知识卡片
民用分级可控
框架使用可按领域风险审查和分级,关键领域重点核对数据、持续供应与维护能力,普通民用场景则结合成本和可替代路径。分级目的在于控制具体后果,不能只按产品来源推断风险大小。本卡整理书中治理建议,不提供现行合规结论。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 人工智能安全可控的产业生态建设 从顶层规划到产业协同 · 查看原书依据
对国外的深度学习框架进行安全审查和分级授权使用,包括使用国外框架(如TensorFlow、PyTorch等)开发的关键领域的产品和服务,确保核心领域的信息与数据安全,对有安全隐患的领域及早进行国产化替代工作。欧洲(GDPR)和美国(CCPA
参考来源
- 位置:《人工智能安全》人工智能安全可控的产业生态建设,从顶层规划到产业协同(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0010.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。
- 原始内容:对国外的深度学习框架进行安全审查和分级授权使用,包括使用国外框架(如TensorFlow、PyTorch等)开发的关键领域的产品和服务,确保核心领域的信息与数据安全,对有安全隐患的领域及早进行国产化替代工作。欧洲(GDPR)和美国(CCPA