AI-veiligheid: welke gegevens mag je niet delen met kunstmatige intelligentie?

Welke gegevens mag je niet in AI invoeren?

Voer de volgende soorten gegevens niet in bij openbaar toegankelijke AI-modellen:

• persoonsgegevens – voor- en achternamen, adressen, burgerservicenummers (BSN), telefoonnummers en e-mailadressen van klanten, medewerkers of jezelf;
• medische dossiers – ziektegeschiedenissen, onderzoeksresultaten en diagnoses van patiënten, die onder strenge wetgeving vallen, zoals de AVG en HIPAA;
• vertrouwelijke bedrijfsinformatie – niet-gepubliceerde financiële rapporten, marketingstrategieën, klantenbestanden en plannen voor fusies, overnames of ontslagen;
• bedrijfsgeheimen – broncode, productierecepten, unieke algoritmen en interne technische documentatie;
• wachtwoorden en toegangsgegevens – API-sleutels, inloggegevens, authenticatietokens, betaalkaartgegevens en encryptiesleutels;
• auteursrechtelijk beschermd materiaal – volledige boeken, betaalde wetenschappelijke artikelen of scripts waarvoor je niet over de juiste licentie beschikt;
• illegale inhoud – materiaal dat geweld of haat aanmoedigt, of instructies voor handelingen die in strijd zijn met de wet.

Wat gebeurt er met gegevens die je in AI invoert?

Gegevens die je naar aanbieders van clouddiensten stuurt, doorlopen meerdere verwerkings- en analysestappen. Het gebruik ervan stopt niet zodra je een antwoord hebt gekregen.

Modellen trainen

Gegevens die je invoert in standaardversies van generatieve AI-tools voor consumenten, worden vaak gebruikt om modellen verder te trainen. Daardoor kan ingevoerde informatie de gewichten van een neuraal netwerk beïnvloeden en in theorie later terugkomen in een antwoord aan een andere gebruiker.

Handmatige controle en moderatie

Naast geautomatiseerde verwerking gebruiken AI-systemen veiligheidsfilters. Als een algoritme een verzoek verdacht vindt, bijvoorbeeld omdat het mogelijk de gebruiksvoorwaarden schendt, kan het gesprek worden gemarkeerd voor handmatige controle. Medewerkers van de aanbieder of externe beoordelaars kunnen de ingevoerde inhoud dan rechtstreeks inzien om de moderatie te verbeteren.

Gegevensopslag en back-ups

AI-aanbieders bewaren gespreksgeschiedenis op hun servers om de dienstverlening in stand te houden, fouten te onderzoeken en context voor latere sessies te behouden. Als je een chat uit de interface verwijdert, betekent dat doorgaans niet dat de informatie meteen van alle servers verdwijnt. Gegevens kunnen nog enige tijd in back-ups blijven staan. Bij een geslaagde cyberaanval op de cloudinfrastructuur vergroot dat het risico dat vertrouwelijke informatie wordt blootgesteld.

Privéaccounts en zakelijke accounts: verschillen in bescherming

Gratis en betaalde standaardaccounts voor privégebruik verwerken bij veel populaire diensten ingevoerde informatie standaard ook voor modeltraining. Deel je daarbij vertrouwelijke informatie, dan loop je het risico de controle over die gegevens te verliezen.

In zakelijke en enterprise-omgevingen, zoals Enterprise-accounts en diensten die via API’s van aanbieders als Microsoft Azure, AWS of Google Cloud in een private cloud draaien, gelden doorgaans strengere beschermingsnormen. Aanbieders garanderen naleving van beveiligingsstandaarden zoals ISO 27001 en SOC 2 en van de AVG. Ook leggen zij in overeenkomsten (SLA/DPA) vast dat klantgegevens niet worden gebruikt om openbare basismodellen te trainen. In zulke omgevingen kunnen de regels voor het invoeren van gegevens minder streng zijn. Een beleid voor risicobeheer en toegangscontrole blijft echter noodzakelijk.

Wat kun je veilig in AI invoeren?

