在采用人工智能时保护隐私的3个重要安全实践
发布时间：2021-06-10 14:02:56 所属栏目：大数据 来源：互联网
导读：企业在实施人工智能策略之前，需要考虑采用一些新技术以帮助保护隐私，并确保符合安全标准。 如果企业参与了下一代数字产品工程，那么尝试采用人工智能(AI)将帮助企业构建新的业务模型、收入流和体验。 但是企业应该了解有关人工智能技术创新的头条新闻。例
|
大约20年前，DevOps彻底改变了应用程序的开发、部署和管理方式。它使管道实现标准化，从而显著提高了效率，并缩短了交付时间。
如今，AIOps/MLOps在人工智能方面也在做同样的事情。Cognilityca公司预测，到2025年，全球MLOps市场规模将扩大到40亿美元。
这个想法是通过标准化操作、衡量性能和自动修复问题来加速整个机器学习模型的生命周期。AIOps可以应用于以下三层：
(1)基础设施层
这就是容器化发挥作用的地方。自动化工具使组织可以扩展其基础设施和团队，以满足容量需求。DevOps的一个新兴子集叫GitOps，它专门将DevOps原理应用于在容器中运行的基于云计算的微服务。
(2)应用程序性能管理(APM)
根据IDC公司的一项调查，全球应用程序宕机每年造成的损失在1.25美元到25亿美元。应用程序性能管理(APM)通过简化应用程序管理、限制停机时间和最大限度地提高性能来帮助组织。应用程序性能管理(APM)解决方案结合了AIOps方法，使用人工智能和机器学习主动识别问题，而不是采用被动方法。
(3)IT服务管理(ITSM)
IT服务规模巨大，实际上可以代表IT组织提供给最终用户的任何硬件、软件或计算资源，无论该最终用户是内部员工、客户还是业务合作伙伴。ITSM采用AIOps实现票务工作流、管理和分析事件、授权和监视文档等方面的自动化。
虽然大多数组织为了提高效率而实施AIOps/MLOps，但许多组织发现，例如应用程序性能管理(APM)平台可以利用其丰富的数据资源作为预警系统，从而增加额外的安全层。随着人工智能/机器学习生命周期得到更严格的优化和结构化，安全和隐私风险将更容易识别和减轻。
负责任地进行实验
在过去的几年中，人们已经看到了许多强大的人工智能用例，但是未来将是确保这些用例背后的人工智能系统负责任地使用数据。随着越来越多的隐私法规发布，并且随着组织看到法规实际上增加了透明度和对客户的信任，是需要尝试负责任的人工智能的时候了。联合学习、可解释的人工智能和AIOps/MLOps将是三个很好的起点
 （编辑：惠州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
