Prompt hazırlarken kişisel ve kurumsal verileri korumak için uygulanabilir veri minimizasyonu, maskeleme ve kontrol adımları.
Okuduklarınızı güvenli bir denemeye dönüştürün
Gerçek veriye geçmeden önce sentetik bir örnekle adımları tamamlayın. İşaretler yalnızca bu sekmede tutulur.
Önce veriyi sınıflandırın
Prompt güvenliği, iyi bir cümle yazmaktan önce hangi verinin kullanıldığını anlamakla başlar. Kamuya açık bilgi, kurum içi bilgi, gizli ticari bilgi ve kişisel veri için aynı işlem kuralı uygulanmamalıdır. Bir müşteri kaydı isim, e-posta, sipariş numarası ve serbest metin notu içeriyorsa serbest metindeki görünmeyen kişisel veriler de hesaba katılmalıdır.
Basit bir sınıflandırma etiketi bile davranışı değiştirir: 'açık', 'dahili', 'gizli' ve 'kişisel veri'. Ekip, hangi sınıfın hangi model veya hesap türünde kullanılabileceğini önceden belirlemelidir.
- Girdi kaynağını kaydedin.
- Veri sahibini ve kullanım amacını belirleyin.
- Hangi alanların gerçekten gerekli olduğunu sorun.
En az veri ile aynı sonuca ulaşın
Veri minimizasyonu, görevi tamamlamak için gerekli olmayan alanları prompttan çıkarmaktır. Bir destek yanıtının tonunu iyileştirmek için müşterinin tam adı, telefon numarası veya sipariş kimliği çoğu zaman gerekmez. Gerçek değerler yerine tutarlı yer tutucular kullanmak bağlamı korur: [MÜŞTERİ], [ÜRÜN], [TARİH] gibi.
Maskeleme sonrasında görevin hâlâ çözülüp çözülmediğini test edin. Cevap değişmiyorsa kaldırdığınız veri zaten gereksizdir. Bu yöntem hem gizlilik riskini hem de prompt karmaşıklığını azaltır.
Prompt enjeksiyonu ve gizli talimatlar
Bir belgeyi özetletirken belgenin içinde modele yönelik talimatlar bulunabilir. 'Önceki kuralları yok say' gibi metinler, içerik ile komutun ayrılmadığı sistemlerde risk yaratır. Kullanıcı girdisini açık sınırlar veya XML benzeri etiketlerle veri olarak işaretlemek, talimat hiyerarşisini güçlendirir.
Model çıktısının da güvenilir veri olmadığını unutmayın. Bağlantı, kod veya SQL üretiyorsa insan kontrolü ve gerekiyorsa teknik doğrulama yapılmalıdır.
- Sistem talimatı ile belge içeriğini ayırın.
- Girdideki talimatları yürütmemesini açıkça belirtin.
- Çıktıya otomatik işlem yetkisi vermeyin.
Uygulanabilir gönderim öncesi kontrol
Model sağlayıcısının veri kullanım, saklama ve eğitim tercihlerini güncel sözleşme ve ayarlardan kontrol edin. Kişisel hesap ile kurumsal sözleşme aynı korumaları sunmayabilir. KVKK ve GDPR açısından veri işleyen, aktarım ülkesi ve saklama süresi ayrıca değerlendirilmelidir.
ByteQuant'ın veri maskeleyici ve prompt kalite araçları bu ön hazırlığı cihazda yapmaya yardımcı olur. Otomatik desen tespiti kusursuz değildir; son kontrolün sahibi kullanıcıdır.
- Amaç için gereksiz alanları silin.
- Kalan kişisel verileri maskeleyin.
- Sağlayıcı ve hesap politikasını doğrulayın.
- Göndermeden önce ikinci göz kontrolü uygulayın.
Rehberi tekrarlanabilir bir kontrole dönüştürün
“Prompt Mühendisliğinde Gizlilik Nasıl Sağlanır?” için aşağıdaki 3 araçlık kontrol planını kullanın. Hedef: Prompt hazırlarken kişisel ve kurumsal verileri korumak için uygulanabilir veri minimizasyonu, maskeleme ve kontrol adımları. Gerçek veri yerine güvenli bir örnekle başlayın; her adımın beklenen sonucunu ve kabul kararını kaydedin.
KVKK / GDPR Veri Maskeleyici
- Hazırlık
- Metni yalnızca bu tarayıcı sekmesine yapıştırın. KVKK / GDPR Veri Maskeleyici için beklenen biçim: KVKK / GDPR Veri Maskeleyici için başlangıç girdisi: yalnızca inceleme yetkiniz bulunan sentetikleştirilmiş kod, yapılandırma, tanımlayıcı veya dosya içeriği. Araç bu girdiyi “E-posta, telefon, IBAN, kart ve IP gibi desenleri cihazınızda maskeleyin” amacıyla kullanır..
- Uygulama
- Maskelemeyi çalıştırın ve bulunan türleri inceleyin. KVKK / GDPR Veri Maskeleyici, şu yöntemi uygular: KVKK / GDPR Veri Maskeleyici, “E-posta, telefon, IBAN, kart ve IP gibi desenleri cihazınızda maskeleyin” hedefi için şu açıklanabilir yöntemi uygular: içerik çalıştırılmaz; yalnızca açıklanabilir statik desenler ve sınırlandırılmış tarayıcı işlemleri uygulanır.
