Förhindrandet av dataläckage som sker via Generativ AI inom organisationer: Förebyggandet av informationsläckage
2025 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE credits
Student thesisAlternative title
Prevention of data leakage caused by the usage of Generative AI within organisations : Preventing information leakage (English)
Abstract [sv]
Generativ AI tar allt större plats i samhället, och det är viktigt att känna till vilka risker som kommer med det, och hur de kan undvikas. Studien undersöker och diskuterar hur Generativ AI används i organisationer, och fokuserar på hur dataläckage kan undvikas vid användning av Generativ AI. Undersökningen fokuserar på en verksamhet och kartlägger hur anställda inom den valda verksamheten använder AI, hur de ser på riskerna med AI, vad de tar för säkerhetsåtgärdervid användning av AI. Studiens syfte är att undersöka hur organisationer kan minska säkerhetrsiker kopplade till dataläckage, vid användning av Generativ AI, och hur medvetna anställda är kring aktuella risker. Resultatet visar på en viss medvetenhet om AI:s risker inom organisationen, men även en brist på direktiv för just AI och hur anställdaska förhålla sig till Generativa AI-verktyg. Vidare presenteras tillvägagångssätt för att minska problematiken med dataläckage.
Abstract [en]
This study is conducted and written in Swedish. The study aims to highlight the awareness of risks with Generative AI amongst employees, particularly in regards to information leakage, and aims to present ways that an organization can minimize the risks regarding the usage of Generative AI. The study is a case study that uses semi-structured interviews to gather empirical data and create an overview about the interviewee’s usage and risk-awareness of Generative AI. Results show that some interviewees had more awareness and took more precautions than others. Furthermore, through the interviews, interviewees expressed an open attitude towards more education and clearer directions from the company, regarding what usage of Generative AI is considered okay and not okay. The study shows that the employees lack awareness of the risks regarding information leakage, and presents a few options to lower the amount of information leakage.
Place, publisher, year, edition, pages
2025.
Keywords [en]
Generative AI, Shadow AI, Principal Agent Theory, LLM, DLP-Model, Data leakage, Information leakage, NIST RMF
Keywords [sv]
Generativ AI, Shadow AI, Principal Agent Theory, LLM, DLP-Model, Dataläckage, Informationsläckage, NIST RMF
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:hb:diva-34366OAI: oai:DiVA.org:hb-34366DiVA, id: diva2:2004292
Subject / course
Informatics
2025-10-142025-10-072025-10-14Bibliographically approved