Bảo mật AI: Những dữ liệu nào không nên chia sẻ với trí tuệ nhân tạo?

Không nên nhập những gì vào AI?

Tuyệt đối không đưa các loại dữ liệu sau vào những mô hình AI công khai:

• dữ liệu cá nhân – họ tên, địa chỉ, số căn cước công dân, số điện thoại hoặc địa chỉ email của khách hàng, nhân viên hay chính bạn;
• hồ sơ y tế – bệnh án, kết quả xét nghiệm và chẩn đoán của bệnh nhân, vốn chịu sự điều chỉnh của các quy định pháp luật nghiêm ngặt về bảo vệ dữ liệu, chẳng hạn GDPR hoặc HIPAA;
• thông tin mật của doanh nghiệp – báo cáo tài chính chưa công bố, chiến lược tiếp thị, cơ sở dữ liệu khách hàng, kế hoạch sáp nhập, mua lại hoặc cắt giảm nhân sự;
• bí mật kinh doanh – mã nguồn phần mềm, công thức sản xuất, thuật toán độc quyền hoặc tài liệu kỹ thuật nội bộ;
• mật khẩu và thông tin xác thực – khóa API, thông tin đăng nhập, mã thông báo xác thực, thông tin thẻ thanh toán và mọi loại khóa mã hóa;
• tài liệu được bảo hộ bản quyền – toàn văn sách, bài báo khoa học trả phí hoặc kịch bản mà bạn không có giấy phép sử dụng phù hợp;
• nội dung bất hợp pháp – tài liệu cổ súy bạo lực, thù hận hoặc hướng dẫn thực hiện hành vi trái pháp luật.

Điều gì xảy ra với dữ liệu bạn nhập vào AI?

Dữ liệu gửi đến các nhà cung cấp dịch vụ đám mây có thể trải qua nhiều bước xử lý và phân tích. Vòng đời của thông tin đó không kết thúc khi AI tạo xong câu trả lời.

Huấn luyện mô hình

Dữ liệu nhập vào các phiên bản tiêu chuẩn dành cho người dùng cá nhân thường có thể được dùng để tiếp tục huấn luyện mô hình. Điều này có nghĩa là thông tin bạn cung cấp có thể tác động đến các trọng số của mạng nơ-ron và, về mặt lý thuyết, xuất hiện trong câu trả lời dành cho một người dùng khác sau này.

Kiểm tra thủ công và kiểm duyệt

Bên cạnh xử lý tự động, các hệ thống AI còn có bộ lọc an toàn. Nếu thuật toán nhận định một yêu cầu đáng ngờ, chẳng hạn có dấu hiệu vi phạm điều khoản sử dụng, cuộc trò chuyện có thể bị gắn cờ để kiểm tra thủ công. Khi đó, nhân viên của nhà cung cấp hoặc người đánh giá dữ liệu bên ngoài có thể trực tiếp xem nội dung bạn đã nhập nhằm cải thiện cơ chế kiểm duyệt.

Lưu trữ dữ liệu và bản sao lưu

Các nhà cung cấp AI lưu lịch sử trò chuyện trên máy chủ để duy trì dịch vụ, chẩn đoán lỗi và giữ ngữ cảnh cho những lần sử dụng sau. Đáng lưu ý, xóa một cuộc trò chuyện khỏi giao diện thường không đồng nghĩa với việc thông tin lập tức biến mất khỏi máy chủ. Dữ liệu có thể tiếp tục nằm trong hệ thống sao lưu của nhà cung cấp trong một khoảng thời gian, làm tăng nguy cơ lộ thông tin mật nếu hạ tầng đám mây bị tấn công thành công.

Tài khoản cá nhân và tài khoản doanh nghiệp: Mức độ bảo vệ khác nhau ra sao?

Tài khoản cá nhân tiêu chuẩn, dù miễn phí hay trả phí, ở nhiều dịch vụ phổ biến mặc định có thể sử dụng thông tin được gửi lên để huấn luyện mô hình. Nếu bạn chia sẻ tài liệu mật, mỗi phiên sử dụng đều có nguy cơ khiến thông tin đó bị tiết lộ ngoài tầm kiểm soát.

Trong môi trường doanh nghiệp, chẳng hạn tài khoản Enterprise hoặc dịch vụ triển khai trên đám mây riêng thông qua API của Microsoft Azure, AWS hay Google Cloud, các tiêu chuẩn bảo vệ thường nghiêm ngặt hơn. Nhà cung cấp cam kết đáp ứng các tiêu chuẩn bảo mật như ISO 27001, SOC 2 và quy định GDPR; đồng thời nêu trong thỏa thuận SLA/DPA rằng dữ liệu khách hàng không được dùng để huấn luyện các mô hình nền tảng công khai. Những môi trường này có thể cho phép xử lý nhiều loại dữ liệu hơn, nhưng doanh nghiệp vẫn cần chính sách quản lý rủi ro và kiểm soát quyền truy cập.

Có thể nhập những gì vào AI một cách an toàn?

