open/ktg-plugin-marketplace
1
0
Fork 0
Code Issues Pull requests Releases Wiki Activity Actions

chore(ms-ai-architect): scrub identifying references from fixtures + remove screenshots

Browse source 
Removes:
- All 6 PNG screenshots (playground/screenshots/) and the capture script
  (scripts/screenshots/capture-playground.py).
- "Screenshots" section from plugin README.
- "Screenshot-suite" section from plugin CLAUDE.md.
- Screenshots bullet from marketplace root README's ms-ai-architect listing.

Scrubs the 17 synthetic fixtures + CHANGELOG/CLAUDE/README of identifying
references: organization names, government-agency names, agency-specific
terminology, sector-specific use cases. Replaced with generic placeholder
data ("Acme AS" / "Demosystem") that exercises the same parser archetypes.

Plugin's domain-target wording (Datatilsynet, offentlig sektor, offentlig
myndighet, rettshåndhevelse, NS 5814, Utredningsinstruksen, EU AI Act
Annex III categories) is intact — those describe the plugin's intended
audience, not any specific entity.

This is a cleanup commit. Earlier git history still contains the prior
references; force-push or rebase is required if scrubbing the history is
desired. That decision is out of scope here — please run it separately
if needed.

Verified post-scrub:
- bash tests/validate-plugin.sh -> 215/215 PASS
- bash tests/run-e2e.sh --playground -> 240/240 PASS (170 + 70)
This commit is contained in:
Kjell Tore Guttormsen 2026-05-03 20:53:49 +02:00
commit e57dee5a03
28 changed files with 89 additions and 469 deletions
Download patch file Download diff file Expand all files Collapse all files

16
plugins/ms-ai-architect/playground/test-fixtures/dpia.md
View file

@ -1,17 +1,17 @@
# DPIA / PVK — ANPR-trafikkanalyse
# DPIA / PVK — Demosystem
System: ANPR-trafikkanalyse (Statens vegvesen)
System: Demosystem (Acme AS)
Metodikk: Datatilsynets veileder + ISO/IEC 29134
## Risikomatrise (5×5)
| Trussel | Sannsynlighet | Konsekvens | Score | Nivå |
|---------|---------------|------------|-------|------|
| Feilaktig kjennemerke-tolkning fører til urettmessig sanksjon | 3 | 4 | 12 | medium |
| Massiv lokasjonsdata-lekkasje fra kjøretøyregister | 2 | 5 | 10 | medium |
| Feilaktig objekt-ID-tolkning fører til urettmessig sanksjon | 3 | 4 | 12 | medium |
| Massiv lokasjonsdata-lekkasje fra objektregister | 2 | 5 | 10 | medium |
| AI-forklaring viser sensitiv kontekst om eier | 3 | 3 | 9 | medium |
| Stratifisert bias mot utenlandske kjennemerker | 4 | 3 | 12 | medium |
| Fysisk angrep på kameraer skaper deteksjonshull | 2 | 2 | 4 | low |
| Stratifisert bias mot utenlandske objekt-ID | 4 | 3 | 12 | medium |
| Fysisk angrep på sensordata skaper deteksjonshull | 2 | 2 | 4 | low |
| Insider-misbruk for sporing av enkeltpersoner | 2 | 5 | 10 | medium |
| Auto-flagging utløser kjedereaksjon ved system-feil | 1 | 5 | 5 | low |
| Subject Access Request (GDPR Art. 15) ignoreres | 3 | 3 | 9 | medium |
@ -20,7 +20,7 @@ Metodikk: Datatilsynets veileder + ISO/IEC 29134
| ID | Beskrivelse | Severity | Tiltak |
|----|-------------|----------|--------|
| T-001 | Feilaktig OCR av kjennemerker | high | Konfidensgrad-cutoff på 0.95; saksbehandler-review under cutoff |
| T-001 | Feilaktig OCR av objekt-ID | high | Konfidensgrad-cutoff på 0.95; saksbehandler-review under cutoff |
| T-002 | Lokasjonsdata-lekkasje | critical | Pseudonymisering ved lagring; HSM-backed nøkler i Azure Key Vault |
| T-003 | Kontekst-eksponering i AI-forklaring | high | Filter på sensitive felt; kontekst kun til autorisert saksbehandler |
| T-004 | Bias mot utenlandske registre | high | Kvartalsvis stratifisert testing; juster modell ved >5% avvik |
@ -38,4 +38,4 @@ Metodikk: Datatilsynets veileder + ISO/IEC 29134
## Konklusjon
Restrisiko etter tiltak: medium-lav. DPIA godkjent av personvernombud 2026-04-22.
Restrisiko etter tiltak: medium-lav. DPIA godkjent av Datatilsynet 2026-04-22.