Asmens duomenys „melagienų tekstyne“: telefonai, el. paštai ir adresai įrašuose, pažymėtuose kaip melas

Valstybės užsakytame ir viešai paskelbtame „melagienų tekstyne“ radome privačių asmenų telefonų numerių, el. pašto adresų, pašto adresą ir socialinių tinklų įrašų autorių vardus. Visi 12 privačių asmenų duomenų vienetų yra įrašuose, kuriuos tekstynas pažymėjo „Klaidinga“ arba „Manipuliatyvu“ (8 duomenų vienetai – 7 įrašuose su žyma „Klaidinga“, 4 – 3 įrašuose su žyma „Manipuliatyvu“). Tai reiškia, kad konkretus žmogus – jo telefonas, el. paštas ar vardas – visam pasauliui ir neterminuotai susiejamas su vertinimu „melas“.

Šiame straipsnyje visos reikšmės paslėptos: rodome tik pirmus ir paskutinius ženklus. Pagrindinis tyrimas – čia.

Ką radome

Kaip ieškota: visame tekstyne (5 162 įrašai) automatiškai ieškojome telefonų numerių (lietuviškais mobiliųjų ir fiksuotųjų formatais), el. pašto adresų, gatvių adresų (g., gatvė, pr., al. su numeriu), asmens kodų, IBAN sąskaitų, gimimo metų ir vardų bei pavardžių socialinių įrašų pradžioje. Kiekvienas radinys peržiūrėtas rankiniu būdu, organizacijų kontaktai (redakcijų, VSD, URM, Seimo) atskirti.

Privačių asmenų duomenys įrašuose, pažymėtuose kaip melas

Kodėl tai daugiau nei techninė smulkmena

Tekstynas nėra vidinis darbo failas. Jis skirtas mokyti DI modelius, kurie, kūrėjų vadovo žodžiais, gali būti integruojami „į turinio moderavimo sistemas“. Kiekvienas, atsisiuntęs rinkinį iš „Hugging Face“, CLARIN-LT ar data.gov.lt, gauna ir šiuos įrašus su žmonių kontaktais bei žyma „Klaidinga“ ar „Manipuliatyvu“. Rinkinio jau neįmanoma „atšaukti“ iš visų, kurie jį atsisiuntė, todėl kiekvienas privatus duomuo jame lieka ilgam.

Svarbu ir tai, kokie tai įrašai. Telefonai įraše #3183 – specialistės ir registracijos kontaktai, įraše #5117 – mokamos programos registracijos kontaktai. Tai žmonės, kurie savo numerį paskelbė konkrečiam tikslui, o ne tam, kad jis atsidurtų valstybės „melagienų“ duomenų rinkinyje. Adresas įrašuose #3890 ir #3925 pateko du kartus – nes įrašas tekstyne dubliuotas. Vardai socialinių įrašų pradžioje (#683, #1148, #2082, #3399) greičiausiai yra pačių įrašų autoriai, t. y. žmonės, kurių tekstai įvertinti kaip melas.

Viešų asmenų gimimo metai (5 atvejai) ir organizacijų kontaktai – redakcijų, Valstybės saugumo departamento, Užsienio reikalų ministerijos, Seimo el. paštai, viešosios įstaigos sąskaita – į privačių duomenų sąrašą neįtraukti: jie paskelbti viešai institucijų ar naujienų kontekste.

Ką būtų reikėję padaryti

Prieš skelbiant rinkinį telefonų numerius, el. pašto adresus, adresus ir socialinių įrašų autorių vardus galima automatiškai pakeisti žymėmis – tą pačią užduotį kitas tos pačios programos projektas (nuasmeninimo tekstynas) sprendžia specialiai. DI modeliui, kuris mokosi atskirti teisingą tekstą nuo klaidingo, konkretus numeris ar pavardė nereikalingi. Toks sprendimas būtų išlaikęs tekstyno vertę ir pašalinęs riziką žmonėms.

