低遅延は予測品質の証明ではありません。データ保護技術は個別のリスクに対応するもので、単独で法令遵守を証明するものではありません。
速さと信頼性を分ける
処理全体の遅延とデータの鮮度を測り、遅着、重複、停止に対処します。予測を評価する結果は判断よりかなり後に届く場合があります。結果が得られた段階で誤りを監視します。
保護の範囲を理解する
表では各技術の目的と重要な限界を区別しています。差分プライバシーは仕組みとパラメータの下で、一つの寄与が出力に及ぼす影響を制限します。盗まれたデータベースを利用不能にするものではありません。
| 技術 | 目的 | 限界 |
|---|---|---|
| 仮名化 | 個人への直接の結び付きを減らす | 必ずしも匿名データにはならない |
| 連合学習 | 構成に応じて元の学習データを各拠点に保持する | モデル更新から情報が漏れる場合がある |
| 差分プライバシー | 一つの寄与が出力に及ぼす影響を制限する | 保証はパラメータ、プライバシー予算、合成に依存する |
| 準同型暗号 | 暗号化した値で特定の計算を可能にする | 鍵・端末の安全性や適法な目的の代わりにはならない |
検証可能な管理を維持する
GDPRの対象となる個人データでは、目的、法的根拠、責任、アクセス、保存、権利を文書化します。モデルの説明だけでは正確性、公平性、法令遵守は証明されません。これらと鍵・端末の安全性を別々に評価します。