感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
隱私保全 AI 簡介
- 行動應用程式中資料隱私的核心原則
- 推動端側 AI 發展的監管因素
- 本地處理的優勢與限制
理解用於端側隱私的 Nano Banana
- Nano Banana 模型架構
- 安全特性與本地執行路徑
- 支援的平台與行動整合模式
資料處理與本地處理技術
- 在端側安全地收集與儲存敏感資料
- 利用本地推理最小化資料暴露
- 去識別化與假名化策略
實作隱私保全 AI 功能
- 建立无需傳輸使用者資料的 AI 驅動功能
- 設計符合醫療、金融或合規要求的工作流程
- 確保應用程式各組件間的資料隔離
端側模型的安全考量
- 防止模型被提取或篡改
- 安全沙箱與權限管理
- 行動 AI 系統的威脅建模
合規與法規對齊
- 理解 GDPR、HIPAA 及金融業法規的影響
- 文件化「隱私預設計」(Privacy-by-design)方法
- 在不犧牲使用者資料的前提下維持審計追蹤能力
測試與驗證隱私保證
- 測試工作流程以偵測非預期的資料洩漏
- 評估準確性與隱私之間的權衡
- 跨應用程式更新的持續驗證
隱私導向 AI 應用程式的部署與維護
- 管理端側模型的更新
- 長期監控效能與合規狀況
- 使應用程式具備適應法規變化的前瞻性
總結與後續步驟
最低要求
- 對行動開發或應用程式開發的基本理解
- 具備 Python、Kotlin 或 Swift 的開發經驗
- 對 AI 或機器學習概念的基本熟悉
目標學員
- 企業團隊
- 合規人員
- 開發敏感資料應用的開發者
客戶評論 (1)
演講中的流程、氛圍與主題
Lukasz Kowalczyk - Allegro Sp. z o.o.
課程 - Google Gemini AI for Data Analysis
機器翻譯