Tag: privacy-ai-compliance
-
【AI 核心深度 M8-063】解释差分隐私的核心思想与 (epsilon, delta) 的含义（Explain Differential Privacy: Core Principles, (epsilon, delta) Guarantees, and DP-SGD Mechanics）深度数理推导与工程落地解析
通过向查询结果加噪，使仅相差一条记录的相邻数据集输出分布几乎不可区分；(ε,δ) 量化隐私损失，ε 越小隐私越强但效用越低。
-
【AI 核心深度 M8-064】解释 PII 识别与脱敏的处理流程（Explain Personally Identifiable Information (PII) Detection, Quasi-Identifiers, and Sanitization Pipelines）深度数理推导与工程落地解析
流程为检测（正则/词典/NER/分类器）→ 分类（直接/间接标识符）→ 脱敏（掩码/哈希/泛化/合成/加噪）→ 访问控制与审计。
-
【AI 核心深度 M8-065】解释数据最小化与目的限制原则（Explain Data Minimization, Purpose Limitation, and GDPR Article 5 Compliance in ML Systems）深度数理推导与工程落地解析
只收集达成目的所必需的数据、只用于声明的目的、只保留必要期限；这是 GDPR 等法规的核心原则，也从根本上降低泄露与滥用风险。
-
【AI 核心深度 M8-066】解释模型反演与成员推断攻击及其防御（Explain Membership Inference and Model Inversion Attacks: Theoretical Mechanics and Defenses）深度数理推导与工程落地解析
成员推断判断某样本是否在训练集，反演重建训练样本；防御包括差分隐私训练、正则化与早停、输出裁剪与置信度限制、限制查询次数与访问。
-
【AI 核心深度 M8-067】解释合规审计需要哪些能力与证据（Explain Compliance Auditing in Machine Learning: Capabilities, Evidence Artifacts, and Regulatory Readiness）深度数理推导与工程落地解析
需要数据血缘与版本、模型与实验的可追溯、访问与变更审计日志、同意与目的记录、以及可导出的证据与定期评估（DPIA）。