聯繫我們

課程簡介

隱私保護型 AI 簡介

  • 行動應用程式中資料隱私的核心原則
  • 推動端側 AI 的法規因素
  • 本地處理的優勢與限制

了解 Nano Banana 在端側隱私中的應用

  • Nano Banana 模型架構
  • 安全性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

  • 在裝置端安全地收集與儲存敏感資料
  • 使用本地推理以最小化資料暴露
  • 匿名化與假名化策略

實施隱私保護型 AI 功能

  • 在不傳輸使用者資料的情況下創建 AI 驅動功能
  • 設計符合醫療、金融或合規要求的工作流程
  • 確保應用程式元件間的資料隔離

端側模型的安全考量

  • 保護模型免受提取或篡改
  • 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 及金融業的影響
  • 記錄「隱私優先設計」(privacy-by-design)方法
  • 在不妨礙使用者資料的前提下維持可稽核性

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取捨
  • 跨應用程式更新的持續驗證

部署與維護以隱私為重點的 AI 應用程式

  • 管理端側模型的更新
  • 長期監控效能與合規性
  • 為不斷演進的法規做好應用程式的未來準備

總結與後續步驟

最低要求

  • 了解行動或應用程式開發
  • 具備 Python、Kotlin 或 Swift 的經驗
  • 對 AI 或機器學習概念有基礎認知

適合對象

  • 企業團隊
  • 合規主管
  • 開發涉及敏感應用程式的開發者
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類