模型通过向人学习来获取信息。每个训练集都包含真实个体的痕迹，每一次预测都与某个人的数据息息相关，而这些数据正是塑造系统的基础。数据隐私关注的是这些信息的收集、存储、使用和保护方式。
法规设定了底线。欧洲的GDPR、加州的CCPA以及其他地区的类似法律赋予了人们访问、更正和删除个人数据的权利。人工智能系统使合规变得复杂，因为模型会吸收数据中的模式，并且难以忘记具体的例子。
主要关注点
- 数据收集中的同意和透明度
- 从所谓的匿名数据中重新识别身份
- 模型记忆训练示例
- 跨境数据传输
- 敏感属性的推断
差分隐私、联邦学习和数据最小化等技术可以降低风险，但也会增加成本和复杂性。完美隐私几乎不可能实现。实际目标是在明确的问责机制下提供有效的保护。
Comments (2)
Leave a comment