数据保护不等于“数据封锁”，科学家提出AI时代数据分级保护治理方案

主要观点总结

该文章探讨了生成式人工智能时代下的数据保护问题。数据在模型训练、部署、调用等环节中持续流动，给数据保护带来了新的挑战。研究团队从数据保护的角度重新梳理了AI时代的数据类型及其生命周期中的各个环节，提出了一种覆盖四个关键层级的保护框架。该团队还构建了从Level 1到Level 4逐级递减的保护框架，并探讨了数据保护在跨国数据治理中的复杂局面。

关键观点总结

关键观点1: 生成式人工智能时代的数据保护挑战

随着生成式人工智能的发展，数据不再是静态资源，而是AI系统生命周期中活跃的参与者。数据流动性给其保护带来了新挑战，需要更加细致、动态的治理方案。

关键观点2: 研究团队提出的保护框架

研究团队提出了一个覆盖四个关键层级的保护框架，包括数据不可用性、隐私保护、可追溯性和可删除性。这一框架为未来AI技术的健康发展及其治理体系建设指出了明确方向。

关键观点3: 数据保护在跨国数据治理中的复杂局面

由于各国数据保护要求不同，跨国数据治理面临复杂局面。大模型的训练流程往往分散在全球，可能导致合规成本最小化的问题。

关键观点4: 数据保护与数据安全的不同与联系

数据保护和数据安全是两个不同的概念，但在实践中深度交织。完善的数据治理方案将为更广泛范围的安全治理奠定坚实基础。

免责声明