GDPR ও AI-তে ডেটা প্রোটেকশন

১ · GDPR কী এবং এর মূলনীতিসমূহ

GDPRGDPRGeneral Data Protection Regulation — ইউরোপীয় ইউনিয়নের ডেটা-প্রোটেকশন ও প্রাইভেসি রেগুলেশন, মে ২০১৮ থেকে কার্যকর। হলো ইউরোপীয় ইউনিয়নের একটি ব্যাপক ডেটা-প্রোটেকশন রেগুলেশন, যা মে ২০১৮ থেকে কার্যকর হয়েছে। এটি শুধু EU-ভিত্তিক প্রতিষ্ঠানের জন্য নয় — EU নাগরিকদের ডেটা প্রসেস করে এমন যেকোনো প্রতিষ্ঠানের জন্য প্রযোজ্য, তাই বিশ্বব্যাপী AI ডেভেলপমেন্ট প্র্যাকটিসের উপর এর প্রভাব ব্যাপক। GDPR-এর মূলে আছে সাতটি core principle:

২ · ডেটা সাবজেক্টের অধিকার

GDPR ব্যক্তিদের (ডেটা সাবজেক্ট) বেশ কয়েকটি নির্দিষ্ট অধিকার দেয়: অ্যাক্সেসের অধিকার (নিজের সম্পর্কে কী ডেটা রাখা হয়েছে তা জানার অধিকার), রেক্টিফিকেশনের অধিকার (ভুল ডেটা সংশোধনের অনুরোধ), ইরেজারের অধিকার ("right to be forgotten" — নির্দিষ্ট পরিস্থিতিতে ডেটা মুছে ফেলার অনুরোধ), ডেটা পোর্টেবিলিটির অধিকার (নিজের ডেটা একটি ব্যবহারযোগ্য ফরম্যাটে অন্য সেবায় স্থানান্তর করার অধিকার), এবং AI-এর প্রেক্ষাপটে সবচেয়ে গুরুত্বপূর্ণ — সম্পূর্ণ অটোমেটেড সিদ্ধান্তে আপত্তি জানানোর অধিকার, যার সাথে যুক্ত আছে সেই সিদ্ধান্তের যুক্তি সম্পর্কে অর্থবহ তথ্য পাওয়ার অধিকার।

৩ · AI-নির্দিষ্ট প্রভাব ২ — ডেটা মিনিমাইজেশন বনাম "বেশি ডেটা = ভালো মডেল"

মেশিন লার্নিং-এর একটি সাধারণ স্বজ্ঞা হলো, "যত বেশি ট্রেনিং ডেটা, মডেল তত ভালো" (../machine-learning/-এ এই সাধারণ প্যাটার্নটি বিস্তারিত আলোচিত)। কিন্তু ডেটা মিনিমাইজেশন নীতি অনুযায়ী, "এটি ভবিষ্যতে কোনো না কোনোভাবে কাজে লাগতে পারে" — এই যুক্তি একা ডেটা সংগ্রহের justification হিসেবে যথেষ্ট নয়। প্রতিটি সংগৃহীত ফিচারের জন্য একটি নির্দিষ্ট, বলা উদ্দেশ্য থাকতে হবে। এর ব্যবহারিক ফলাফল: একটি টিমকে সিদ্ধান্ত নিতে হয় কোন ফিচারগুলো সত্যিই মডেলের জন্য প্রয়োজনীয়, এবং কোনগুলো শুধু "থাকলে ভালো হতো" — এটি প্রায়ই মডেল পারফরম্যান্স ও কমপ্লায়েন্সের মধ্যে একটি বাস্তব ট্রেড-অফ তৈরি করে।

