聯繫我們

課程簡介

主權AI基礎

  • 主權AI在受監管組織中的意義
  • 商業、法律及運營驅動因素
  • 核心控制領域:數據、模型、基礎設施與運營

監管要求與風險映射

  • 數據駐留、隱私及行業特定義務
  • 將敏感數據映射至AI用例
  • 識別跨境、日誌記錄及第三方曝光風險

數據、提示詞與日誌的治理

  • 提示詞治理與允許使用範圍
  • 提示詞、響應及元數據的日誌策略
  • 保留、脫敏、遮罩及訪問控制實踐
  • 練習:審查AI數據流的治理缺口

模型託管與推理環境選項

  • 公共API、私有雲端、本地部署及混合部署選擇
  • 決定模型運行位置的考量因素
  • 控制、安全、成本與運營權責之間的權衡

廠商依賴與可移植性

  • 模型、工具和平台中常見的鎖定模式
  • 透過模組化架構、開放介面及明確合約實現可移植性
  • 練習:依據主權標準評估廠商

治理模型與行動規劃

  • IT、安全、法律及合規部門的角色與責任
  • 用例、模型及運營變更為的審批流程
  • 可審計性、監控及事件回應預期
  • 制定切實可行的主權AI藍圖及後續步驟

最低要求

  • 具備AI概念、數據治理及合規要求的基本知識
  • 熟悉企業技術、雲端、安全或風險決策
  • 無需編程經驗

受眾

  • IT領導者、企業架構師及平台經理
  • 風險、合規、法律及數據治理專業人員
  • 負責受監管環境中AI應用的安全團隊與商業領導者
 7 小時

人數


每位參與者的報價

即將到來的課程

課程分類