AI技术在可信数据空间的应用标准有哪些？

AI技术在可信数据空间的应用标准围绕“数据-模型-生态”全链条的可信性构建，核心聚焦隐私保护、安全可控、可解释性、公平性与监管兼容等维度。数据层标准强调来源可追溯（如ISO 27001数据溯源要求、《数据安全法》中的痕迹管理规定）、质量可靠（GB/T 36344数据质量评价指标）与隐私合规（GDPR”隐私设计”原则、差分隐私技术规范及《个人信息保护法》中的匿名化/去标识化要求）；模型层标准关注鲁棒性（NIST AI鲁棒性指南、对抗攻击防御规范）、可解释性（ISO/IEC TR 22900-2 AI可解释性框架、《人工智能算法安全评估规范》）与公平性（ISO/IEC 23894 AI公平性标准，避免算法偏见）；生态层标准覆盖跨主体可信交互（W3C DID分布式身份规范、ISO 22739区块链智能合约标准）、行业监管适配（金融《金融数据安全 数据安全分级指南》、医疗HIPAA与AI结合规则）及全生命周期审计（NIST AI RMF风险管理框架、《人工智能产品和服务安全要求》的全流程认证）。

这些标准共同支撑AI在可信数据空间中“可验证、可监管、可信任”的应用，平衡数据价值释放与安全风险防控。

摘自《可信数据空间合规100问》