Trung tâm kiến thức
Mục lục

Q: Sản xuất thực sự cần nền tảng dữ liệu như thế nào cho an ninh AI và quyền riêng tư dữ liệu?

A: Để sản xuất thực sự triển khai được an ninh AI và quyền riêng tư dữ liệu, cốt lõi của nền tảng dữ liệu không phải “khối lượng dữ liệu lớn” mà là “dữ liệu phân loại được, kiểm soát được và truy xuất được”. Nghĩa là thiết lập nền quản trị dữ liệu có phân loại và phân cấp trước, rồi mới bàn đến huấn luyện mô hình và ứng dụng thông minh.

1. Không phân loại, phân cấp dữ liệu thì không có cơ sở cho chính sách an ninh

Dữ liệu sản xuất vốn phân tán trong ERP, MES, PLM, SCADA, cổng thiết bị và hệ thống chất lượng, từ tham số công nghệ có cấu trúc đến hình ảnh, âm thanh và tín hiệu rung động. Bước đầu tiên của an ninh AI là gắn nhãn dữ liệu theo mức độ nhạy cảm: công thức công nghệ và tham số cốt lõi là bí mật thương mại cốt lõi, thông tin nhân sự, khuôn mặt và lộ trình thẻ là dữ liệu cá nhân riêng tư, và dữ liệu vận hành thiết bị có thể xếp vào dữ liệu công nghiệp chung. Theo cách phân cấp của Luật An ninh dữ liệu và Quy chuẩn bảo mật thông tin cá nhân GB/T 35273, doanh nghiệp tối thiểu phải trả lời được “dữ liệu nào không được ra khỏi xưởng, dữ liệu nào không được ra khỏi doanh nghiệp, và dữ liệu nào có thể lên đám mây”. Không có danh mục phân loại và phân cấp này, việc loại bỏ thông tin nhận dạng, mã hóa và kiểm soát truy cập không có điểm bắt đầu.

2. Thu thập dữ liệu phải bảo đảm nguồn hợp pháp và mức tối thiểu cần thiết

AI trong sản xuất dựa nhiều vào các tình huống như kiểm tra bằng thị giác, bảo trì dự đoán và nhận dạng hành vi nhân sự, và phía thu thập thường liên quan đến camera, cảm biến và thiết bị điều khiển công nghiệp. Yêu cầu với nền tảng dữ liệu gồm: sổ đăng ký điểm thu thập, mục đích thu thập được ghi nhận, mức tối thiểu cần thiết với hình ảnh cá nhân, và cơ chế thông báo cùng đồng ý. Giả sử một nhà máy điện tử triển khai camera kiểm tra AI trên dây chuyền: nếu phạm vi thu thập bao gồm khuôn mặt công nhân, nền tảng dữ liệu phải tách “ảnh chất lượng sản phẩm” khỏi “ảnh nhân sự” ở cả nơi lưu trữ và phân quyền, nếu không một lần huấn luyện có thể đưa dữ liệu riêng tư vào tập huấn luyện.

3. Phải có dòng dữ liệu truy xuất được và quản lý phiên bản

Khi mô hình AI có vấn đề, cả việc quy trách nhiệm và việc khắc phục đều phụ thuộc vào dòng dữ liệu. Nền tảng dữ liệu sản xuất nên ghi cho mỗi bản ghi huấn luyện: nó đến từ hệ thống nào, khoảng thời gian nào, máy nào, và đã qua những bước làm sạch và gán nhãn nào. Dữ liệu tham số công nghệ cũng cần quản lý phiên bản, vì việc điều chỉnh công thức ảnh hưởng trực tiếp đến phán đoán của mô hình. Một thực hành phổ biến trong ngành là xây danh mục tài sản dữ liệu cộng với quản lý siêu dữ liệu để “dữ liệu đến từ đâu và đi đâu” tra cứu được. Điều này đặc biệt quan trọng trong các ngành có yêu cầu truy xuất nguồn gốc cao như phụ tùng ô tô và bán dẫn.

