מדוע זיהוי PII בינארי כושל בציות
עודכן ל-2026
כל כלי PII מתמודד עם בעיה אחת קשה. אותה מחרוזת יכולה להיות נתונים אישיים במקום אחד ולא להיות כך במקום אחר.
"John" בקובץ לקוח הוא נושא נתונים. "John" במאמר היסטוריה על John F. Kennedy אינו. מספר בן תשע ספרות ברשומה רפואית הוא קוד HIPAA. אותן תשע ספרות בקוד מוצר אינן.
דגל כן/לא אינו יכול להתמודד עם זאת. הוא מכריח שתי בחירות רעות: לצנזר את כל המחרוזות שעשויות להיות PII, או לצנזר רק התאמות ודאיות. שתיהן כושלות בחוק, שם כל החלטה חייבת להיות ברורה ומתועדת.
ציון לכל ישות מ-0 עד 100 מציע נתיב שלישי. הוא מניע כללים מדורגים, תורי סקירה אנושיים ורשומות ביקורת מלאות.
מגבלת דגלים כן/לא
הקשר משנה את המשמעות של נתונים. שני קבצים יכולים להכיל אותה מחרוזת. באחד, היא נתונים אישיים. בשני, אינה. דגל לא יכול להראות זאת. מספר יכול.
עם דגל בלבד, שתי האפשרויות שלך גרועות. עצנור-יתר הורס את ערך המסמך. עצנור-חסר יוצר סיכון משפטי. אף אחת מהן אינה עומדת בבית משפט.
גילוי משפטי: מדוע ציונים נדרשים
לגילוי משפטי יש כללים שהופכים זיהוי מדורג לחובה.
בעיית עצנור-יתר. צנזור שמות עורכי דין או ציטוטי בית משפט פוגע בראיות. בתי משפט קנסו עורכי דין על עצנור-יתר. אותה פסיקה המכסה עצנור-חסר מכסה גם זאת.
בעיית עצנור-חסר. החמצת PII אמיתי יוצרת סיכון. זה כולל הפרות פרטיות לקוח, תלונות לשכת עורכי דין, ובמקומות מסוימים, אישומים פליליים.
הצורך להסביר כל החלטה. כאשר בית משפט שואל מדוע פריט צונזר, עורכי דין חייבים להסביר. "הכלי סימן אותו" אינו מספיק. "הכלי ציין פריט זה ב-94% כמספר ביטוח לאומי. הכלל שלנו מצנזר אוטומטית מעל 85%." זה מספיק.
דגל כן/לא אינו יכול לתת תשובה זו. כלי מדורג עם כללים קבועים יכול. ראו גם: הגנה על צנזורים: ציוני AI בבית משפט.
מערכת סקירה בשלושה שכבות
ההגדרה היעילה ביותר משתמשת בשלוש שכבות המבוססות על ציון הישות.
שכבה 1 — אוטומטי (מעל 85%):
- פריטים התואמים פורמטים בעלי-ודאות גבוהה (SSN, IBAN, MRN)
- מצונזרים אוטומטית ללא שלב אנושי
- יומן מתעד סוג ישות, ציון, שיטה וזמן
- דוגמה: "571-44-9283" ב-97% כ-SSN — מצונזר אוטומטית
שכבה 2 — סקירה אנושית (50-85%):
- פריטים שעשויים להיות PII אך דורשים שיקול דעת
- נשלחים לסוקר לאישור, דחייה או סיווג מחדש
- יומן מתעד סוג ישות, ציון, מזהה סוקר, החלטה וזמן
- דוגמה: "John Davis" במסמך טכני ב-67% — סוקר מאשר שהוא שם — מצונזר
שכבה 3 — הצעה בלבד (מתחת ל-50%):
- פריטים בעלי ודאות נמוכה המוצגים כרמזים
- לא מצונזרים אוטומטית; סוקר רשאי לפעול או לדלג
- יומן מתעד סוג ישות, ציון ובחירת הסוקר
- דוגמה: "Smith" במסמך מוצר ב-42% — סוקר מגלה שזה שם חברה — לא מצונזר
רק שכבה 2 דורשת עבודה אנושית. כל שלוש השכבות מייצרות רשומות ביקורת.
כיצד ציונים נבנים
כלי PII משלבים אותות לייצור מספר אחד לכל ישות.
דפוסי Regex. התאמה מדויקת לפורמט SSN מקבלת ציון בסיס גבוה. התאמה חלקית מקבלת נמוך יותר.
פלט מודל. מודלים לישויות בעלות שם מקצים הסתברות לכל מחלקה. ציון של 0.93 עבור PERSON נותן תוצאה בעלת ודאות גבוהה.
אותות הקשר. טקסט מסביב לישות מתאם את הציון. "מספר SSN שלי הוא 571-44-9283" מעלה אותו. "קוד מוצר 571-44-9283" מוריד אותו.
כללי אנסמבל. מערכות משלבות אותות regex, מודל והקשר עם משקלים קבועים. המספר הסופי משקף את כל הראיות.
מספר זה מניע כל החלטת סף בתהליך העבודה שלכם. לפרטים נוספים על חיוביים כוזבים מכלי כן/לא, ראו: מס החיובי הכוזב על כלי PII.
תביעות ביטוח: דוגמה אמיתית
קבצי ביטוח מערבבים PII ברור — שם בעל הפוליסה, כתובת, SSN — עם נתונים תלויי-הקשר: שמות עדים, שמות חברות, חתימות מתאם.
כלי כן/לא או מצנזר את כל השמות (שגוי עבור חברות) או מחמיץ שמות עדים (סיכון). כלי מדורג מטפל בכל פריט בנפרד:
- SSN עם תווית "SSN של בעל הפוליסה" ב-96% — מצונזר אוטומטית
- שם בעל הפוליסה מתויג PERSON ב-91% — מצונזר אוטומטית
- חברת קבלן מתויגת ORG ב-78% — נסקרת — סוקר דוחה צנזור
- שם עד מתויג PERSON ב-82% — נסקר — סוקר מאשר
- שם מתאם מתויג PERSON ב-71% — נסקר — סוקר מאשר (נתוני צד שלישי)
לכל החלטה יש בסיס מספרי. שרשרת הביקורת מלאה.
בניית רשומות ציות
עבור GDPR סעיף 5(1)(ו) ו-HIPAA Security Rule, כלים מדורגים מייצרים רשומות מעצמם.
רשומות ביקורת ברמת ישות לוכדות סוג ישות, ציון, סוג החלטה (אוטומטי או ידני), מזהה סוקר וזמן. אלה מייוצאות כ-CSV לחקירות רשות נתונים.
רשומות סף מתעדות הגדרות נוכחיות וכל שינוי. כל שינוי כולל מי ביצע אותו, מתי ומדוע. זה מראה מדיניות מנוהלת ומכוונת.
דוחות סטטיסטיים מכסים שיעורי זיהוי לפי סוג ישות, שיעורי סקירה בשכבה 2 ושיעורי דחייה. הם עונים לרשות נתונים שמבקשת "הראו לנו את הבקרות שלכם."
להנחיית שרשרת ביקורת HIPAA, ראו: צנזור הסביר: ביקורות HIPAA.
דגל כן/לא הוא ניחוש. ציון הוא ראיה.