신뢰할 수 있는 분산형 AI를 위한 기술 정책 청사진

연합 학습과 같은 분산형 AI 시스템은 자산 프라이버시 보호 강화 덕분에 AI 자산 시장(예: 의료 데이터 시장)에서 중요한 역할을 할 수 있습니다. 이 큰 잠재력을 열기 위해서는 투명하고 확장 가능하며 검증 가능한 거버넌스 메커니즘이 필요합니다. 그러나 현재의 거버넌스 접근 방식은 자산 상호운용성과 시스템 간의 신뢰를 저해하는 맞춤형, 인프라 특정 정책에 의존하고 있습니다. 우리는 거버넌스 요구 사항을 정책 코드 객체로 인코딩하고 자산 정책 검증을 자산 정책 집행과 분리하는 기술 정책 청사진을 제안합니다. 이 구조에서 정책 엔진은 증거(예: 신원, 서명, 지급, 신뢰할 수 있는 하드웨어 인증)를 검증하고 기능 패키지를 발급합니다. 자산 수호자(예: 데이터 수호자, 모델 수호자, 계산 수호자 등)는 이러한 기능 패키지에 따라 오로지 접근 또는 실행을 집행합니다. 정책 처리를 기능과 분리하는 이 핵심 개념은 AI 인프라를 재구성하지 않고도 거버넌스가 진화할 수 있도록 하여 투명하고 감사 가능하며 변화에 강한 접근 방식을 생성합니다.