Kişisel verilerinin AI sohbet hizmetlerine girilmesini önlemek isteyenler, Google Chrome gibi Chromium tabanlı web tarayıcıları için yeni bir uzantı kullanabilirler. Buna Gizlilik Korkuluğu denir ve Alman Yapay Zeka Araştırma Merkezi (DFKI) ve RPTU Kaiserslautern-Landau'dan gelir. Uzantının amacı, kişisel verileri tarayıcıda yerel olarak tanımak ve anonimleştirmektir. Privacy Guardrail şu anda genel beta testindedir (sürüm 0.2.0).
Duyurudan sonra devamını okuyun
Düz veriler yerine yer tutucu
Metni yapıştırdığınızda, uzantı panoya yapıştırma olayını keser ve içeriği yerel olarak ayrıştırır. Sistem daha sonra korumaya değer olarak kabul edilen bilgileri AI hizmetine gönderilmeden önce değiştirir. Ayarlarda kullanıcılar iki değiştirme modu arasında seçim yapabilir: Sıcak noktalar, şu şekilde yazılan yer tutucularla değiştirilir: [EMAIL_1] VEYA [PERSON_1] değiştirilir veya sistem, nötr kurgusal adlar veya kredi kartı numaraları, IBAN'lar veya IP adresleri için standartlaştırılmış test değerleri gibi sentetik, gerçekçi ancak açıkça hayali değerler kullanır. Sentetik değerlerin avantajı: AI hizmeti, bariz yer tutucu belirteçler yerine doğal olarak okunabilen metinler alır.
“Gizlilik Koruması”, regex ve yerel yapay zeka kullanılarak tespit edilen hassas verileri görüntüler. Algılama için eşik değerleri ayarlarda ayrı ayrı uyarlanabilir.
Kaynak koduna göre sentetik mod, gerçekçi sahte şifreler veya URL'ler oluşturmanın çok riskli olduğu düşünüldüğünden, şifreler, URL'ler ve tarihler gibi özellikle hassas kategoriler için kasıtlı olarak yer tutucular kullanıyor. Uzantı, tarayıcı profilindeki yerel bir “Kimlik Kasası”ndaki orijinal değer ile değiştirilen değer arasındaki eşlemeyi, Chrome Senkronizasyonu aracılığıyla senkronizasyon olmadan yönetir. Bu, AI yanıtlarının daha sonra yerel olarak anonimleştirilmesine olanak tanıyacak ve geçersiz kılmalar, oturumlar ve platformlar arasında tutarlı kalacaktır.
İki seviyeli algılama
Teknik olarak Privacy Guardrail iki süreci birleştirir. Rust'ta uygulanan ve WebAssembly'de derlenen kurallara dayalı bir motor, e-posta adresleri, kredi kartı numaraları, IBAN'lar veya IP adresleri gibi yapılandırılmış verileri tanır. İsteğe bağlı olarak yerel bir yapay zeka modeli, tanımayı adlar, kuruluşlar veya adresler gibi bağlama bağlı bilgilerle bütünleştirir. Depoya göre, 24 Avrupa dilini ve 36 varlık sınıfını kapsaması gereken XLM-RoBERTa'yı temel alan çok dilli bir NER modeli kullanılıyor. Model, ONNX Web Runtime aracılığıyla doğrudan tarayıcıda çalışır ve mümkün olduğunda hızlandırma için WebGPU'yu kullanır. GPU desteği olmadan yürütme CPU veya WASM üzerinden gerçekleşir ve DFKI'ye göre bu önemli ölçüde daha yavaş olabilir.
Yüksek donanım gereksinimleri
Duyurudan sonra devamını okuyun
Yerel yapay zeka bileşeni, donanıma nispeten yüksek talepler getiriyor. DFKI, en az 16 GB RAM ve WebGPU uyumlu bir GPU önerir. 8 GB RAM'in altında uzantı, yapay zeka tanımayı otomatik olarak kapatır ve yalnızca kural tabanlı model tanımayla çalışır.
DFKI sınırlamaları açıkça vurgulamaktadır. Algılama, hassas içeriği gözden kaçırabilir veya zararsız içeriği yanlışlıkla işaretleyebilir. Kısa adlar, belirsiz terimler, tablolar, kod blokları veya olağandışı biçimlendirme, tanınma kalitesini düşürüyordu. Bu nedenle Privacy Guardrail bir DLP veya uyumluluk çözümü değil, yardımcı bir koruma katmanıdır.
Ek olarak genişletme mevcut betadaki üç platformla sınırlıdır: ChatGPT, Claude ve Gemini. Diğer AI sohbet hizmetleri, tarayıcı tabanlı araçlar veya dahili iş uygulamaları desteklenmez.
Geliştirme ekibi, daha küçük modelleri, kaynakları kısıtlı cihazlar için daha verimli çıkarım yollarını ve ek tarayıcıları ve mobil platformları desteklemeyi planlıyor. Privacy Guardrail tarayıcı uzantısının kaynak kodu GitHub'da Apache 2.0 lisansı altında mevcuttur; Bitmiş uzantı doğrudan Chrome Web Mağazası'ndan yüklenebilir.
(vza)
Bir yanıt yazın