ఆలోచన
సందర్భోచిత సమగ్రత అంటే ఏమిటి?
2004లో, తత్వవేత్త Helen Nissenbaum గోప్యతకు మెరుగైన నిర్వచనం ఇచ్చారు. గోప్యత అంటే విషయాలను దాచడం కాదు. “నేను అంగీకరిస్తున్నాను” అనే చెక్బాక్స్ కూడా కాదు. సమాచారం సరైన విధంగా ప్రవహించడమే గోప్యత. సమాచారం ఎలా కదలాలో జీవితంలోని ప్రతి భాగానికీ దాని సొంత నియమాలు ఉంటాయి. మీ వైద్యుడికి మీ రోగనిర్ధారణ తెలియడం సరైనదే. దాన్ని ఒక ప్రకటనదారుకు అమ్మడం ఉల్లంఘనే, ఒక ఫారం అనుమతించినా సరే.
ప్రతి సమాచార ప్రవాహంలోని ఐదు భాగాలను ఈ సిద్ధాంతం పేర్కొంటుంది: సమాచారం ఎవరి గురించో, ఎవరు పంపుతారో, ఎవరు స్వీకరిస్తారో, అది ఏ రకమైన సమాచారమో, ప్రవాహం పాటించాల్సిన నియమం ఏమిటో. సందర్భపు నియమాన్ని ఉల్లంఘిస్తే గోప్యత విరిగిపోతుంది, ఎవరు ఏం క్లిక్ చేసినా సరే.
సరిపోలిక
ఐదు పరామితులూ CIRIS వైర్ ఫీల్డ్లే
CIRIS రాజ్యాంగం సందర్భోచిత సమగ్రత అనే పదబంధాన్ని ఎప్పుడూ వాడలేదు. డిజైన్ పూర్తయిన తర్వాతే ఈ సరిపోలికను మేము కనుగొన్నాం. Nissenbaum చెప్పిన ఐదు పరామితుల్లో ప్రతి ఒక్కటీ ప్రోటోకాల్ సంతకం చేసి అమలు చేసే ఒక ఫీల్డ్.
1 · డేటా వ్యక్తి
ఒక క్లెయిమ్ ఎవరి గురించో అనేది ఎన్వలప్ లోపలే subject_key_ids పేర్కొంటుంది. ఆ వ్యక్తి వైర్ స్థాయిలోనే దాన్ని వెనక్కి తీసుకోగలరు, ఉత్పత్తిదారు మాత్రమే కాదు.
రాజ్యాంగం CC 2.3
2 · పంపేవారు
attesting_key_id అనేది ఉత్పత్తిదారు యొక్క క్రిప్టోగ్రాఫిక్ గుర్తింపు. ప్రతి క్లెయిమ్ సంతకం చేయబడుతుంది, కాబట్టి ప్రతి ప్రవాహానికీ పేరున్న మూలం ఉంటుంది.
రాజ్యాంగం CC 2.1
3 · స్వీకరించేవారు
ఉద్దేశపూర్వకంగా విడివిడిగా ఉంచిన మూడు అక్షాలు: ఎవరు చూడగలరో cohort_scope చెబుతుంది, ఎవరు వెనక్కి తీసుకోగలరో subject_key_ids చెబుతుంది, ఎవరు నేరుగా స్వీకరిస్తారో delivery_mode చెబుతుంది.
రాజ్యాంగం CC 2.3.3
4 · సమాచార రకం
dimension అనేది ఏమి క్లెయిమ్ చేయబడుతుందో ఖచ్చితంగా చెప్పే ఒక నేమ్స్పేస్ ప్రిఫిక్స్. ఒక కఠినమైన ప్రవేశ పరీక్ష దాన్ని నిష్పక్షపాతంగా, యంత్రం తనిఖీ చేయగలిగేదిగా ఉంచుతుంది.
రాజ్యాంగం CC 3.1
5 · ప్రసార నియమం
ప్రవాహం పాటించాల్సిన నియమాన్ని consent:scope పేర్కొంటుంది: retain, share, analyze, train, లేదా publish, అలాగే retain:90d, share:cohort:family వంటి పరిమితులతో.
రాజ్యాంగం CC 3.3.1
కష్టమైన భాగం
ప్రసార నియమం, బైట్ల రూపంలో
ఐదో పరామితిని మిగతా అందరూ వదిలేస్తారు. ఏ డేటా సేకరించారో చట్టాలు, సమ్మతి ఫారాలు చెప్పగలవు. కానీ ఆ తర్వాత ప్రవాహం పాటించాల్సిన నియమాన్ని అవి అరుదుగానే చెబుతాయి. CIRIS ఆ నియమాన్ని వ్యక్తి స్వయంగా జారీ చేసే, సంతకం చేసిన, యంత్రం చదవగలిగే విలువగా చేస్తుంది, దాన్ని వెనక్కి తీసుకోవడమూ సాధ్యమే. consent:scope:train అంటే AI శిక్షణకు ఒక వ్యక్తి అవును లేదా కాదు అని చెప్పడం, వైర్ ఫార్మాట్లోనే, ఎప్పుడైనా వెనక్కి తీసుకోవచ్చు.
