統整一下這30天構成主題的重要概念，這些都與AI/ML關係密切。

1.自動數據分類、敏感數據標注
2.數據最小化
3.差分隱私技術
4.聯邦學習
5.數據刪除、生命週期管理
6.自動化合規審查
7.異常檢測
8.跨境數據合規
9.量子運算與數據安全

其中，量子運算本身雖然與AI/ML相關不大，但該計算能迅速破解傳統加密技術的能力仍值得關注，而如何利用AI/ML技術提供更強大的保護力亦是關鍵 ; 在跨境數據流、自動化數據分類和合規檢測、威脅建模部分，都與「聯邦學習」和「差分隱私」、「零信任架構」相關，若對差分隱私的基礎算法有興趣可以參考D8，在D9也有舉例該技術在Apple中的應用，D10則講述了聯邦學習的工作流程，這些不外乎強調了AI/ML在領域中的應用性與挑戰。

回到第一天，數據保護核心🥷🏻。

最小化：AI/ML模型數據分類、自然語言處理(NLP)、聯邦學習
透明性：數據生命週期、異常檢測
合法性：威脅建模、零信任架構、SCC、偏差消除技術
主體權：差分隱私、數據加密、PPML

這些技術其實不能只歸類在單一性質中，對於其他核心保護也有涵蓋，只是選取了大方向做歸類。

在完成這個主題前完全沒想過人工智慧與機器學習應用如此廣泛，況且這些應用還只是它們能力所及的冰山一角，在倒數一週觀察了幾個檢測與保護工具，在現代來看保護已做得很全面，但就像剛剛提到，量子運算正在研究與強大中，隱私保護這件事永遠有漏洞與對策，在發掘這些保護技術的路上AI/ML為我們帶來了很大的推力。