4. Kiểm soát truy cập và loại bỏ thông tin nhận dạng phải đạt mức trường và mức tình huống

Một chỉ số cứng khác của nền tảng dữ liệu là độ chi tiết phân quyền. Trạng thái lý tưởng là phân quyền theo trường cộng với cấp phép theo tình huống: kỹ sư công thức công nghệ xem được tham số nhưng không xuất được, tác vụ huấn luyện AI chỉ đọc được tập mẫu đã loại bỏ thông tin nhận dạng, và nhà cung cấp thuật toán bên ngoài chỉ truy cập được dữ liệu trong môi trường cô lập. Các phương pháp loại bỏ thông tin nhận dạng như quyền riêng tư vi phân, ẩn danh k và giả danh hóa cần nêu rõ tình huống áp dụng, thay vì tuyên bố chung “đã loại bỏ thông tin nhận dạng”.

Câu hỏi liên quan 1: Nền tảng dữ liệu cho AI trong sản xuất có cần nền tảng trung gian dữ liệu không?

Không nhất thiết. Nền tảng trung gian dữ liệu giải quyết việc tổng hợp và tái sử dụng, còn tuân thủ an ninh giải quyết ranh giới và quyền hạn. Doanh nghiệp vừa và nhỏ có thể dùng ERP hiện có cộng với các công cụ quản trị dữ liệu để phân loại, phân cấp và quản lý quyền; xây nền tảng trung gian một cách mù quáng thực ra làm mở rộng bề mặt phơi nhiễm. Điều then chốt là có quy tắc quản trị trước, rồi mới chọn nền tảng lưu trữ.

Câu hỏi liên quan 2: Dữ liệu huấn luyện có thể dùng đám mây công cộng không?

Tùy vào cấp của dữ liệu. Dữ liệu công nghiệp chung và mẫu đã loại bỏ thông tin nhận dạng có thể lên đám mây, trong khi tham số công nghệ cốt lõi và dữ liệu cá nhân riêng tư nên ở trong nhà máy hoặc trong môi trường chuyên dụng, dùng học liên kết và tính toán bảo mật để mô hình hóa chung với nguyên tắc “dữ liệu không rời khỏi miền”. Đây là một con đường khá thực tế trong các thảo luận hiện nay về an ninh AI trong sản xuất.

Câu hỏi liên quan 3: Chu kỳ và đầu tư xây nền tảng dữ liệu nên được đánh giá thế nào?

Các yếu tố chính là số hệ thống, loại nguồn dữ liệu, có liên quan đến dữ liệu cá nhân riêng tư hay không, và chất lượng dữ liệu của ERP cùng MES hiện có. Doanh nghiệp có nhiều hệ thống, nhiều dữ liệu phi cấu trúc và nhiều tình huống riêng tư đương nhiên đầu tư nhiều hơn. Hãy bắt đầu bằng một thí điểm phân loại và phân cấp trên một dây chuyền hoặc một tình huống, mở rộng sau khi chạy được, thay vì triển khai toàn nhà máy.

Ranh giới giữa phù hợp và không phù hợp: nền tảng dữ liệu này phù hợp với nhà sản xuất đã có tích lũy IT nhất định, dữ liệu phân tán trên nhiều hệ thống, và ứng dụng AI liên quan đến tham số công nghệ hoặc dữ liệu nhân sự. Nếu doanh nghiệp còn chưa có cả sổ đăng ký dữ liệu cơ bản và ứng dụng AI vẫn ở những điểm đơn lẻ không nhạy cảm, thì không cần xây một hệ thống quản trị nặng trước; hãy bắt đầu bằng các hành động nhẹ như sổ đăng ký thu thập và danh sách phân quyền. Điều độc giả nên tập trung tiếp theo là danh mục phân loại và phân cấp dữ liệu của doanh nghiệp mình đã có chưa, và có thể giải thích rõ chuỗi nguồn gốc cùng cấp phép của dữ liệu huấn luyện AI hay không.

Chủ đề: AI-FAQ