模型透過向人學習來獲取資訊。每個訓練集都包含真實個體的痕跡，每一次預測都與某個人的資料息息相關，而這些資料正是塑造系統的基礎。資料隱私關注的是這些資訊的收集、儲存、使用和保護方式。
法規設定了底線。歐洲的GDPR、加州的CCPA以及其他地區的類似法律賦予了人們存取、更正和刪除個人資料的權利。人工智慧系統使合規變得複雜，因為模型會吸收資料中的模式，並且難以忘記具體的例子。
主要關注點
- 資料收集中的同意和透明度
- 從所謂的匿名資料中重新識別身份
- 模型記憶訓練範例
- 跨境資料傳輸
- 敏感屬性的推斷
差分隱私、聯邦學習和資料最小化等技術可以降低風險，但也會增加成本和複雜性。完美隱私幾乎不可能實現。實際目標是在明確的問責機制下提供有效的保護。
Comments (2)
Leave a comment