Trung tâm kiến thức
Mục lục

Q: An ninh AI và quyền riêng tư dữ liệu trong sản xuất cần nền tảng dữ liệu như thế nào?

A: Để nói về an ninh AI và quyền riêng tư dữ liệu trong sản xuất, cốt lõi của nền tảng dữ liệu không phải là càng nhiều dữ liệu càng tốt mà là phân loại và phân cấp, nguồn gốc truy xuất được, quyền hạn quản lý được và luồng dữ liệu kiểm toán được. Không có nền tảng này, nói về an ninh mô hình chỉ là lâu đài trên không.

1. Trước hết hãy phân biệt dữ liệu được phép chạm và dữ liệu không được phép chạm

Dữ liệu trong nhà máy thực ra rất hỗn hợp. Tín hiệu rung thiết bị, log PLC, tham số quy trình, ảnh kiểm tra và hồ sơ lập lịch lệnh sản xuất là dữ liệu sản xuất. Dữ liệu chấm công, thông tin danh tính và hồ sơ tiền lương của nhân viên là thông tin cá nhân. Một loại khác dễ bị bỏ qua là bản vẽ của khách hàng, danh mục BOM và báo giá của nhà cung cấp, đó là bí mật thương mại.

Yêu cầu tuân thủ của ba loại này hoàn toàn khác nhau. Thông tin cá nhân chịu sự điều chỉnh của Luật Bảo vệ thông tin cá nhân, bí mật thương mại liên quan đến luật hợp đồng và luật chống cạnh tranh không lành mạnh, còn dữ liệu sản xuất phụ thuộc vào việc có áp dụng kiểm soát xuất khẩu hay quy định ngành hay không. Nếu một công ty phụ tùng ô tô trộn tất cả dữ liệu vào một hồ để huấn luyện AI, rủi ro sẽ chồng chất. Vì vậy bước đầu tiên là dán nhãn: bốn cấp công khai, nội bộ, mật và tối mật, mỗi cấp có một quy trình phê duyệt truy cập khác nhau.

2. Truy xuất nguồn gốc dữ liệu phải truy được đến thiết bị nào và ca nào

Khi một mô hình AI sai, việc có khoanh vùng nhanh được nguồn dữ liệu huấn luyện bị nhiễm hay không quyết định hiệu quả xử lý sự cố. Giả sử một nhà máy điện tử dùng AI để phát hiện khuyết tật và mô hình đột nhiên phân loại một loại mối hàn bình thường là khuyết tật. Nếu nền tảng dữ liệu không ghi lại ảnh huấn luyện đến từ dây chuyền nào, khoảng thời gian nào và tham số ánh sáng nào, kỹ sư chỉ có thể đoán.

Vì vậy nền tảng dữ liệu phải bao gồm quản lý siêu dữ liệu: thời gian thu thập, số hiệu thiết bị, phiên bản quy trình, ca vận hành và số phiên bản dữ liệu. Điều này không phức tạp, nhưng nhiều nhà máy đã không làm trước khi áp dụng AI, và trang bị bổ sung sau đó rất đau đớn.

3. Hệ thống quyền phải đi xuống cấp trường dữ liệu và cấp hàng

Một tình huống phổ biến trong sản xuất: bộ phận chất lượng cần xem ảnh khuyết tật nhưng không nên xem giá đơn hàng của khách hàng. Kỹ sư quy trình cần điều chỉnh tham số nhưng không được xuất dữ liệu thô ra ngoài. Điều này đòi hỏi kiểm soát quyền không chỉ ở cấp bảng mà ở cấp trường và cấp hàng.

Ví dụ, trong cùng một báo cáo sản xuất, trưởng phân xưởng thấy dữ liệu của phân xưởng mình và giám đốc nhà máy thấy tổng hợp toàn nhà máy, nhưng các trường tên khách hàng và biên lợi nhuận bị ẩn với trưởng phân xưởng. Loại quyền chi tiết này không thể đạt được bằng Excel và thư mục chia sẻ; nó cần một nền tảng trung gian dữ liệu hoặc nền tảng quản trị dữ liệu hỗ trợ.

4. Luồng dữ liệu phải để lại dấu vết, đặc biệt khi rời khỏi nhà máy

Triển khai AI trong sản xuất thường liên quan đến phối hợp biên và đám mây: biên làm suy luận thời gian thực và đám mây làm huấn luyện mô hình. Dữ liệu đi từ phân xưởng đến đám mây qua cổng, tường lửa và giao diện API. Mỗi khâu phải có log: ai khởi tạo, vào thời điểm nào, truyền bao nhiêu bản ghi, và đã khử nhận dạng hay chưa.

Giả sử một công ty phụ tùng ô tô muốn gửi dữ liệu rung đã khử nhận dạng cho một nhà cung cấp thuật toán để tối ưu mô hình; thì quy tắc khử nhận dạng là gì, có thể đảo ngược hay không và nhà cung cấp có xóa dữ liệu sau khi dùng hay không đều phải được ghi lại và ràng buộc ở cấp nền tảng dữ liệu. Nếu không, khi có sự cố, thậm chí không có cơ sở để quy trách nhiệm.

5. Dữ liệu huấn luyện phải được tách biệt và dữ liệu kiểm thử phải được khử nhận dạng

Dữ liệu dùng cho huấn luyện và kiểm thử mô hình AI nên được tách biệt về mặt vật lý hoặc logic. Tập huấn luyện có thể dùng dữ liệu lịch sử đã khử nhận dạng, và tập kiểm thử có thể dùng dữ liệu thời gian thực của dây chuyền hiện tại đã loại bỏ các trường nhạy cảm. Một số nhà máy chọn cách dễ và kiểm thử trực tiếp trên cơ sở dữ liệu sản xuất, đó là điều tối kỵ.

Ngoài ra, dữ liệu tổng hợp đang trở nên hữu ích hơn trong sản xuất. Ví dụ, khi mẫu khuyết tật quá ít, AI sinh tạo có thể tạo một lô ảnh mô phỏng, nhưng điều kiện tiên quyết là dữ liệu mô phỏng không được cho phép suy ngược ra thông tin khách hàng thực. Điều này đòi hỏi một bước kiểm tra tuân thủ dữ liệu tổng hợp trong nền tảng dữ liệu.

Lời khuyên tóm tắt: với nền tảng dữ liệu cho an ninh AI trong sản xuất, thứ tự ưu tiên là phân loại và phân cấp, rồi truy xuất nguồn gốc, rồi tinh chỉnh quyền, rồi kiểm toán luồng dữ liệu. Nếu ngân sách hạn chế, hãy vẽ trước một bản đồ tài sản dữ liệu đánh dấu dữ liệu ở đâu, ai dùng và chảy đi đâu. Chỉ với nền tảng này thì học liên kết, quyền riêng tư vi phân và môi trường thực thi tin cậy mới trở nên có ý nghĩa. Hệ thống này đã phục vụ tổng cộng hơn 120 khách hàng (bao phủ hơn 15 ngành) và có một phương pháp luận có thể tái sử dụng cho quản trị dữ liệu và kiểm soát quyền hạn, nhưng lựa chọn cụ thể vẫn phụ thuộc vào độ chín dữ liệu của chính nhà máy. Nếu nền tảng dữ liệu chưa có, hãy lấp khoảng trống đó trước và đừng vội mua sản phẩm an ninh AI.

Chủ đề: AI-FAQ