數(shù)據(jù)隱私通常與基于消費者數(shù)據(jù)的人工智能 (AI) 模型相關聯(lián)?？梢岳斫獾氖?，用戶對獲取和使用其數(shù)據(jù)的自動化技術持謹慎態(tài)度，其中可能包括敏感信息。由于 AI 模型依賴于數(shù)據(jù)質量來提供顯著的結果，因此它們的持續(xù)存在取決于隱私保護是其設計不可或缺的一部分。
良好的隱私和數(shù)據(jù)管理實踐不僅僅是消除客戶恐懼和擔憂的一種方式，與企業(yè)的核心組織價值觀、業(yè)務流程和安全管理有很大關系。隱私問題已被廣泛研究和宣傳，隱私感知調查數(shù)據(jù)表明，隱私保護是消費者關注的重要問題。
從上下文中解決這些問題至關重要，對于使用面向消費者的人工智能的公司來說，有幾種方法和技術可以幫助解決通常與人工智能相關的隱私問題。
有些產品和服務需要數(shù)據(jù)，但它們不需要侵犯任何人的隱私使用人工智能的企業(yè)在隱私方面已經面臨公眾的質疑。根據(jù)歐洲消費者組織 2020 年的一項調查顯示，45-60% 的歐洲人同意 AI 將導致更多的個人數(shù)據(jù)濫用。
有許多流行的在線服務和產品依賴于大型數(shù)據(jù)集來學習和改進他們的 AI 算法。即使是最不注重隱私的用戶，這些數(shù)據(jù)集中的一些數(shù)據(jù)也可能被認為是私有的。來自網(wǎng)絡、社交媒體頁面、手機和其他設備的數(shù)據(jù)流增加了企業(yè)用來訓練機器學習系統(tǒng)的信息量。由于一些企業(yè)過度使用個人數(shù)據(jù)和管理不善，隱私保護正在成為世界各地的公共政策問題。
我們收集的大部分敏感數(shù)據(jù)都是為了改進支持人工智能的流程。許多分析的數(shù)據(jù)也是由機器學習采用驅動的，因為復雜的算法需要根據(jù)這些數(shù)據(jù)集實時做出決策。搜索算法、語音助手和推薦引擎只是利用基于現(xiàn)實世界用戶數(shù)據(jù)的大型數(shù)據(jù)集的 AI 的少數(shù)解決方案。
海量數(shù)據(jù)庫可能包含廣泛的數(shù)據(jù)，最緊迫的問題之一是這些數(shù)據(jù)可能是個人可識別和敏感的。實際上，教算法做出決策并不依賴于知道數(shù)據(jù)與誰相關。因此，此類產品背后的公司應專注于將其數(shù)據(jù)集私有化，幾乎沒有方法來識別源數(shù)據(jù)中的用戶，并制定措施從其算法中刪除邊緣情況以避免逆向工程和識別。
數(shù)據(jù)隱私和人工智能之間的關系非常微妙。雖然某些算法可能不可避免地需要私人數(shù)據(jù)，但有一些方法可以以更安全和非侵入性的方式使用它。以下方法只是使用私有數(shù)據(jù)的公司如何成為解決方案的一部分的一些方法。
考慮隱私的人工智能設計我們已經討論了逆向工程的問題，其中不良行為者會發(fā)現(xiàn) AI 模型中的漏洞并從模型的輸出中識別潛在的關鍵信息。逆向工程是為什么在面臨這一挑戰(zhàn)的情況下更改和改進數(shù)據(jù)庫和學習數(shù)據(jù)對于 AI 使用至關重要。
例如，在機器學習過程（對抗性學習）中組合沖突的數(shù)據(jù)集是區(qū)分 AI 算法輸出中的缺陷和偏差的好選擇。也有使用不使用實際個人數(shù)據(jù)的合成數(shù)據(jù)集的選項，但它們的有效性仍然存在問題。
醫(yī)療保健是人工智能和數(shù)據(jù)隱私治理的先驅，尤其是處理敏感的私人數(shù)據(jù)。它還在同意方面做了大量工作，無論是對于醫(yī)療程序還是處理他們的數(shù)據(jù)——風險很高，并且已得到法律強制執(zhí)行。
對于 AI 產品和算法的整體設計，通過匿名化和聚合的方式將數(shù)據(jù)與用戶解耦是任何使用用戶數(shù)據(jù)訓練其 AI 模型的企業(yè)的關鍵。
有很多考慮可以加強 AI 公司的隱私保護：
以隱私為核心：將隱私保護放在開發(fā)者的雷達上，并找到有效加強安全性的方法匿名化和聚合數(shù)據(jù)集，刪除所有個人標識符和唯一數(shù)據(jù)點嚴格控制公司中誰可以訪問特定數(shù)據(jù)集，并持續(xù)審核這些數(shù)據(jù)的訪問方式，因為這是過去一些數(shù)據(jù)泄露背后的原因更多的數(shù)據(jù)并不總是最好的解決方案。使用最少的數(shù)據(jù)測試您的算法，以了解您需要收集和處理的最少數(shù)據(jù)量，從而使您的用例可行必須提供一種簡化的方法來根據(jù)用戶的要求消除個人數(shù)據(jù)。只對用戶數(shù)據(jù)進行偽匿名化的公司應該使用最新的數(shù)據(jù)不斷地重新訓練他們的模型利用強大的去標識化策略，例如，具有完全匿名化的聚合和合成數(shù)據(jù)集，用于算法訓練、審計和質量保證等的不可逆標識符通過重新思考從第三方獲取和使用關鍵信息的方式來保護用戶的自主權和隱私——仔細檢查數(shù)據(jù)源，只使用那些在用戶明確和知情同意的情況下收集數(shù)據(jù)的源考慮風險：攻擊是否可能從您的 AI 系統(tǒng)輸出中危及用戶隱私？數(shù)據(jù)隱私和人工智能的未來是什么?人工智能系統(tǒng)需要大量數(shù)據(jù)，如果沒有用于訓練人工智能算法的個人數(shù)據(jù)，一些頂級的在線服務和產品就無法運行。然而，有很多方法可以改進數(shù)據(jù)的獲取、管理和使用，包括算法本身和整體數(shù)據(jù)管理。尊重隱私的人工智能需要尊重隱私的公司。
本文作者：Einaras von Gravrock，CUJO AI 首席執(zhí)行官兼創(chuàng)始人
- 蜜度索驥：以跨模態(tài)檢索技術助力“企宣”向上生長
- 國家發(fā)改委成立低空經濟發(fā)展司
- 什么是人工智能網(wǎng)絡？ | 智能百科
- 工信部：2025年推進工業(yè)5G獨立專網(wǎng)建設
- 人工智能如何改變全球智能手機市場
- 企業(yè)網(wǎng)絡安全挑戰(zhàn)頻出？Fortinet 給出破解之法
- 2025年生成式人工智能將如何影響眾行業(yè)
- 報告：人工智能推動數(shù)據(jù)中心系統(tǒng)支出激增25%
- 千家早報|馬斯克預測：人工智能或將超越單個人類；鴻蒙生態(tài)（武漢）創(chuàng)新中心啟用，推動鴻蒙軟硬件在武漢首試首用——2024年12月27日
- 中移建設被拉入軍采“黑名單”
- 大理移動因違規(guī)套現(xiàn)等問題，擬被列入軍采失信名單
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
