聯繫我們

課程簡介

主權AI基礎

  • 監管機構中主權AI的意義。
  • 業務、法律及運營驅動因素。
  • 核心控制領域:數據、模型、基礎設施與運營。

法規要求與風險映射

  • 數據 residency(駐留)、隱私及行業特定義務。
  • 將敏感數據映射至AI用例。
  • 識別跨境傳輸、日誌記錄及第三方暴露風險。

治理數據、提示詞與日誌

  • 提示詞治理與合規使用邊界。
  • 針對提示詞、回應及元數據的日誌策略。
  • 保留、刪除、掩碼及訪問控制實踐。
  • 練習:審查AI數據流的治理缺口。

模型託管與推理環境選項

  • 公共API、私有雲、本地化及混合部署的選擇。
  • 決定模型運行位置的考量因素。
  • 控制、安全、成本及運營所有權之間的權衡。

供應商依賴與可移植性

  • 模型、工具與平台中常見的鎖定模式。
  • 通過模塊化架構、開放接口及清晰合約實現可移植性。
  • 練習:根據主權標準評估供應商。

治理模型與行動規劃

  • IT、安全、法律及合規部門的角色與職責。
  • 用例、模型及運營變動的審批流程。
  • 可審計性、監控及事件回應期望。
  • 建立實用的主權AI路線圖及後續步驟。

最低要求

  • 具備AI概念、數據治理及合規要求的基本理解。
  • 熟悉企業技術、雲端、安全或風險決策流程。
  • 無需編程經驗。

受眾對象

  • IT領導者、企業架構師及平台管理員。
  • 風險管理、合規、法律及數據治理專業人員。
  • 負責在監管環境中推動AI採用的安全團隊與業務領導者。
 7 小時

課程分類