Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Google đã tạo một blog về việc tăng cường tính bảo mật cho khối lượng công việc AI được tạo bằng cách bảo vệ dữ liệu nhạy cảm. Một cuộc khảo sát gần đây cho thấy rò rỉ dữ liệu và quyền riêng tư là hai trong ba mối lo ngại hàng đầu về bảo mật AI. Điều này đặc biệt có liên quan trong bối cảnh chèn kịp thời, một rủi ro liên quan đến rò rỉ dữ liệu đã được xác định là một trong 10 rủi ro hàng đầu đối với các ứng dụng cơ bản. Do đó, điều quan trọng là phải bảo vệ dữ liệu đào tạo và dữ liệu phản hồi cơ bản khi phát triển các ứng dụng AI tổng hợp mạnh mẽ. Một cách tiếp cận tập trung vào dữ liệu để bảo mật các ứng dụng Gen AI bằng cách sử dụng tính năng bảo vệ dữ liệu nhạy cảm đang được xem xét. Nó bao gồm một Notebook Jupyter với các ví dụ hoạt động. Giống như các khối lượng công việc AI/ML khác, AI tổng quát yêu cầu dữ liệu phải được điều chỉnh hoặc tăng cường để phù hợp với nhu cầu kinh doanh cụ thể. Tuy nhiên, các tổ chức thường gặp khó khăn trong việc giảm thiểu rủi ro khi tùy chỉnh và đào tạo các mô hình sử dụng dữ liệu của chính họ, vốn có thể chứa các yếu tố nhạy cảm như thông tin cá nhân. Việc xác định và loại bỏ các yếu tố nhạy cảm khỏi dữ liệu cá nhân có thể khó khăn. Ngoài ra, chiến lược chỉnh sửa có thể ảnh hưởng đến các thuộc tính thống kê của tập dữ liệu hoặc dẫn đến khái quát hóa không chính xác về mặt thống kê. Để giải quyết những thách thức này, các dịch vụ bảo vệ dữ liệu nhạy cảm, bao gồm API ngăn ngừa mất dữ liệu trên đám mây (DLP), cung cấp nhiều tùy chọn phát hiện và chuyển đổi khác nhau. Bảo vệ dữ liệu nhạy cảm cho phép bạn thêm một lớp bảo vệ dữ liệu bổ sung trong suốt vòng đời của các mô hình AI tổng hợp, từ đào tạo, điều chỉnh đến suy luận. Việc áp dụng sớm các kỹ thuật bảo vệ này có thể giúp khối lượng công việc của mô hình trở nên an toàn và tuân thủ hơn, giảm nguy cơ lãng phí chi phí cần phải đào tạo lại và hiệu chỉnh lại sau này. Dịch vụ này cho biết nó bao gồm hơn 150 loại thông tin tích hợp giúp nhanh chóng xác định các yếu tố dữ liệu nhạy cảm như tên, thông tin nhận dạng cá nhân, dữ liệu tài chính, bối cảnh y tế và dữ liệu nhân khẩu học.