নিচের কোড সেলে একটি কাল্পনিক AI ডেটা পাইপলাইনের জন্য একটি সত্যিকারের, ওজন-ভিত্তিক (weighted) GDPR-কমপ্লায়েন্স চেকলিস্ট স্কোরার তৈরি করা হয়েছে — প্রতিটি নীতির একটি ওজন আছে (সবগুলোর সমষ্টি ১.০), এবং প্রতিটি চেকলিস্ট আইটেম উপস্থিত/অনুপস্থিত কি না তার উপর ভিত্তি করে একটি সামগ্রিক স্কোর প্রকৃতপক্ষে গণনা করা হয়।

gdpr_checklist = {
    "lawful_basis_documented": {
        "present": True, "weight": 0.15,
        "label": "প্রসেসিংয়ের আইনি ভিত্তি ডকুমেন্টেড (lawfulness)"},
    "purpose_limitation_respected": {
        "present": True, "weight": 0.15,
        "label": "শুধু নির্ধারিত উদ্দেশ্যে ডেটা ব্যবহার (purpose limitation)"},
    "data_minimization_applied": {
        "present": False, "weight": 0.15,
        "label": "শুধু প্রয়োজনীয় ফিচার সংগ্রহ (data minimization)"},
    "accuracy_maintained": {
        "present": True, "weight": 0.10,
        "label": "ডেটা সঠিক ও আপ-টু-ডেট রাখার প্রক্রিয়া (accuracy)"},
    "storage_limitation_enforced": {
        "present": False, "weight": 0.10,
        "label": "নির্দিষ্ট সময় পর ডেটা মুছে ফেলার নীতি (storage limitation)"},
    "security_measures_in_place": {
        "present": True, "weight": 0.10,
        "label": "টেকনিক্যাল/অর্গানাইজেশনাল সিকিউরিটি ব্যবস্থা (integrity & confidentiality)"},
    "accountability_documentation": {
        "present": True, "weight": 0.10,
        "label": "প্রসেসিং কার্যক্রমের রেকর্ড রক্ষণ (accountability)"},
    "automated_decision_disclosure": {
        "present": False, "weight": 0.10,
        "label": "অটোমেটেড সিদ্ধান্তের যুক্তি সম্পর্কে অর্থবহ তথ্য প্রদান (right to explanation)"},
    "data_subject_rights_supported": {
        "present": True, "weight": 0.05,
        "label": "অ্যাক্সেস/রেক্টিফিকেশন/ইরেজার রিকোয়েস্ট হ্যান্ডল করার প্রক্রিয়া"},
}

total_weight = sum(item["weight"] for item in gdpr_checklist.values())
assert abs(total_weight - 1.0) < 1e-9, "ওজনের সমষ্টি অবশ্যই ১.০ হতে হবে"

score = sum(item["weight"] for item in gdpr_checklist.values() if item["present"])
strong = [item["label"] for item in gdpr_checklist.values() if item["present"]]
weak = [item["label"] for item in gdpr_checklist.values() if not item["present"]]

print(f"GDPR কমপ্লায়েন্স স্কোর: {score * 100:.1f} / 100\n")

print(f"পূরণ হয়েছে এমন আইটেম ({len(strong)}টি):")
for label in strong:
    print(f"  [OK] {label}")

print(f"\nদুর্বল/অনুপস্থিত ক্ষেত্র ({len(weak)}টি):")
for label in weak:
    print(f"  [MISSING] {label}")

৪ · জরিমানা ও প্রয়োগ

GDPR লঙ্ঘনের জন্য জরিমানা €২০ মিলিয়ন অথবা প্রতিষ্ঠানের বৈশ্বিক বার্ষিক টার্নওভারের ৪%, যেটি বেশি, সেই পরিমাণ পর্যন্ত পৌঁছাতে পারে। এই লেসনে কোনো নির্দিষ্ট প্রতিষ্ঠানের নাম করে কোনো নির্দিষ্ট জরিমানার পরিমাণ বা মামলার রায় উল্লেখ করা হচ্ছে না — সংখ্যাটি রেগুলেশনের সর্বোচ্চ সীমা হিসেবে উল্লেখ করা হলো, কোনো নির্দিষ্ট ঘটনার ফলাফল হিসেবে নয়।