聯合學習資料治理與規範

 

聯合學習資料治理關注議題參考

主要議題
細部議題(舉例)
1. 聯合學習模式下之個資、隱私、資安與倫理議題
1. 聯合學習模式可能解決/衍生之隱私、個資保護、資安問題。
2. 聯合學習下之隱私、資安風險評估與可接受風險之擬定。
3. 個資去識別化、模型資料庫介接等相關技術。
4. 參與者(或機構)內部資料蒐集、處理、利用管理之一致性，包括：資料當事人知情同意及退出機制設計。
5. 研究倫理(IRB)之申請與審查重點。
6. 資料或模型攜出之隱私與資安環境要求。
2. 聯合學習之模型智財相關權利義務1. 模型共同開發者之權利義務，例如：資料持續累積下模型監測與後續改善之權利與義務；模型共同開發者退出合作機制後之處理方式與法律關係等。
2. 產出模型之智慧財產權利分配。
3. 「新資料治理」模式
1. 參與者建立聯合學習資料庫，提供外部AI模型進入再訓練或驗證之治理，例如：申請、審查、使用回饋之管理程序及權利義務等。
2. 對資料提供者、計畫PI、IRB、服務平台等角色之管理要求。
3. 聯盟所需新演算法或技術需求，如：起始模型品質管理、聯合學習隱私保護、模型聚合演算法、跨層級聯合學習演算、參與者的貢獻度追蹤技術等。
4. 聯盟所需之標準化流程、管理規範、表單，並融入平台機制之設計(ethic in design/governance in design)。
4. 聯合學習下產出模型之試驗或確效1. AI於臨床試驗或場域試驗之相關準則
2. 如何提高模型之可信度，例如：建立彈性、有效率且友善之臨床驗證規劃，介接國內外SaMD查驗機制或AI軟體認證等。

 

 

建立聯合學習應用規範

聯合學習資料治理推動Roadmap

聯合學習產業應用規範文件架構