Japan PPC és APPI: AI-képzési adatok megfelelősége
A japán PPC érvényesíti az APPI-t. A 2022-es módosítások a törvényt mélyebben alakították át, mint bármely korábbi felülvizsgálat. Új szabályokat vezettek be a pszeudoanonimizált adatokra, a határokon átnyúló adattovábbításokra és az AI-képzési adathalmazokra vonatkozóan. A PPC 2024-ben 45 határozatot hozott, és ugyanabban az évben közzétette az első japán-specifikus AI-adatvédelmi útmutatót.
Ha cége japán szövegeken tanít modelleket, vagy japán felhasználói adatokat kezel, ezek a szabályok már érvényesek.
Mit változtatott a 2022-es módosítás
2,4 millió japán vállalatnak kellett frissítenie adatkezelési szabályait és felülvizsgálnia adatkezelési folyamatait.
Pszeudoanonimizált adatok (仮名加工情報): Egy új köztes kategória. Olyan személyes adatokat tartalmaz, amelyekből közvetlen azonosítók eltávolításra kerültek, de visszaazonosítás kulcs segítségével még lehetséges. Ezek az adatok szervezeten belül teljes hozzájárulás nélkül mozgathatók. Harmadik feleknek azonban nem adhatók át. A GDPR-ban nincs ilyen kategória.
Anonimizált adatok (匿名加工情報): A visszaazonosíthatóságot technikailag lehetetlenné kell tenni. Ezt minősített harmadik félnek kell megerősítenie. Japán mércéje szigorúbb a GDPR-nál: míg a GDPR az ilyen felülvizsgálatot nem teszi kötelezővé, az APPI igen.
Határokon átnyúló adattovábbítás: A más országokba történő adattovábbításnak meg kell felelnie Japán védelmi elvárásainak. A PPC jóváhagyott országok listáját vezeti; az EU szerepel rajta.
AI-képzési adathalmazok: A PPC 2024-es útmutatója közvetlenül foglalkozott ezzel a kérdéssel.
- A képzési adathalmazokat teljes mértékben anonimizálni kell, vagy érvényes jogalappal — általában hozzájárulással — kell rendelkezni.
- A feldolgozási kivétel csak akkor alkalmazható, ha a modell kimenetéből személyek nem azonosíthatók.
- A weboldalakon összegyűjtött japán adatokon LLM-eket képző fejlesztőknek érvényes gyűjtési jogalapot kell igazolniuk.
A határokon átnyúló megfelelési kötelezettségek teljes áttekintéséhez látogasson el a /legal/compliance oldalra.
My Number: Japán nemzeti azonosítója
A My Number (マイナンバー) egy 12 jegyű nemzeti azonosítószám, amelyet Japán minden lakosa — köztük a külföldi állampolgárok — megkap. A rendszer 2016 óta működik, és lefedi az adózást, a társadalombiztosítást és a katasztrófa-elhárítást.
Az ellenőrző számjegy működése: A My Number a Verhoeff-módszert alkalmazza, amely matematikai alapú hibakeresési eljárás. Összetettebb, mint a Luhn-módszer — amelyet például a svéd personnummer és a kanadai SIN azonosítókhoz használnak. A legtöbb európai azonosító egyszerűbb moduláris aritmetikára épít.
Miért nehéz az észlelés: A 12 jegyű karaktersorozatok puszta keresése pontatlan eredményre vezet. Dátumok, irányítószámok és számlakódok mind hasonlóan néznek ki. A helyes elkülönítéshez teljes Verhoeff-logika szükséges; az egyszerű reguláris kifejezés nem elegendő.
A PPC 2024-es felülvizsgálatának megdöbbentő megállapítása: az általános célú NLP-eszközök 63%-a nem képes japán dokumentumokban felismerni a My Number azonosítót.
Nézze meg, hogyan kezeli az anonym.legal a My Numbert a /entities oldalon.
Három írásrendszer egyszerre
A japán hiragana, katakana és kandzsit egyszerre használ. Egyes kontextusokban latin betűs szöveg is előfordul. Ugyanaz a név különböző formában jelenhet meg különböző dokumentumokban. A latin betűs szövegre épített eszközök japán szövegen külön támogatás nélkül csődöt mondanak.
Mit jelent ez a névfelismerés szempontjából:
- A japán NER-hez japán szövegen betanított modellekre van szükség. Használja a spaCy ja_core_news modellt.
- A japánban nincs szóköz a szavak között; a szóhatárok meghatározása önálló lépés, japán-specifikus eszközöket igényel.
- A személynevek kandzsiban jelennek meg, hiragana vagy katakana olvasati segédlettel. Az eszközöknek mindkét formát fel kell ismerniük.
- A cégnévnél (会社名, 株式会社) japán-specifikus szabályokra van szükség.
Az APAC-nyelvek NER-megközelítéseiről bővebben a /docs/faq oldalon olvashat.
Egyéb japán azonosítóformátumok
Jogosítvány: 12 számjegy, a kibocsátó régió előtagkódjával. A kódok rögzítettek — Tokió esetén 10, Oszakánál 62. A régiókód ellenőrizhető.
Útlevél: Szabványos ICAO-formátum, japán-specifikus kibocsátási szabályokkal.
Egészségbiztosítási kártya (健康保険証): Szimbólum (記号) és szám kombinációja. A formátum biztosítónként eltér.
Tartózkodási kártya (在留カード): Külföldi lakók számára. Formátum: két betű, nyolc szám, két betű. Az Igazságügyi Minisztérium állítja ki.
Japán–EU adattovábbítási státusz
Japán és az EU kölcsönös megfelelőségi megállapodással rendelkezik 2019 óta. A személyes adatok az EU és Japán között külön lépések nélkül áramolhatnak — Japán az egyik igen kevés nem európai ország, amely teljes EU-megfelelőséggel rendelkezik.
A megállapodás a szokásos személyes adatokra vonatkozik. Az érzékeny egészségügyi és büntetőjogi adatok megfelelőségi alapon is extra védelmi intézkedéseket igényelnek. Az ilyen adatokat továbbító vállalatoknak dokumentálniuk kell az alkalmazott kiegészítő lépéseket.
Ellenőrizze adattovábbítási kötelezettségeit a /security-compliance oldalon.
Japán megfelelési ellenőrzőlista
Kezdjen itt, ha japán személyes adatokat kezel:
- My Number felismerés Verhoeff ellenőrző számjegy logikával.
- Japán NER japán írásrendszeren betanított modellekkel — nem latin betűs modellekkel.
- Kandzsiban, hiraganában és katakanában szereplő névformák támogatása, beleértve az olvasati segédleteket is.
- Jogosítvány-felismerés régiókód-ellenőrzéssel.
- Tartózkodási kártya felismerés az Igazságügyi Minisztérium formátum-logikájával.
- Egészségbiztosítási kártya felismerés a különböző biztosítói változatokra.
- Érvényes jogalap minden személyes adatot tartalmazó AI-képzési adathalmazhoz.
- Harmadik fél általi felülvizsgálat az APPI szerint anonimizáltnak minősített adatokhoz.
- Kiegészítő védelmi intézkedések az EU–japán megfelelőségi megállapodás alapján továbbított érzékeny adatokhoz.
Az APPI fogalommeghatározásait a /docs/glossary oldalon találja.