セキュアな開発プラクティス
AIセキュリティとリスク管理
Angeline Corvaglia
Founder and Digital Transformation Expert
AIに固有の脆弱性への対策
データプロベナンスとトレーサビリティ
- データプロベナンス：データの出所
- トレーサビリティ：経路の追跡
セキュリティへの効果
- データポイズニング攻撃への対策
- 汚染データへの対策
検証とサニタイズ
- データの検証
- データのクレンジング
データ品質の確保：
- 正確性
- 適切性
- 悪意ある改ざんがないこと
データ最小化
- 収集・処理するデータ量の制限
- 必要最低限のデータのみ
リスク低減に役立つ点：
- プライバシー侵害
- データ窃取
暗号化と匿名化
- 暗号化：機密データを安全な形式に変換
- 匿名化：個人を特定できる情報を削除
セキュリティへの効果：
- 機密情報を狙った攻撃への対策
セキュアコーディングプラクティス
- コードベースの脆弱性を低減
- 定期的なコードレビュー
- 脆弱性スキャン
- コーディング標準の遵守
セキュリティへの効果
- インフラへの攻撃への対策
アクセス制御
- アクセスできる対象を制限
- 信頼性が確認された個人・エンティティのみ
セキュリティへの効果
- 脆弱性を悪用した外部攻撃への対策
セキュアインフラ
- ハードウェアとソフトウェアの両方を保護
- ファイアウォール
- 侵入検知システム
- セキュアなクラウドサービス
セキュリティへの効果
- インフラを標的とした脅威への対策
セキュリティは技術チームだけの責任ではない
組織全体の取り組みにより、AIシステムの安全性・信頼性・信頼度が確保されます。