Ondanks de beperkingen kun je veel informatie wel met AI verwerken. Denk bijvoorbeeld aan:

• openbaar beschikbaar materiaal – artikelen uit open bronnen, blogposts, publiek toegankelijke marktrapporten, wetgeving en teksten van websites, zoals Wikipedia;
• niet-vertrouwelijke informatie – algemene instructies, vragen over theoretische begrippen, grammatica en spelling, wiskundige vergelijkingen of woordbetekenissen;
• geanonimiseerde documentfragmenten – briefsjablonen, modelovereenkomsten of codefragmenten waaruit unieke variabelen, sleutels, klantnamen en details over de interne architectuur volledig zijn verwijderd;
• eigen creatieve teksten – conceptmails, berichten voor sociale media, presentatieschema’s en artikelen zonder gevoelige bedrijfsgegevens;
• open datasets – synthetische gegevens of statistieken uit openbare databronnen, bijvoorbeeld om data-analyse of opmaak te oefenen.

Hoe anonimiseer je berichten en gegevens voordat je ze naar AI stuurt?

Identificerende gegevens vervangen en tokeniseren

Bij tokenisering vervang je gevoelige gegevens door kunstmatige aanduidingen. Zo kun je de naam ‘Jan de Vries’ veranderen in ‘[Klant_1]’ en ‘Bedrijf XYZ’ in ‘[Organisatie_A]’. De structuur, zinsbouw en context van het document blijven voor het AI-model behouden, terwijl de oorspronkelijke persoon of organisatie niet meer direct herkenbaar is.

Gevoelige informatie maskeren

Bij maskeren maak je kritieke tekenreeksen rechtstreeks onleesbaar, bijvoorbeeld door cijfers te vervangen door sterretjes: kaartnummer 4532 **** **** ****. Je kunt gegevens ook generaliseren. Geef dan geen exact bedrag op, zoals een salaris van € 3.200, maar een bandbreedte, zoals ‘een salaris tussen € 3.000 en € 4.000’. Daarmee verklein je het risico dat iemand op basis van de gegevens alsnog kan worden herkend.

Het proces automatiseren met DLP en RegEx

Wie lange teksten handmatig opschoont, ziet gemakkelijk iets over het hoofd. In professionele omgevingen worden daarom scripts met reguliere expressies (RegEx) of DLP-systemen (Data Loss Prevention) gebruikt. Deze tools kunnen een prompt vóór verzending automatisch scannen en patronen herkennen die overeenkomen met bijvoorbeeld burgerservicenummers, btw-nummers, e-mailadressen of bankrekeningnummers. Ze kunnen zulke gegevens vervolgens blokkeren of vervangen.

Hoe voorkom je dat AI met jouw gegevens wordt getraind?

Je kunt het risico van het delen van informatie met AI ook beperken via de instellingen van de tool. De meeste aanbieders geven je de mogelijkheid om gebruik van je inhoud voor modeltraining uit te schakelen.

• ChatGPT (OpenAI) – onder Settings, bij Data controls, vind je de optie Improve the model for everyone. Als je die uitschakelt, worden nieuwe gesprekken niet gebruikt om het model te trainen. In de huidige interface blijft je chatgeschiedenis daarbij zichtbaar. OpenAI bewaart gespreksgegevens nog 30 dagen op zijn servers voor veiligheidscontroles en het opsporen van misbruik, voordat ze definitief worden verwijderd.
• Gemini (Google) – schakel in de privacyinstellingen Gemini Apps Activity uit. Nieuwe gesprekken worden dan niet in je Google-account opgeslagen en niet gebruikt voor modeltraining. De gegevens verdwijnen daarmee niet meteen uit de infrastructuur van de aanbieder: Google bewaart ze nog maximaal 72 uur om de veiligheid van de dienst te waarborgen.
• Claude (Anthropic) – in gratis en standaardversies voor consumenten staan instellingen momenteel standaard toe dat ingevoerde gegevens worden gebruikt om de modellen te verbeteren. Dat is een belangrijke verandering ten opzichte van de beginperiode, toen Anthropic benadrukte dat het gesprekken van gebruikers niet voor training gebruikte. Ga naar de privacyinstellingen van je account en schakel Help improve Claude uit om dit gebruik te stoppen.

Houd er rekening mee dat wijzigingen in je privacyinstellingen en het uitschakelen van modeltraining alleen voor toekomstige gegevens gelden. Informatie die je eerder hebt ingestuurd en die al in een trainingscyclus is gebruikt, wordt hierdoor niet uit het model verwijderd.