データの完全性、信頼性、コンプライアンスを確保し、堅牢なデータセキュリティの実践がAIおよびMLシステムをどのように保護するかをご覧ください。
データ・セキュリティは、デジタル情報を、そのライフサイクル全体を通じて、不正アクセス、破損、開示、盗難から保護するための戦略、技術、プロセスを包含する。データの機密性、完全性、可用性（しばしばCIAトライアッドと呼ばれる）を維持することに重点を置いている。人工知能（AI）と機械学習（ML）の文脈では、AIシステムの性能、信頼性、倫理的地位は、それらが使用する学習データの品質と保護に大きく依存するため、データセキュリティは最も重要です。堅牢なデータ・セキュリティ対策の導入は、機密情報の保護、侵害の防止、モデルの信頼性の確保、一般データ保護規則（GDPR）や医療保険の相互運用性と説明責任に関する法律（HIPAA）などの規制への準拠のために不可欠です。
データはAIやMLのモデル開発の要です。以下のようなモデルのトレーニングに使用されるデータセットの完全性と機密性は、AIやMLモデル開発の要です。 Ultralytics YOLOのようなモデルの学習に使用されるデータセットの完全性と機密性は、その有効性と安全性に直接影響します。強力なデータセキュリティの実践は、モデルが改ざんや不正な閲覧から保護されたデータセットで学習されることを保証します。これは、悪意のある行為者が意図的に学習データを破損させてモデルの動作を危険にさらし、不正確な予測やセキュリティの脆弱性につながるデータポイズニング攻撃のようなシナリオを防ぐのに役立ちます。安全なデータの取り扱いは、AIシステムの信頼性、信頼性、および実世界のアプリケーションでの期待通りのパフォーマンスを保証します。高品質のコンピュータビジョンデータセットの重要性については、こちらをご覧ください。
効果的なデータ・セキュリティには、様々なテクニックやポリシーを取り入れた多層的なアプローチが必要である：
データ・セキュリティとデータ・プライバシーは密接に関連しているが、異なる概念である。データ・セキュリティは、不正アクセス、破損、盗難からデータを保護するために実施される技術的対策とポリシーに焦点を当てています。データそのものを保護することです。一方、データ・プライバシーは、個人情報の収集、使用、保存、共有方法など、個人情報に関する個人の権利を扱います。データ・セキュリティはデータ・プライバシーを確保するために必要な要素ですが、プライバシーにはGDPRのような規制によって管理されるデータ使用に関する法的および倫理的な考慮も含まれます。
データ・セキュリティは、AIを駆使した数多くのアプリケーションにおいて不可欠である：
Ultralytics HUBのようなプラットフォームは、データセットを管理し、モデルを訓練するためのツールを提供し、AI開発のライフサイクルにセキュリティへの配慮を統合する。
JA
EN
ZH
KO
RU
DE
FR
ES
PT
IT
AR
TR
VI
