從智能設(shè)備和語音助理到交通中介和增強個性化購物體驗，人工智能在生活的許多方面都得到了廣泛的應(yīng)用。由于它可以為人類很多復雜問題提供解決方案，使得人工智能越來越受歡迎，并且吸引了供應(yīng)商和其他服務(wù)提供商加入人工智能的浪潮。

典型的人工智能項目從識別問題開始，然后收集有價值的資源：用于訓練人工智能的數(shù)據(jù)。這些培訓數(shù)據(jù)通常來自多個來源，包括公司網(wǎng)站、博客、社交媒體帳戶上的客戶行為，在某些情況下，還來自第三方應(yīng)用。

在收集數(shù)據(jù)之后，數(shù)據(jù)科學家和機器學習（ML）專家介入，以確定解決問題的正確算法。最后，編寫與算法一致的代碼并將其推送到開發(fā)環(huán)境中。

整個過程中關(guān)鍵是收集正確的數(shù)據(jù)，數(shù)據(jù)越多，這些計算機就越能根據(jù)捕獲數(shù)據(jù)中的模式識別算法。這就是為什么人工智能需要過多的高質(zhì)量數(shù)據(jù)，因此它可以更準確地預(yù)測應(yīng)該執(zhí)行哪些操作以及何時執(zhí)行。

如果組織沒有高質(zhì)量的培訓數(shù)據(jù)，他們通常從第三方來源獲取。然而，隨著數(shù)據(jù)泄露和隱私侵犯成為頭條新聞，消費者或用戶對第三方數(shù)據(jù)收集做法提出質(zhì)疑。用戶越來越關(guān)注從他們那里所收集數(shù)據(jù)的用途。

出于同樣的原因，各國都在制定自己的隱私法，禁止濫用收集的個人身份信息。隨著這些法律的實施，專注于人工智能項目的組織在收集和使用培訓數(shù)據(jù)時需要謹慎，并考慮違反數(shù)據(jù)隱私法的影響。

違反法律規(guī)定的公司不僅會被處以巨額罰款，而且可能會失去客戶的信任。

本文總結(jié)出以下幾點，來幫大家了解AI 和隱私數(shù)據(jù)的關(guān)系。

1.人工智能、隱私和數(shù)據(jù)倫理

數(shù)據(jù)倫理應(yīng)該是開發(fā)或部署人工智能的公司和個人的中心考慮因素。他們需要制定政策和程序，確保數(shù)據(jù)收集過程及其在人工智能項目中的使用是合法的、相稱的和公正的。

2.隱私法規(guī)時代的AI、ML 和數(shù)據(jù)分析

圍繞人工智能數(shù)據(jù)培訓的大多數(shù)挑戰(zhàn)可以通過創(chuàng)建符合法規(guī)、透明、公平和安全的數(shù)據(jù)收集和使用實踐來緩解。這些實踐包括數(shù)據(jù)去標識、數(shù)據(jù)加密和合成數(shù)據(jù)生成。

3.重新思考人工智能時代的隱私

隨著人工智能的興起，隱私的概念變得復雜。如今，消費者面臨層出不窮的冗長用戶協(xié)議，他們匆忙地點擊“接受”，卻沒有意識到自己可能會放棄哪些隱私權(quán)。從消費者那里收集的大多數(shù)數(shù)據(jù)被用來提供有用的服務(wù)，但也可能帶來潛在的風險。

4.數(shù)據(jù)隱私規(guī)則對人工智能的影響

每個人都想要自動化，但成功的AI 項目的基礎(chǔ)是擁有高質(zhì)量的數(shù)據(jù)。雖然大多數(shù)公司將數(shù)據(jù)隱私法視為額外的開銷，但它們實際上可以幫助公司推動數(shù)據(jù)質(zhì)量計劃，以利用更先進的技術(shù)。

5.數(shù)據(jù)與人工智能倫理的興起

由于數(shù)據(jù)在公民日常生活中扮演著越來越重要的角色，各國政府正越來越多地考慮其監(jiān)管責任。例如，歐盟的GDPR、美國加州的《消費者隱私法》（Consumer Privacy Act）和更多的隱私法已經(jīng)起草，以控制人工智能的不道德使用。

盡管人工智能顯示出了很大的潛力，但打算構(gòu)建人工智能模型的組織需要為數(shù)據(jù)隱私安全法規(guī)做好準備。制定處理培訓數(shù)據(jù)的準則將有助于解決許多法律和道德問題。做好準備不僅可以降低罰款的風險，而且可以改善組織的整體安全狀況。

ManageEngine ADAudit Plus 是一款實時變更審核和用戶行為分析的解決方案，可幫助您保持Active Directory、Azure AD、成員服務(wù)器和工作站的安全性和合規(guī)。

使用該解決方案，您可以接受Active Directory 中更改通知，跟蹤用戶登錄，解決賬戶鎖定問題，監(jiān)控特權(quán)用戶，保護敏感數(shù)據(jù)，監(jiān)控文件完整性，應(yīng)對各種威脅等。

ADAudit Plus 中的UEBA 利用AI 和ML 檢測網(wǎng)絡(luò)上用戶和設(shè)備的異常行為，這些算法使用統(tǒng)計精準數(shù)據(jù)為每個用戶和實體建立配置文件。使用歷史數(shù)據(jù)將用戶和實體執(zhí)行的每個動作與其模型生成的結(jié)果進行比較，從而識別異常行為并提醒管理員。