو اس کی ضرورت نہیں، وہاں ہاں۔ نام، فون نمبرز اور IDs کو placeholders سے بدلیں اور جواب کے بعد واپس میپ کریں۔ اس سے کسی بھی فراہم کنندہ کی شرائط کے تحت خطرہ کم ہوتا ہے۔

Markdown میں پڑھیںChatGPT سے پوچھیںClaude سے پوچھیںPerplexity سے پوچھیں