# Prywatność i prawa do danych

EN: **Privacy and data rights** · id `privacy`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Bezpieczeństwo i governance](https://aiatlasgraph.com/t/safety.md) › Prywatność i prawa do danych

## Description

- PL: Zasady wykorzystania danych i modeli.
- EN: Rules for using data and models.

## In one sentence

- PL: To ochrona informacji o ludziach i respektowanie zasad wykorzystania danych w modelach.
- EN: This protects information about people and respects the rules governing data use in models.

## Problem it solves

- PL: Prywatna rozmowa lub dokument może trafić do treningu, logów albo odpowiedzi bez odpowiedniej kontroli.
- EN: A private conversation or document can enter training, logs or responses without appropriate control.

## What it does

- PL: Łączy ustalanie praw i zakresu użycia danych z ograniczaniem dostępu, maskowaniem, prywatnym treningiem i sprawdzaniem możliwości usunięcia wpływu danych.
- EN: It combines defining data rights and permitted uses with access limits, redaction, private training and checks on removing data influence.

## Everyday example

- PL: Przed przesłaniem korespondencji do asystenta ustalasz, które dane możesz użyć i co powinno zostać ukryte.
- EN: Before sending correspondence to an assistant, you establish which data you can use and what should be hidden.

## This concerns you if you…

- PL: pracujesz z informacjami o innych osobach
- PL: chcesz kontrolować użycie i przechowywanie danych
- EN: work with information about other people
- EN: want to control data use and storage

## Keywords

data minimization · consent management · retention policies · pseudonymization · differential privacy · secure aggregation · machine unlearning · PII detection

## How it works

- PL: Przepływ danych mapuje cel, pochodzenie, dostęp, przechowywanie i przekazania między komponentami. Minimalizacja, ograniczenia użycia oraz kontrole retencji egzekwują ustalony zakres, obejmując dane treningowe, prompty, wyniki i logi.
- EN: Data-flow mapping covers purposes, provenance, access, storage and transfers between components. Minimisation, use restrictions and retention controls enforce the defined scope across training data, prompts, outputs and logs.

## Limits

- PL: Usunięcie rekordu nie usuwa automatycznie jego wpływu na model ani kopii pośrednich. Maskowanie może pozostawić identyfikujące zależności; zakres praw i dopuszczalnego użycia zależy od danych oraz kontekstu.
- EN: Deleting records does not automatically remove model influence or intermediate copies. Masking can leave identifying relationships; rights and permitted-use scope depend on data and context.

## Key terms

- PL: **minimalizacja danych**: Ograniczenie zbieranych informacji do potrzebnego celu i zakresu.
- PL: **retencja**: Okres i warunki przechowywania danych przed usunięciem lub zmianą dostępu.
- EN: **data minimisation**: Limiting collected information to required purposes and scope.
- EN: **retention**: The period and conditions for storing data before deletion or access changes.

## Know first

- [Śledzenie pochodzenia danych (lineage) (Data lineage and traceability)](https://aiatlasgraph.com/t/datalineage.md)
- [Licencje i zgody na użycie danych (Data licensing and consent)](https://aiatlasgraph.com/t/datalicensing.md)

## Examples

- PL: Dane osobowe · zgody · licencje
- EN: Personal data · consent · licences

## Subtopics (4 direct, 4 in total)

- [Oduczanie modeli (machine unlearning) (Machine unlearning)](https://aiatlasgraph.com/t/unlearning.md): Removing the influence of selected data or capabilities (e.g. personal data, copyrighted content) from an already-trained model without retraining from scratch. Still an open problem: it is hard to verify the model truly “forgot”.
- [Prywatność różnicowa (DP-SGD) (Differential privacy in machine learning)](https://aiatlasgraph.com/t/diffprivacy.md): A mathematical guarantee that the training result barely depends on whether any single person is in the data. In practice: gradient clipping and added noise (DP-SGD) under a controlled “privacy budget” — at a cost to model quality.
- [Uczenie federacyjne (Federated learning)](https://aiatlasgraph.com/t/federated.md): Collaborative model training without centralising raw data: data stays on participants’ devices or servers, which send updates for aggregation. Federated learning alone does not guarantee privacy — updates can leak information, so secure aggregation and differential privacy are among the additional protections used.
- [Wykrywanie i anonimizacja danych osobowych (PII) (PII detection and anonymisation)](https://aiatlasgraph.com/t/piiredaction.md): Automatically finding personal data (names, numbers, addresses) in text, images and tables and masking or replacing it — before training, in logs and in prompts sent to models. No tool catches everything.

## Related topics

Untyped, symmetric "see also" links.

- [Zasady korzystania z AI w firmie (shadow AI) (Organisational AI use policy and shadow AI)](https://aiatlasgraph.com/t/aiusepolicy.md)

## Sources

- [NIST · AI Risk Management Framework](<https://www.nist.gov/itl/ai-risk-management-framework>) `nist` · reference: Uzupełnienie kursów o ryzyko i zarządzanie AI; nie porada prawna.
- [Full Stack Deep Learning (2022, archiwum)](<https://fullstackdeeplearning.com/course/2022/>) `fsdl` · reference: Pełny cykl systemu ML: dane, testy, wdrażanie, monitoring, zespoły i etyka.

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/privacy · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30