聯繫我們

課程簡介

主權AI基礎

  • 主權AI在受監管組織中的意義
  • 業務、法律和運營驅動因素
  • 核心控制領域:數據、模型、基礎設施和運營

法規要求和風險映射

  • 數據駐留、隱私和特定行業的義務
  • 將敏感數據映射到AI用例
  • 識別跨境、日誌記錄和第三方暴露風險

數據、提示和日誌的治理

  • 提示治理和可接受的使用邊界
  • 提示、響應和元數據的日誌記錄策略
  • 保留、編輯、屏蔽和訪問控制實踐
  • 練習:審查AI數據流以發現治理漏洞

模型託管和推理環境選項

  • 公共API、私有云、本地和混合部署選擇
  • 決定模型運行位置的因素
  • 控制、安全、成本和運營所有權之間的權衡

供應商依賴性和可移植性

  • 模型、工具和平臺中的常見鎖定模式
  • 通過模塊化架構、開放接口和明確合同實現可移植性
  • 練習:根據主權標準評估供應商

治理模型和行動計劃

  • IT、安全、法律和合規部門的角色和職責
  • 用例、模型和運營變更的審批流程
  • 可審計性、監控和事件響應期望
  • 制定實用的主權AI路線圖和下一步計劃

最低要求

  • 對AI概念、數據治理和合規要求有基本瞭解
  • 熟悉企業技術、雲、安全或風險決策
  • 無需編程經驗

受衆

  • IT領導者、企業架構師和平臺經理
  • 風險、合規、法律和數據治理專業人員
  • 負責在受監管環境中採用AI的安全團隊和業務領導者
 7 小時

課程分類