低延迟不能证明预测质量。数据保护技术针对特定风险，任何一种都不能单独证明合规。
区分速度与可靠性
测量端到端延迟和数据新鲜度，处理迟到数据、重复记录及中断。评估预测所需的结果可能在决策很久后才出现，应在结果可用时监测错误。
理解保护范围
表格区分各项技术的目的与重要局限。差分隐私在特定机制和参数下约束单个贡献对输出的影响，并不会让被盗数据库变得无法利用。
| 技术 | 目的 | 局限 |
|---|---|---|
| 假名化 | 减少与个人的直接关联 | 数据不一定因此成为匿名数据 |
| 联邦学习 | 按架构将原始训练数据保留在本地 | 模型更新可能泄露信息 |
| 差分隐私 | 约束单个贡献对输出的影响 | 保证取决于参数、隐私预算和组合 |
| 同态加密 | 支持对加密值执行特定计算 | 不能替代密钥与终端安全或合法目的 |
保持可核验的治理
对受GDPR约束的个人数据，记录处理目的、法律依据、责任、访问、保存和权利安排。模型解释本身不能证明准确性、公平性或合规性。应分别评估这些问题以及密钥和终端安全。