- Kabul kontrolü
- Kaçan veya yanlış maskelenen alanları elle doğrulayın. KVKK / GDPR Veri Maskeleyici kabul ölçütü: KVKK / GDPR Veri Maskeleyici sonucunu kabul etmeden önce bulgunun kaynak satırında elle incelenmesi ve uygun profesyonel güvenlik aracı ya da yetkili süreçle bağımsız doğrulama kontrolünü tamamlayın; beklenen amaç “E-posta, telefon, IBAN, kart ve IP gibi desenleri cihazınızda maskeleyin” olmalıdır..
- Beklenen çıktı
- KVKK / GDPR Veri Maskeleyici tamamlandığında kanıt konumu, önem derecesi, yanlış pozitif olasılığı ve sonraki doğrulama adımı sunar; bu çıktı “E-posta, telefon, IBAN, kart ve IP gibi desenleri cihazınızda maskeleyin” ihtiyacına göre düzenlenir.. E-posta, telefon, IBAN, kart ve IP gibi desenleri cihazınızda maskeleyin.
Prompt Kalite Denetimi
- Hazırlık
- Promptunuzu giriş alanına yapıştırın. Prompt Kalite Denetimi için beklenen biçim: Prompt Kalite Denetimi için başlangıç girdisi: amaç, hedef kitle, bağlam, kısıtlar ve beklenen çıktı biçimi açık bir talimat. Araç bu girdiyi “Hedef, bağlam, kısıt ve çıktı biçimini şeffaf kurallarla puanlayın” amacıyla kullanır..
- Uygulama
- Analizi çalıştırın ve bileşen skorlarını inceleyin. Prompt Kalite Denetimi, şu yöntemi uygular: Prompt Kalite Denetimi, “Hedef, bağlam, kısıt ve çıktı biçimini şeffaf kurallarla puanlayın” hedefi için şu açıklanabilir yöntemi uygular: kural tabanlı inceleme talimat bileşenlerini ayırır; uzak bir model çağırmaz.
- Kabul kontrolü
- Eksik maddeleri ekleyip yeniden ölçün. Prompt Kalite Denetimi kabul ölçütü: Prompt Kalite Denetimi sonucunu kabul etmeden önce normal, eksik, çelişkili, hassas veri içeren ve prompt enjeksiyonlu temsilî vakalarla model üzerinde test kontrolünü tamamlayın; beklenen amaç “Hedef, bağlam, kısıt ve çıktı biçimini şeffaf kurallarla puanlayın” olmalıdır..
- Beklenen çıktı
- Prompt Kalite Denetimi tamamlandığında düzenlenebilir prompt taslağı, kapsam ölçümleri ve açık iyileştirme maddeleri sunar; bu çıktı “Hedef, bağlam, kısıt ve çıktı biçimini şeffaf kurallarla puanlayın” ihtiyacına göre düzenlenir.. Hedef, bağlam, kısıt ve çıktı biçimini şeffaf kurallarla puanlayın.
Token ve Bağlam Sayacı
- Hazırlık
- Metni yapıştırın. Token ve Bağlam Sayacı için beklenen biçim: Token ve Bağlam Sayacı için başlangıç girdisi: amaç, hedef kitle, bağlam, kısıtlar ve beklenen çıktı biçimi açık bir talimat. Araç bu girdiyi “Metin uzunluğunu ve yaklaşık token ihtiyacını modelden bağımsız görün” amacıyla kullanır..
- Uygulama
- Sayımı çalıştırın. Token ve Bağlam Sayacı, şu yöntemi uygular: Token ve Bağlam Sayacı, “Metin uzunluğunu ve yaklaşık token ihtiyacını modelden bağımsız görün” hedefi için şu açıklanabilir yöntemi uygular: kural tabanlı inceleme talimat bileşenlerini ayırır; uzak bir model çağırmaz.
- Kabul kontrolü
- Model sınırıyla karşılaştırırken güvenlik payı bırakın. Token ve Bağlam Sayacı kabul ölçütü: Token ve Bağlam Sayacı sonucunu kabul etmeden önce normal, eksik, çelişkili, hassas veri içeren ve prompt enjeksiyonlu temsilî vakalarla model üzerinde test kontrolünü tamamlayın; beklenen amaç “Metin uzunluğunu ve yaklaşık token ihtiyacını modelden bağımsız görün” olmalıdır..
- Beklenen çıktı
- Token ve Bağlam Sayacı tamamlandığında düzenlenebilir prompt taslağı, kapsam ölçümleri ve açık iyileştirme maddeleri sunar; bu çıktı “Metin uzunluğunu ve yaklaşık token ihtiyacını modelden bağımsız görün” ihtiyacına göre düzenlenir.. Metin uzunluğunu ve yaklaşık token ihtiyacını modelden bağımsız görün.
KVKK / GDPR Veri Maskeleyici için şu sınır geçerlidir: KVKK / GDPR Veri Maskeleyici için kullanım sınırı: Desen tabanlı maskeleme tüm kişisel verileri bulduğunu veya KVKK/GDPR uyumunu kanıtlamaz; alan envanteri, yeniden tanımlama riski ve örnek çıktı insan tarafından incelenmelidir. Bu koşul karşılanmıyorsa çıktıyı zincirin sonraki adımına aktarmayın.
“Prompt Mühendisliğinde Gizlilik Nasıl Sağlanır?” kaydında hassas içeriği değil; araç adını, seçilen ayarı, tarayıcı sürümünü ve “Destek kaydı anonimleştirme: KVKK / GDPR Veri Maskeleyici ile yerel analiz” için kabul/red gerekçesini tutun. Böylece kontrol gerçek veriyi çoğaltmadan tekrarlanabilir.
İçerik, görünür ByteQuant ürün davranışı ve varsa listelenen birincil kaynaklarla karşılaştırılarak hazırlanır. Genel bilgilendirmedir; hukuki veya güvenlik danışmanlığı değildir.