> ## Documentation Index
> Fetch the complete documentation index at: https://docs.responsibleailabs.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# India DPDP

> DPDP Act 2023 क्या require करता है, और RAIL उन obligations को AI systems के लिए एक working compliance lifecycle में कैसे turn करता है।

<Info>
  **API:** [India DPDP overview](/api-reference/dpdp-overview) | **SDK:** [Python DPDP](/sdk/python/dpdp)
</Info>

India का **Digital Personal Data Protection Act, 2023 (DPDP)** यह govern करता है कि organizations कैसे India में individuals के personal data को process करते हैं। AI systems के लिए Act एक one-time checkbox नहीं है — obligations एक data principal की पूरी interaction lifecycle के across attach होती हैं: इससे पहले कि आप data collect करें, जबकि आप इसे process करते हैं, जब एक individual एक right exercise करता है, और अगर एक breach होता है।

RAIL उन obligations को एक छोटे से composable operations के set में turn करता है। यह page concepts को explain करता है; [API overview](/api-reference/dpdp-overview) और [Python SDK](/sdk/python/dpdp) calls को show करते हैं।

## Vocabulary

* **Data Principal** — वह individual जिसका personal data process किया जाता है।
* **Data Fiduciary** — वह organization जो decide करता है कि data को क्यों और कैसे process किया जाए (आप)।
* **Significant Data Fiduciary (SDF)** — एक fiduciary जिसे government higher-risk के रूप में designate करता है, extra duties के साथ (audits, DPO, impact assessments)।
* **Personal data** — कुछ भी जो एक individual को identify करता है। India में यह prominently Aadhaar, PAN, UPI IDs, और mobile numbers को include करता है।

## Obligations जो RAIL आपको meet करने में मदद करता है

| Obligation                                          | DPDP section | RAIL कैसे मदद करता है                                                                                                          |
| --------------------------------------------------- | ------------ | ------------------------------------------------------------------------------------------------------------------------------ |
| Processing से पहले notice                           | S.5          | एक `notice.shown` event को `emit` करें; इसे evidence के रूप में retain किया जाता है।                                           |
| Consent, और आसान withdrawal                         | S.6          | `consent.granted` / `consent.withdrawn` को `emit` करें; `evaluate` उन actions को block करता है जिनके पास lawful basis नहीं है। |
| Purpose limitation                                  | S.4          | `scan` **purpose drift** को detect करता है — content जो declared purpose से stray करता है।                                     |
| Data minimization & accuracy                        | S.8          | `scan` Indian PII को surface करता है तो आप mask या drop कर सकते हैं जो आपको जरूरत नहीं है।                                     |
| Children's data (no tracking, no targeted ads)      | S.9          | `scan` **child signals** को flag करता है; `evaluate` minors की profiling को block करता है।                                     |
| Data principal rights (access, correction, erasure) | S.11–S.14    | एक `dsr.received` event को `emit` करें statutory response clock को start करने के लिए; `timers` इसे track करता है।              |
| Breach notification                                 | S.8(6)       | CERT-In और Data Protection Board timers को start करने के लिए `breach.detected` को `emit` करें।                                 |
| SDF additional duties                               | S.10         | `evidence` SDF annual report packet produce करता है।                                                                           |

## Compliance lifecycle

एक session वह thread है जो एक data principal की journey को together tie करता है। Events इस पर accumulate होते हैं, statutory timers उन events से start होते हैं, और evidence resulting trail से assembled होता है।

```mermaid theme={null}
flowchart LR
    A["Collection से पहले<br/>notice + consent"] --> B["Processing के समय<br/>scan + evaluate"]
    B --> C["Ongoing rights & events<br/>emit + require"]
    C --> D["Deadlines<br/>timers"]
    D --> E["Audit के समय<br/>evidence"]
    A -. "सभी attached हैं" .-> S(["DPDP session"])
    B -. "सभी attached हैं" .-> S
    C -. "सभी attached हैं" .-> S
    D -. "सभी attached हैं" .-> S
    E -. "reads from" .-> S
```

## कौन सी operation मुझे किस लिए चाहिए?

<CardGroup cols={2}>
  <Card title="मेरे पास model output publish करने के लिए है" icon="magnifying-glass-chart" href="/api-reference/dpdp-scan">
    इसे Indian PII, child signals, और purpose drift के लिए **Scan** करें — फिर detect, mask, या block करें।
  </Card>

  <Card title="मैं personal data पर act करने वाला हूं" icon="scale-balanced" href="/api-reference/dpdp-evaluate">
    एक deterministic allow / block / require\_action verdict के लिए action को **Evaluate** करें।
  </Card>

  <Card title="कुछ happened हुआ जो मुझे record करना चाहिए" icon="list-check" href="/api-reference/dpdp-emit">
    Event को **Emit** करें (consent, DSR, breach)। Statutory timers automatically start होते हैं।
  </Card>

  <Card title="एक auditor proof मांग रहा है" icon="file-shield" href="/api-reference/dpdp-evidence">
    **Evidence generate करें** — session के recorded trail से built एक packet।
  </Card>
</CardGroup>

## Hosted vs. enterprise

एक ही DPDP capability दो तरीकों से उपलब्ध है। **Hosted** API पर आपकी application RAIL को content भेजती है। **Enterprise self-hosted** deployments में RAIL agent आपने अपने environment के अंदर चलता है और content कभी भी इसे नहीं छोड़ता — जब data residency या air-gapping required हो। Endpoint contract identical है, तो एक के against लिखा code दूसरे के against चलता है।

## Related

<CardGroup cols={2}>
  <Card title="India DPDP API overview" icon="shield-halved" href="/api-reference/dpdp-overview">
    सात endpoints, credit costs, और एक complete walkthrough।
  </Card>

  <Card title="Compliance frameworks" icon="book" href="/concepts/compliance">
    कैसे DPDP GDPR, CCPA, HIPAA, और EU AI Act के साथ sit करता है।
  </Card>
</CardGroup>