Ką sako kūrėjai

Išteklio aprašyme cituojama duomenų apsaugos pareigūno išvada: tvarkymas „iš esmės atitinka“ Bendrąjį duomenų apsaugos reglamentą, nes duomenys „nėra renkami tikslingai pagal konkrečius asmenis, o jų tvarkymo tikslas nėra susijęs su fizinių asmenų identifikavimu ar vertinimu“. Likusi rizika įvertinta kaip „žema arba vidutinė“, todėl su Valstybine duomenų apsaugos inspekcija nesikonsultuota.

Privatumo pranešime nurodoma:

• duomenų valdytoja nuo 2026-04-16 – Valstybės skaitmeninių sprendimų agentūra (VSSA), perėmusi teises iš UAB „Delfi“ ir UAB „Neurotechnology“;
• teisinis pagrindas – BDAR 6 str. 1 d. e punktas (užduotis, vykdoma viešojo intereso labui);
• asmenys atskirai neinformuoti, remiantis 14 str. 5 d. b punktu – esą tai pareikalautų „neproporcingų pastangų“;
• tekstynas paskelbtas „Hugging Face“, CLARIN-LT ir data.gov.lt platformose, prieinamas ir už Europos ekonominės erdvės ribų, o jo prieinamumo trukmė – neterminuota.

Ką rodo duomenys

• Vertinimas yra. Kai įrašas su konkretaus žmogaus telefonu ar vardu pažymėtas „Klaidinga“, tai ir yra to žmogaus teksto vertinimas – priešingai, nei teigia pareigūno išvada.
• Duomenų kiekio mažinimas (BDAR 5 str. 1 d. c p.). DI klasifikatoriui išmokyti telefonų numeriai, el. paštai ir autorių vardai nereikalingi. Juos pakeisti žymėmis (pvz., [TELEFONAS]) buvo paprasta.
• Pseudonimizacija (BDAR 89 str.). Mokslinių tyrimų ir statistikos tikslais tvarkant duomenis taikomos apsaugos priemonės, pirmiausia – pseudonimizacija, kai ji įmanoma. Tekstyne ji netaikyta.
• Saugojimo trukmė (5 str. 1 d. e p.). Duomenys turi būti laikomi ne ilgiau, nei reikia tikslui. Privatumo pranešime nurodyta neterminuota prieinamumo trukmė, nors modeliai jau apmokyti ir projektas baigtas.
• Informavimas (14 str.). Išimtis dėl „neproporcingų pastangų“ abejotina, kai asmuo įvardytas, o jo įrašas konkrečiai įvertintas.

Tai mūsų vertinimas, ne priežiūros institucijos sprendimas. Ar pažeidimų būta, turi įvertinti Valstybinė duomenų apsaugos inspekcija – į ją 77.lt kreipsis.

Ką gali padaryti žmogus, radęs save tekstyne

1. Prašymas VSSA el. paštu [email protected]: susipažinti su apie jus tvarkomais duomenimis (BDAR 15 str.), pareikšti nesutikimą su tvarkymu (21 str. – kai pagrindas yra viešasis interesas, valdytojas turi nutraukti tvarkymą, nebent įrodo svarbesnes priežastis) ir prašyti ištrinti arba pseudonimizuoti įrašus (17 str.). Nurodykite įrašo numerį. Atsakyti privaloma per mėnesį.
2. Skundas Valstybinei duomenų apsaugos inspekcijai – jei per mėnesį neatsakoma arba atsisakoma. Skundas nemokamas.

Autorių teisės

Techninė specifikacija reikalavo, kad „visi Tekstyno formavimui panaudoti tekstai turi turėti atitinkamas licencijas (jei reikia)“. Tekstyne yra pilni 15 77.lt straipsnių tekstai. 77.lt tokios licencijos nedavė, tačiau šie tekstai dabar platinami atvira licencija. Iš VSSA reikalausime juos pašalinti.