iT邦幫忙

鐵人檔案

2024 iThome 鐵人賽
回列表
AI/ ML & Data

數據隱私:工具和風險 系列

了解現存數據隱私風險,包括數據泄露、未經授權的數據使用以及法律合規與否等問題,並分析AI/ML與此的交互關係。

鐵人鍊成 | 共 30 篇文章 | 0 人訂閱 訂閱系列文 RSS系列文
DAY 21

D 21 - AWS & 隱私數據

AWS提供了幾項技術幫助企業保護隱私數據,特別是在昨天提到的量子運算也有很大的助益,當然,在該運算逐步進化的同時,也有一些預防潛在風險的方式,先來看AWS在隱私...

DAY 22

D22 - 週小結

簡單總結這週打了些什麼,自己也順便釐清思緒。D17零信任架構強調:不信任任何人,即使是內部員工或設備都需要經反覆驗證與授權,核心概念包括MFA、最小權限訪問以及...

DAY 23

D23 - 小白工具觀察日記2

今天的主題是AI-Powered Privacy Management Tool:BigID! 該管理工具專門設計來幫助企業保護敏感數據,利用AI&ML...

DAY 24

D24 - 小白最後的工具觀察日記

今天介紹的是!Compliance Management Tool:OneTrust! 創辦人的理念是旨在幫助企業面對CCPA、GDPR等隱私法規的挑戰,非常切...

DAY 25

D25 - 跨境數據合規🐖

全球化發展下,企業常需要跨境交換數據,比如跨國公司內部數據共享、全球雲端服務,然而不同國家的數據隱私法規可能存在差異,讓跨境數據流的合規變得頗為複雜。 在D1的...

DAY 26

D26 - 隱私保護機器學習 PPML

Privacy-Preserving Machine Learning 🦝。 機器學習的快速進步導致隱私風險增加,攻擊者可能利用其弱點來竊取甚至損毀資料,PPM...

DAY 27

D27 - 自動化數據治理

如今數據量不斷增加,數據合規挑戰越來越嚴苛,數據保護的重要性也日益提升,而自動數據治理有助於企業在處理大量數據時維持高效、安全與合規,大幅減少人為錯誤和降低管理...

DAY 28

D28 - 偏差檢測與消除 🪚

這是一個確保公平性的環節,當模型的訓練數據存在偏差時,可能會對某些群體產生不公平的影響,進而違反隱私和反歧視相關的法律。 偏差檢測: 公平性指標 差異影響:...

DAY 29

D29 - 差分隱私的總結🐑

確保在分析數據過程中,即使查詢數據,也無法從結果中反推資料,差分隱私應用涵蓋很多領域,特別是在合規性保護中頗為關鍵,之前雖然有過一篇專門介紹差分隱私算法與其在a...

DAY 30

D30 - 30日小結

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...