Kaip vertinti asmens duomenų saugumo pažeidimo keliamą pavojų?
Valstybinė duomenų apsaugos inspekcija (toliau – VDAI) parengė rekomendaciją „Kaip vertinti asmens duomenų saugumo pažeidimo keliamą pavojų?“ Ji skirta padėti duomenų valdytojams nuosekliau ir objektyviau įvertinti, kokį pavojų asmenų teisėms ir laisvėms gali sukelti įvykęs asmens duomenų saugumo pažeidimas (toliau – ADSP), ir priimti pagrįstą sprendimą dėl tolesnių veiksmų.
Tinkamas pavojaus įvertinimas yra svarbus sprendžiant, ar apie ADSP būtina pranešti VDAI ir ar reikia informuoti duomenų subjektus. Rekomendacijoje aptariami pagrindiniai vertinimo kriterijai: ADSP pobūdis, paveiktų duomenų pobūdis ir jautrumas, jų kiekis, asmenų identifikavimo lengvumas, galimų padarinių sunkumas, jų atsiradimo tikimybė ir poveikis pažeidžiamoms asmenų grupėms.
Siekiant palengvinti praktinį vertinimą, rekomendacijoje pateikiama ADSP keliamo pavojaus matrica, padedanti įvertinti galimos žalos sunkumą ir jos atsiradimo tikimybę. Rekomendacijoje taip pat pateikiami praktiniai skirtingo pavojaus lygio ADSP pavyzdžiai ir nurodoma, kokios dokumentavimo bei pranešimo pareigos kyla nustačius atitinkamą pavojaus lygį.
Atkreipiamas dėmesys ir į dirbtinio intelekto (DI) technologijų poveikį vertinant ADSP keliamą pavojų. DI priemonės gali palengvinti skirtingų šaltinių duomenų susiejimą, asmenų profiliavimą ir nutekintų duomenų panaudojimą socialinės inžinerijos atakoms, todėl vertinant ADSP svarbu atsižvelgti ne tik į tiesioginius, bet ir į galimus ilgalaikius pažeidimo padarinius.
VDAI rekomenduoja pavojaus vertinimą grįsti konkrečiomis ADSP aplinkybėmis ir faktiniais bei techniniais įrodymais, o priimtus sprendimus tinkamai dokumentuoti. Pavojaus lygio nustatymas nėra vien formalumas, bet svarbi BDAR atskaitomybės principo įgyvendinimo dalis.
Atnaujinimo data: 2026-10-26
Taip pat skaitykite:
EDAV paskelbė pareiškimą dėl duomenų apsaugos iššūkių, kuriuos kelia išmanieji akiniai
Dėl klientų aptarnavimo spalio 6 dieną
Paskelbtas 2025 metų aktualių teismų sprendimų apibendrinimas
