可信数据空间新技术应用的风险评估（如隐私计算、AI）？

新技术（如隐私计算、AI）的风险评估需围绕“技术本质-场景适配-权益边界-合规底线”构建动态框架：隐私计算虽以“数据可用不可见”破解数据共享与隐私的矛盾，但仍存技术实现风险（如差分隐私参数过松导致信息隐性泄露、多方安全计算协议被恶意节点串通破解）、参与方信任风险（如合作机构利用技术漏洞窃取原始数据）及合规适配风险（不同地区对“匿名化”的定义差异可能触碰《个人信息保护法》《GDPR》红线）；AI的风险则聚焦算法“不确定性”——训练数据偏差引发歧视（如招聘AI筛除女性简历）、模型“黑箱”导致决策不可追溯（如医疗AI误诊无依据）、泛化能力不足致极端场景失效（如自动驾驶暴露天误判），以及生成式AI的滥用风险（深度伪造、虚假信息）。风险评估需通过技术审计（验证隐私计算协议安全性、AI模型鲁棒性）、场景化测试（在金融、医疗等场景模拟风险）、合规核查（匹配监管要求）与用户影响评估（量化隐私、公平性损害）实现，且需随技术迭代、场景扩展持续调整——本质是在创新效率与风险防控间找平衡，确保新技术“向善”落地而非失控。

摘自《可信数据空间合规100问》