机构名称：
¥ 2.0
作为一项关键技术，人工智能（AI），尤其是深度神经网络，已经无处不在，出现在许多数字化应用中，包括生物识别、医疗保健和汽车等领域的安全相关应用。尽管人工智能具有无可争议的好处，但其使用也带来了定性和定量的新风险和漏洞。随着人工智能的日益普及，这就要求审计方法能够保证可信度，并能够实施新兴的人工智能标准和人工智能监管工作，例如欧洲人工智能法案。审计人工智能系统是一项复杂的工作，因为在人工智能生命周期中必须考虑多个方面，而这需要多学科的方法。在许多情况下，人工智能审计方法和工具只是研究的主题，尚未实际应用。为了全面盘点不同用例中 AI 系统的可审计性并跟踪其随时间推移的进展，我们在此建议采用新开发的“认证准备矩阵”（CRM）并提出初步概念。通过使用 CRM 概念作为框架来总结为期一天的 AI 系统审计研讨会的结果，讨论涵盖基础研究、应用 AI 审计工作和标准化活动，我们证明某些方面的审计方法已经很完善，而其他方面仍需要更多研究和开发新的审计技术和工具。
白皮书 | 迈向可审计的 AI 系统
主要关键词
相关文件推荐
