„Az adatvédelmet növelő technológiák (privacy-enhancing technologies, PET) kritikus fontosságú eszközök a mesterségesintelligencia-modellek közös fejlesztése és megosztása során a bizalom építéséhez, miközben védik a magánéletet, a szellemi tulajdonjogokat és az érzékeny információkat. Ez a jelentés két fő típusú PET-alkalmazási esetet azonosít.
Az első az MI-modellek teljesítményének javítása a bemeneti adatok bizalmas és minimális felhasználásával, olyan technológiákkal, mint a megbízható végrehajtási környezetek, a szövetségesi tanulás (federated learning) és a biztonságos többfelhasználós számítás.
A második az MI-modellek bizalmas közös létrehozásának és megosztásának lehetővé tétele olyan eszközökkel, mint a differenciális adatvédelem, a megbízható végrehajtási környezetek és a homomorf titkosítás (a titkosítás egy olyan formája, amely lehetővé teszi a titkosított adatokon számítások végrehajtását anélkül, hogy először vissza kellene fejteni azokat).
A PET-ek csökkenthetik a további adatgyűjtés szükségességét, megkönnyíthetik az adatmegosztási partnerségeket és segíthetnek az MI-irányítás kockázatainak kezelésében. Ugyanakkor nem csodaszerről van szó. Bár a különböző PET-ek kombinálása segíthet kompenzálni azok egyéni korlátait, a hasznosság, a hatékonyság és a használhatóság közötti egyensúly megteremtése továbbra is kihívást jelent. A kormányok és a szabályozó hatóságok ösztönözhetik a PET-ek bevezetését olyan politikákkal, mint például iránymutatások, szabályozási elkülönített környezetek és K+F támogatás, amelyek elősegíthetik a fenntartható PET-piacok kiépítését és a megbízható MI-innovációt.”
Forrás:
Sharing trustworthy AI models with privacy-enhancing technologies;OECD, OECD Artificial Intelligence Papers; DOI: 10.1787/a266160b-en; 2025. június 17.