వెనక్కి తీసుకోవడానికి బలం కూడా ఉంది. ప్రచురించేటప్పుడు ఉత్పత్తిదారు ఒక తొలగింపు గడువుకు కట్టుబడతారు. వ్యక్తి వెనక్కి తీసుకున్నాక, తొలగింపు రుజువు లేకుండా ఆ గడువు దాటితే, నెట్వర్క్ స్వయంగా ఉల్లంఘన సంకేతాన్ని లేపుతుంది.
చెక్బాక్స్కు ఆవల
ఇలాంటి ప్రవాహాలు ఏమి చేయగలవు
సందర్భ మార్పులు అబద్ధాలు కావు
జీవితం మారినందున ఒక క్లెయిమ్ను withdraws వెనక్కి తీసుకుంటుంది. చెప్పినప్పుడే అది తప్పు అని recants ఒప్పుకుంటుంది. ప్రోటోకాల్కు ఈ తేడా తెలుసు, నమ్మక గణితం కూడా వాటిని వేర్వేరుగా చూస్తుంది.
సన్నిహిత సందర్భాలు కనిపించవు
కుటుంబ పరిధి డేటా ఎలాంటి డైరెక్టరీ ప్రకటననూ పంపదు. బయటివారు దాని వైపు మార్గం వేయలేరు, దాన్ని చదవలేరు, అది ఉందని కూడా తెలుసుకోలేరు. అత్యంత బలమైన ప్రవాహ నియమం ఏదంటే, దాన్ని ఉల్లంఘించడాన్నే నెట్వర్క్ వ్యక్తీకరించలేని నియమం.
కట్టుబాట్లు కాలంతో మారగలవు
సమ్మతి పరిధులు ఒక తెరిచిన పదజాలం. కమ్యూనిటీలు ఏ ప్లాట్ఫారమ్ అనుమతీ అడగకుండా కొత్త ప్రవాహ నియమాలను చేర్చగలవు, వాటి అర్థాన్ని స్థానిక విధానం నిర్ణయిస్తుంది.
నిజాయితీ భాగం
మేము వేరే దారిలో ఇక్కడికి చేరాం
సందర్భోచిత సమగ్రతను అమలు చేయడానికి CIRIS రూపొందించబడలేదు. అది ఒక సంబంధాల ఆలోచన నుండి పెరిగింది: ఒక వ్యక్తి ఇతర వ్యక్తుల ద్వారానే వ్యక్తి అవుతారు, కాబట్టి ప్రతి క్లెయిమ్ తన సంబంధాలను తనతో మోసుకెళ్లాలి. ఆ నియమాన్ని చాలా కాలం పాటిస్తే, Nissenbaum సిద్ధాంతం చూపే చోటికే చేరుకుంటారు: గోప్యత అంటే సరైన ప్రవాహం, ప్రవాహ నియమాలు నిర్మాణంలోనే ఉండాలి. రెండు దారులు, ఒకే చోటు. మాది వైర్ ఫార్మాట్గా వస్తుంది.
ఇప్పుడు ఎందుకు ముఖ్యం
AI ఏజెంట్లు దీన్ని అత్యవసరం చేశాయి
AI సహాయకులు క్యాలెండర్లు, ఇన్బాక్స్లు, ఆరోగ్య రికార్డులు చదువుతాయి. అవి సందర్భాల మధ్య సమాచారాన్ని లీక్ చేస్తున్నాయా అని పరిశోధనా రంగం ఇప్పుడు కొలుస్తోంది, ఆ కొలతకు వారు వాడే ప్రమాణం సందర్భోచిత సమగ్రత. చాలా పనులు మోడల్కు జాగ్రత్తగా ఉండటం నేర్పడానికి ప్రయత్నిస్తాయి. CIRIS వేరే దారి తీసుకుంటుంది: తగని ప్రవాహాన్ని వ్యక్తీకరించడమే అసాధ్యం చేస్తుంది.
మూలాలు
Helen Nissenbaum, Privacy as Contextual Integrity, Washington Law Review (2004)
Microsoft Research, Reducing Privacy Leaks in AI: Two Approaches to Contextual Integrity (2025)
Understanding Privacy Norms Around LLM-Based Chatbots: A Contextual Integrity Perspective (2025)
ఈ యంత్రాంగాన్ని మీరే చదవండి.