Dạo gần đây tin tức nói cấm cán bộ, công chức đưa dữ liệu mật lên các công cụ AI. Anh chị đồng nghiệp nhắn mình nhiều nhất một câu. Vậy là từ giờ không được dùng AI nữa à?
Không phải. Cấm đưa dữ liệu mật lên AI không có nghĩa là không được dùng AI. Nghĩa là phải che dữ liệu trước rồi mới dùng.
Hôm nay mình tặng anh chị bộ công cụ mình vừa đóng gói từ khóa đào tạo cho Kiểm toán Nhà nước, mở mã nguồn hoàn toàn. Tên nó là Redact-Kit. Redact là thuật ngữ quốc tế cho việc che thông tin nhạy cảm khỏi văn bản, unredact là khôi phục lại khi cần.
Trước khi nói cách dùng, mình muốn nói cái lý thú nhất nằm ở nguyên lý của nó.
Nhiều anh chị nghĩ tới giải pháp nhờ chính AI đọc văn bản và tự che những chỗ nhạy cảm. Nghĩ kỹ thì cách này tự mâu thuẫn. Anh chị nhờ AI che thì AI đó đã đọc toàn bộ dữ liệu mật rồi. Che bằng AI là đưa dữ liệu qua AI hai lần, lần đầu còn đầy đủ hơn lần sau.
Vì thế bộ kit này không dùng AI để che. Một chữ cũng không. Mọi chỗ che đều do các quy tắc nhận diện cố định viết sẵn trong code thực hiện. Quy tắc thì chạy trên máy anh chị, chương trình không hề có kết nối mạng, và chạy lại bao nhiêu lần cũng ra đúng kết quả đó. Che bao nhiêu chỗ, che những gì, đếm được từng mục trong báo cáo sau mỗi lần chạy. Dữ liệu gốc và bảng đối chiếu dùng để khôi phục không bao giờ rời khỏi máy anh chị.
Cách hoạt động đơn giản thế này. Văn bản đưa vào, ông Nguyễn Văn A trở thành [NGƯỜI_1], số căn cước trở thành [CCCD], số tài khoản trở thành [STK]. Cùng một người luôn được thay bằng cùng một mã nên văn bản sau khi che vẫn đọc xuôi, AI vẫn hiểu ngữ cảnh và làm tốt việc tóm tắt, dịch, soạn. Xong việc anh chị chạy lệnh khôi phục, tên và số thật trở về bản kết quả.
Ảnh trên là kết quả thật khi chạy kit ở cấp 3 trên văn bản mẫu. Trước khi che, căn cước, mã số thuế, số tài khoản, số tiền lộ đầy đủ. Sau khi che chỉ còn các mã thay thế, đọc vẫn xuôi. Sau khi khôi phục, bản kết quả khớp từng ký tự với bản gốc.
Mức che có 4 cấp cho anh chị chọn theo độ nhạy của văn bản. Cấp 1 che các số định danh như căn cước, mã số thuế, tài khoản, thẻ. Cấp 2 thêm số điện thoại, email, ngày sinh. Cấp 3 thêm cả tên người, đơn vị, số liệu tài chính, đây là cấp mình khuyên dùng cho hầu hết văn bản công việc. Cấp 4 triệt để nhất, che cả ngày tháng, ký hiệu văn bản và xoá thông tin ẩn trong file.
Về cách chạy, bộ kit có 2 chế độ.
Chế độ thứ nhất là để AI điều khiển. Anh chị nhờ một trợ lý AI có khả năng chạy lệnh trên máy, có thể là Claude, ChatGPT hay Google Antigravity, đọc tài liệu hướng dẫn kèm kit rồi tự gõ lệnh giúp, chọn cấp che, chạy, mở báo cáo. Cách dùng với trợ lý nào cũng giống nhau. Tiện cho người không quen dòng lệnh. Kém an toàn hơn một chút vì trợ lý nhìn thấy bản đã che và phiên làm việc có ghi lại lịch sử.
Chế độ thứ hai là anh chị tự gõ lệnh. Chỉ có mình anh chị và đoạn code. Dữ liệu gốc và bảng đối chiếu dùng để khôi phục không đi qua bất kỳ ai, bất kỳ AI nào. Với văn bản mật thì mình nói thẳng luôn, chỉ nên dùng chế độ này.
Thử trên văn bản mẫu, 30 chỗ được che và 30 chỗ khôi phục lại đúng từng ký tự so với bản gốc, không sót một mã nào. Bộ test 55 mục đều đạt hết. Và để trung thực với anh chị, điểm yếu của kit nằm ở nhận diện tên riêng tiếng Việt, vốn khó bắt bằng quy tắc cứng. Nên những mục không chắc chắn sẽ bị gắn cờ cần người duyệt trong báo cáo, anh chị rà lại trước khi đưa file lên AI. Bộ kit không giả vờ che sạch hết, mình thấy cách trung thực này quan trọng hơn là quảng cáo an toàn tuyệt đối.
Toàn bộ nằm trong kho mã nguồn trên GitHub theo giấy phép MIT. Tải về là dùng được ngay, gồm cả tài liệu hướng dẫn chi tiết (HDSD) và văn bản mẫu để thử. Anh chị tải về dùng, kiểm tra, đóng góp thoải mái.
👉 GitHub: https://github.com/hailoc12/redact-kit
Cài đặt chỉ cần một thứ duy nhất, thư viện đọc file Word. Sau đó không cần internet nữa.
Một việc mình muốn kêu gọi cộng đồng. Hiện bộ kit chạy bằng dòng lệnh, nên anh chị chưa quen máy tính sẽ ngại. Mình mời các bạn biết code viết thêm giao diện kéo thả, chọn file, chọn cấp, bấm một nút là che xong. Vị trí đó đang trống và rất đáng để làm. Ai muốn nhận việc này cứ vào kho mã nguồn trên GitHub bắt đầu, mình hỗ trợ hết mình.
Về lại câu hỏi đầu bài. Quy định cấm đưa dữ liệu mật lên AI không phải để anh chị dừng dùng AI. Mà để việc dùng AI có kỷ luật. Che trước rồi dùng, dữ liệu nằm lại trên máy mình, đó là cách vừa tuân thủ vừa không bỏ lỡ công cụ tốt nhất của thời này.
Nếu thấy hữu ích, anh chị chia sẻ lại cho đồng nghiệp đang lo lắng vì quy định mới. Ai cần hỗ trợ cài đặt cứ để lại bình luận.
- Lộc Đặng · locdang.com