Uppfært fyrir 2026
Nákvæmnivandinn 22,7%
Rannsókn frá 2024 prófaði Microsoft Presidio á viðskiptaskrám. Presidio er opið PII-tæki. Lögfræðiteymi og heilbrigðishópar nota það víða.
Rannsóknin mældi hversu oft Presidio hafði rétt fyrir sér. Af öllum atriðum sem það flaggaði sem mannanöfn, hversu mörg voru í raun mannanöfn?
Svarið var 22,7%. Um 77 af hverjum 100 flaggum voru rangar. Rannsóknin talði 13.536 falskar flaggur yfir 4.434 sýniskrár.
Vilurnar voru ekki handahófskenndar. Þær fylgdu skýrum mynstrum:
- Fornafn flaggað sem fólk ("I" í upphafi setningar)
- Skipamerki flaggað sem fólk ("ASL Scorpio")
- Fyrirtækjamerki flaggað sem fólk ("Deloitte & Touche")
- Landsskilmálar flaggaðir sem fólk ("Argentina," "Singapore")
Engin þessara eru sjaldgæf jaðartilfelli. Þau birtast þegar almenn NLP-líkan mætir geirasértækum texta. Líkanið var ekki byggt til að greina þau.
Hvað falskar flaggur kosta
Í lögfræðilegum og heilbrigðislegum störfum þarfnast sérhver flagg svars. Teymi standa frammi fyrir þremur valkostum. Allir þrír hafa raunverulegan kostnað.
Valkostur 1: Maður athugar sérhverja flagg. Lögfræðingur og sérfræðingur tími keyrir á $200 til $800 á klukkustund. Við 22,7% nákvæmni er magnið gríðarlegt. Þetta er ekki hæft í stórum mæli. Sjá eDiscovery PII sjálfvirkni og minnkun á endurskoðunarkostnaði fyrir hvernig endurskoðunarkostnaður hækkar með magni.
Valkostur 2: Sleppa endurskoðun og treysta úttakinu. Þetta er einnig áhættusamt. Þegar 77% "neitaðra" atriða eru ekki viðkvæm skapar þú lagalega áhættu. Dómstólar hafa sektað lögfræðinga fyrir yfirneiting. Sjá eDiscovery yfirneiting refsingar fyrir skráð dæmi.
Valkostur 3: Hækka stigsþröskuldin. Presidio leyfir notendum að stilla score_threshold til að sleppa veikum flaggum. DICOM rannsókn frá 2024 prófaði þetta við 0,7 - nokkuð háan þröskuld. Niðurstaðan: 38 af 39 DICOM-myndum höfðu enn falskar flaggur. Þröskuldar hjálpa. Þeir laga ekki rótarorsökin.
Hvers vegna almenn NLP á erfitt hér
Presidio-bilið kemur af misræmi milli þjálfunargagna og raunverulegrar notkunar.
Lögfræðilegar skrár eru fullar af stafstórum skilmálum. Málaheiti, lagaheiti og sýnismerki líkjast öllum persónulegum gögnum fyrir almennt líkan. Það flaggar þær. Flestar eru ekki persónulegar upplýsingar.
Heilbrigðisskrár bæta við lyfjunöfnum, tækjakóðum og klínískum styttingum. "Pt." þýðir sjúklingur. "Dr." þýðir læknir. Þessar villa einingagreininguna á óútreiknanleg hátt.
Fjármálaskrár hafa vörukóða, einingastrenger og reikningskenninga sem deila yfirborðsmynstrum með persónulegum skrám.
Fínstillir líkan á geiragögn hjálpar. En það tekur tíma og fyrirhöfn að byggja og viðhalda.
Hvernig blendinn uppgötvan lagar þetta
Falskar flaggvandinn hefur skýra lagningu. Skiptu vinnunni eftir gagnagerð.
Mynstrarreglur fyrir skipulagð gögn. Kennitölur, símanúmer, netföng og kenna-miðarsnið fylgja föstum reglum. Strengur annaðhvort passar við mynstrið og staðist eftirlitsstafapróf, eða ekki. Núll falskar flaggur fyrir gilt reglusett.
Tungumálalíkön fyrir frjálsan texta. Fyrstu og efturnöfn, fyrirtækjamerki og staðsetningar í prósatexta skortir stífa uppbyggingu. NLP finnur þær þegar reglur geta ekki. Öryggisstig og samhengisathuganir draga úr fölskum flaggtíðnum.
Stigsstillingar per gerð fyrir nákvæma stjórn. Lögfræðiteymi sem geta ekki riskað yfirneiting setja háa þröskulda fyrir óljósar samsvörun. Rannsóknarteymi sem þurfa mikla rifjun setja lægri. Sjá Tvíræð PII-uppgötvan og öryggisstigssetning fyrir samræmni fyrir hvernig stigsflokkar virka í framkvæmd.
Niðurstaðan er mun færri villur en sjálfgefnar Presidio-stillingar. Rifjun er sterk þar sem reglur einar myndu missa of mikið.
Fyrir lögfræðileg og heilbrigðisteymi er lykilspurningin ekki hvort falskar flaggur séu til. Þær eru alltaf til í NLP-kerfum. Spurningin er hvort tækið leyfir þér að stilla, mæla og skrá þvert á bótið.