Dù có nhiều giới hạn, bạn vẫn có thể dùng AI để xử lý nhiều loại thông tin ít rủi ro, bao gồm:

• tài liệu công khai – bài viết từ nguồn mở, bài đăng blog, báo cáo thị trường công khai, văn bản pháp luật hoặc nội dung trên các trang web như Wikipedia;
• thông tin không bảo mật – hướng dẫn chung, câu hỏi về khái niệm lý thuyết, quy tắc ngữ pháp và chính tả, phương trình toán học hoặc tra cứu từ ngữ;
• đoạn tài liệu đã được ẩn danh – mẫu văn bản, mẫu hợp đồng hoặc đoạn mã đã loại bỏ hoàn toàn biến định danh, khóa, tên khách hàng và thông tin về kiến trúc nội bộ;
• nội dung sáng tạo do bạn viết – bản nháp email, bài đăng mạng xã hội, dàn ý thuyết trình hoặc bài viết không chứa dữ liệu kinh doanh nhạy cảm;
• bộ dữ liệu mở – dữ liệu tổng hợp hoặc số liệu thống kê từ kho dữ liệu công khai, dùng để học cách phân tích và định dạng thông tin.

Làm thế nào để ẩn danh tin nhắn và dữ liệu trước khi gửi cho AI?

Thay thế thông tin định danh bằng mã đại diện

Một cách ẩn danh là thay dữ liệu nhạy cảm bằng các mã đại diện. Chẳng hạn, đổi tên “Nguyễn Văn An” thành “[Khách_hàng_1]” hoặc tên “Công ty ABC” thành “[Tổ_chức_A]”. Cách này giữ lại cấu trúc, cú pháp và ngữ cảnh của tài liệu để mô hình ngôn ngữ xử lý, đồng thời giúp che giấu danh tính ban đầu.

Kỹ thuật che giấu thông tin nhạy cảm

Che giấu dữ liệu là ẩn trực tiếp các chuỗi ký tự quan trọng, thường bằng cách thay một phần bằng ký tự đặc biệt, chẳng hạn số thẻ 4532 **** **** ****. Một phương pháp khác là khái quát hóa: thay vì nêu con số chính xác, như mức lương 18 triệu đồng, hãy dùng khoảng giá trị, như “mức lương từ 15 đến 20 triệu đồng”. Điều này giúp giảm nguy cơ người khác suy ra danh tính từ dữ liệu.

Tự động hóa quy trình bằng công cụ DLP và RegEx

Khi xử lý văn bản dài, việc xóa thông tin thủ công rất dễ bỏ sót. Trong môi trường chuyên nghiệp, người ta sử dụng tập lệnh dựa trên biểu thức chính quy (RegEx) hoặc hệ thống ngăn ngừa thất thoát dữ liệu DLP (Data Loss Prevention). Các công cụ này có thể tự động quét câu lệnh trước khi gửi, phát hiện rồi chặn hoặc thay thế những chuỗi có định dạng giống số căn cước công dân, mã số thuế, địa chỉ email hay số tài khoản ngân hàng.

Dữ liệu chia sẻ với AI: Làm sao tắt tính năng dùng dữ liệu của bạn để huấn luyện mô hình?

Ngoài việc chọn lọc thông tin nhập vào, bạn cũng có thể giảm rủi ro bằng cách điều chỉnh cài đặt của công cụ. Phần lớn nhà cung cấp cho phép bạn chọn không chia sẻ nội dung để huấn luyện mô hình.

• ChatGPT (OpenAI) – trong phần Settings của tài khoản, mở Data controls và tắt Improve the model for everyone. Thao tác này ngừng việc dùng nội dung bạn nhập để cải thiện mô hình. Ở phiên bản giao diện hiện tại, các cuộc trò chuyện vẫn hiển thị trong lịch sử của bạn. Theo chính sách được mô tả, OpenAI vẫn có thể lưu nhật ký trên máy chủ trong 30 ngày để giám sát hành vi lạm dụng và bảo đảm an toàn trước khi xóa vĩnh viễn.
• Gemini (Google) – trong cài đặt quyền riêng tư, tắt Gemini Apps Activity. Các cuộc trò chuyện mới sẽ không được lưu vào tài khoản Google hoặc dùng để huấn luyện mô hình. Tuy nhiên, thay đổi này không xóa ngay nhật ký khỏi hạ tầng của nhà cung cấp: Google có thể lưu chúng tối đa 72 giờ để bảo đảm an toàn dịch vụ.
• Claude (Anthropic) – các phiên bản miễn phí và tiêu chuẩn dành cho người dùng cá nhân hiện có thể mặc định sử dụng dữ liệu nhập vào để cải thiện thuật toán. Đây là thay đổi đáng chú ý so với giai đoạn đầu, khi Anthropic nhấn mạnh rằng họ không dùng cuộc trò chuyện của người dùng để huấn luyện. Để tắt tính năng này, hãy vào phần quyền riêng tư trong cài đặt tài khoản và tắt Help improve Claude.

Cần nhớ rằng thay đổi cài đặt quyền riêng tư và từ chối dùng dữ liệu để huấn luyện chỉ có hiệu lực từ thời điểm thay đổi trở đi. Những thông tin đã gửi trước đó, nếu đã được đưa vào quá trình huấn luyện, không thể được loại bỏ chỉ bằng cách thay đổi cài đặt.