Egy dokumentum feldolgozása során az eredeti fájl mellett további származékos adatok is keletkezhetnek. A megőrzés és a törlés megítéléséhez az összes érintett adatréteget érdemes áttekinteni.
Feltöltés és feldolgozás
A rendszer eltárolhatja az eredeti fájlt, kinyerheti a szövegét, majd kisebb egységekre bonthatja azt. Szkennelt vagy képalapú dokumentumoknál optikai karakterfelismerésre (OCR) is sor kerülhet. Ezek a lépések külön adattárolással és külső szolgáltatók bevonásával is járhatnak.
Keresés és embeddingek
A dokumentumkereséshez a kinyert szöveg bekerülhet egy keresési indexbe. Jelentésalapú keresés esetén a tartalmat számsorokkal (vektorokkal) leíró embedding is készülhet. Ez a szöveg egy további leképezése, amely nem tekinthető automatikusan anonim adatnak.
Kérdések és válaszok
A válasz előállításához a rendszer releváns részleteket emelhet ki a dokumentumból, és azokat a kérdéssel együtt adhatja át a nyelvi modellnek. A beszélgetési előzmények és a generált válaszok így önállóan is tartalmazhatnak bizalmas információkat.
Naplók és mentések
A technikai naplók és a biztonsági mentések eltérő célt szolgálnak: a naplók a rendszereseményeket rögzítik, míg a mentések a visszaállítást biztosítják. Mindkettőnél lényeges a megőrzési idő, a hozzáférési jogosultságok köre és a tárolt tartalom terjedelme.
A törlés több lépésből állhat
Az, hogy egy fájl eltűnik a felhasználói felületről, nem feltétlenül jelenti minden másolat és származékos adat azonnali megsemmisítését. A szolgáltatónak pontosan rögzítenie kell, mi történik az eredeti fájllal, a kinyert szöveggel, a keresési indexekkel, a beszélgetésekkel és a biztonsági mentésekkel.
Ha az adatok a biztonsági mentésekből csak a megőrzési ciklus végén törlődnek, érdemes tisztázni, mennyi ideig maradnak meg, hozzáférhetők-e a napi üzemeltetés során, és egy esetleges visszaállítás után hogyan garantálják a korábban kért törlés érvényesülését.
Egyszerű értékelési keret
Minden adatkategóriánál érdemes feltenni az alábbi öt kérdést:
- Milyen adatról van szó?
- Milyen célból kezelik?
- Hol tárolják és dolgozzák fel?
- Ki férhet hozzá?
- Mikor és hogyan törlik?
Az általános „töröljük az adatokat” ígéret helyett ezekre a kérdésekre érdemes konkrét válaszokat keresni.