Privacy
Duński CPR zhakowany, Seattle zakazuje cen personalizowanych
Afera w Danii: dane 8,8 mln osób w rękach nieznanych sprawców. Seattle blokuje algorytmiczne ceny w sklepach. Raleigh rozważa autonomiczne patrole.
Wydanie opracowane przy pomocy sztucznej inteligencji. Tekst i lektor wygenerowane automatycznie.
Wyciek w duńskim rejestrze ludności dotknął 8,8 mln osób
Duńskie władze badają „wyjątkowo poważny incydent” po nieautoryzowanym dostępie do Centralnego Rejestru Ludności (CPR). Sprawcy zdobyli imiona, adresy, numery CPR i inne dane około 8,8 mln zarejestrowanych osób. Minister Christina Egelund podkreśliła, że wraz ze wszystkimi właściwymi organami trwa ustalanie pełnej skali zdarzenia, która wciąż pozostaje niejasna. Wstępne ustalenia wskazują, że do systemu CPR weszli przez prawidłowe dane logowania duńskiej firmy. Rejestr obejmuje dane około 11 mln osób, w tym mieszkańców, zmarłych i tych, którzy wyjechali za granicę. Według Ritzau przechowuje też informacje o członkostwie w Duńskim Kościele oraz o ograniczeniach zdolności prawnej.
Data breach hits Denmark’s population register, affecting 8.8 million →
Seattle zakazuje cen sklepowych opartych na danych osobowych
Burmistrz Seattle Katie Wilson podpisała w poniedziałek rozporządzenie Fair and Transparent Pricing, które zakazuje dużym sieciom spożywczym i serwisom dostawczym ustalania indywidualnych cen na podstawie danych osobowych, w tym historii przeglądania, lokalizacji, zatrudnienia, rasy, płci czy rozmów z chatbotami. Rada Miasta przyjęła przepisy w zeszłym miesiącu, a wejdą w życie 1 września 2027 r. Objęte są sieci z co najmniej 20 lokalizacjami na świecie; mniejsze sklepy, convenience store i targi rolnicze są wyłączone. Klasyczne kupony i jawne zniżki, także dla seniorów i weteranów, pozostają dozwolone. Branża ostrzega przed niejasną granicą między zakazanym a dobrowolnym personalizowaniem ofert. Badanie Consumer Reports z 2025 r. wykazało różnice cen nawet do 23 proc. na te same produkty.
Seattle mayor signs grocery law banning pricing differences based on personal data →
Raleigh rozważa autonomiczne patrole policyjne z kamerami
Policja w Raleigh analizuje koncepcję autonomicznych pojazdów patrolowych, które bez funkcjonariusza za kierownicą monitorowałyby ulice za pomocą kamer 360 stopni, czytników tablic rejestracyjnych i technologii rozpoznawania twarzy. Organizacja Policing Lab przedstawiła pomysł dowództwu w lutym; podobny program testowany jest w hrabstwie Miami-Dade na Florydzie, gdzie pojazd może też wystrzelić drona i korzystać z termowizji. RPD nie ogłosiła pilotażu ani zakupu i nie odpowiedziała na pytania o zbierane dane, dostęp do nich i zabezpieczenia prywatności. Ekspert Angelo Brown wskazuje na potrzebę limitów retencji i zasad dostępu, ostrzegając, że same patrole nie muszą zmniejszać przestępczości.
North Richland Hills żąda 2,3 mln dolarów za akta o kamerach Flock
Miasto North Richland Hills w Teksasie wyceniło ujawnienie dokumentów o policyjnym użyciu kamer Flock na 2,3 mln dolarów, szacując 14 lat pracy po 15 dolarów za godzinę na przeszukanie około terabajta komunikacji o błędach, nadużyciach i skuteczności systemu. Inne teksańskie agencje odpowiedziały różnie: Sealy nie pobrało opłaty, Irving zażądał 70 tys. dolarów za akta, które Carrollton udostępniło bezpłatnie, a stacji KPRC wyceniono 121 tys. dolarów. W Teksasie działa około 13 tys. kamer Flock w sieci ponad 100 tys. w USA. Audyt po wniosku USA Today wykazał, że funkcjonariusz z Lufkin sprawdzał w bazach byłą partnerkę i jej bliskich; Zachary Anthony Klein przyznał się 30 września do 100 zarzutów i dostał pięć lat.
Texas city wants $2.3M for public records on police Flock use →
Redakcja PII przez AI wciąż wysyła dane do zewnętrznego systemu
Model redagujący dane osobowe musi najpierw przeczytać wrażliwe wartości, więc przepuszczanie tekstu przez AI nadal naraża oryginalne dane w kolejnym systemie. Warunki wielu dostawców zakładają, że wejścia klientów nie są domyślnie używane do trenowania modeli, ale kluczowe pytanie brzmi, czy system w ogóle potrzebuje oryginalnej wartości. Wiele danych ma strukturę wykrywalną deterministycznie: numery kart mają sumy kontrolne Luhn, indyjskie Aadhaar — logikę Verhoeff, IBAN-y — walidację MOD-97, a adresy e-mail, adresy IP, klucze prywatne i identyfikatory rządowe mają określone formaty. Autor proponuje potok: wykrycie kandydatów, walidacja strukturalna i sum kontrolnych, sprawdzenie kontekstu, redakcja. Dane nieustrukturyzowane, jak imiona i adresy, wymagają słowników i reguł kontekstowych, które zwiększają zarówno wykrywalność, jak i fałszywe trafienia. W przypadku kluczy, poświadczeń i identyfikatorów finansowych lepsze od redakcji bywa zablokowanie żądania.
Why I Don’t Use AI to Remove PII Before Sending Data to AI | HackerNoon →