Sathish Thyagarajan, Michael Oglesby, NetApp 안병훈, Jennifer Cwagenberg, Protopia

조직이 AI에게 더 많은 결정을 맡길수록 데이터 개인정보 보호 및 보안, 법적, 윤리적, 규제적 문제와 관련된 위험을 감수하게 됩니다. 책임 있는 AI는 기업과 정부 기관이 대규모 기업에서 AI를 대규모로 사용하는 데 중요한 신뢰와 거버넌스를 구축할 수 있는 관행을 가능하게 합니다. 이 문서에서는 NetApp 데이터 관리 기술과 Protopia 데이터 난독화 소프트웨어를 사용하여 민감한 데이터를 비공개로 처리하고 위험과 윤리적 문제를 줄이는 세 가지 시나리오에서 NetApp 이 검증한 AI 추론 솔루션을 설명합니다.

소비자와 기업 모두 다양한 디지털 기기를 통해 매일 수백만 개의 이미지를 생성합니다. 이로 인해 데이터와 컴퓨팅 작업 부하가 엄청나게 늘어나면서 기업은 규모와 효율성을 위해 클라우드 컴퓨팅 플랫폼으로 전환하게 되었습니다. 한편, 이미지 데이터에 포함된 민감한 정보에 대한 개인정보 보호 우려가 퍼블릭 클라우드로 전송되면서 발생합니다. 보안 및 개인정보 보호 보장의 부족은 이미지 처리 AI 시스템 구축의 주요 장애물이 됩니다.

또한, "삭제 권리" GDPR에 따르면 개인은 조직에 자신의 모든 개인 데이터를 삭제하도록 요청할 권리가 있습니다. 또한 있습니다 "개인정보보호법" 공정한 정보 관행에 대한 규정을 제정한 법률입니다. 사진과 같은 디지털 이미지는 GDPR에 따라 개인 데이터로 간주될 수 있습니다. GDPR은 데이터를 수집, 처리, 삭제하는 방법을 규정합니다. 이를 이행하지 않을 경우 GDPR을 준수하지 않는 것으로 간주되어, 규정 위반에 대한 엄청난 벌금이 부과될 수 있으며, 이는 조직에 심각한 피해를 줄 수 있습니다. 개인정보 보호 원칙은 머신 러닝(ML) 및 딥 러닝(DL) 모델 예측의 공정성을 보장하고 개인정보 보호 또는 규정 준수 위반과 관련된 위험을 낮추는 책임 있는 AI 구현의 핵심입니다.

이 문서에서는 개인 정보 보호 및 책임 있는 AI 솔루션 배포와 관련된 이미지 난독화가 있는 세 가지 시나리오에서 검증된 설계 솔루션을 설명합니다.

이 솔루션을 위해, 우리는 제약 없는 얼굴 감지 문제를 연구하기 위해 설계된 얼굴 영역의 데이터 세트인 FDDB(Face Detection Data Set and Benchmark)를 사용하는데, 이는 FaceBox 구현을 위한 PyTorch 머신 러닝 프레임워크와 결합되었습니다. 이 데이터 세트에는 다양한 해상도의 2845개 이미지 세트에 있는 5171개 얼굴에 대한 주석이 포함되어 있습니다. 또한 이 기술 보고서는 NetApp 고객과 현장 엔지니어로부터 이 솔루션을 적용할 수 있는 상황에서 수집한 일부 솔루션 영역과 관련 사용 사례를 제시합니다.