JawabanDipublikasikan22 sumber
Cara Singapura Membuat AI yang Menjaga Privasi Lebih Praktis
Pada 20 Juli 2026, PDPC dan IMDA Singapura mengumumkan panduan baru tentang federated learning, pembaruan panduan data sintetis, serta proyek uji coba teknologi pelindung privasi. Federated learning memungkinkan pelatihan model bersama saat data tetap berada di lingkungan masing masing; data sintetis menghasilkan da...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Pada 20 Juli 2026, PDPC dan IMDA Singapura mengumumkan panduan baru tentang federated learning, pembaruan panduan data sintetis, serta proyek uji coba teknologi pelindung privasi.
- Federated learning memungkinkan pelatihan model bersama saat data tetap berada di lingkungan masing masing; data sintetis menghasilkan dataset buatan untuk dibagikan atau dianalisis.
- Uji coba mencakup pemrosesan citra medis dengan Trusted Execution Environment serta kolaborasi Ant International menggunakan beberapa teknologi pelindung privasi.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: How are Singapore’s Personal Data Protection Commission (PDPC) and Infocomm Media Development Authority (IMDA) advancing privacy-preserving. Article summary: PDPC and IMDA are combining practical privacy-enhancing technology (PET) guidance with sandbox experimentation to make data-driven innovation easier without requiring unrestricted access to sensitive data; these initiati. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Mengembangkan AI sering kali membutuhkan banyak data—tetapi data sensitif tidak selalu bisa, atau layak, dikumpulkan di satu tempat. Untuk membantu organisasi mengatasi kendala itu, Komisi Perlindungan Data Pribadi Singapura (PDPC) dan Otoritas Pengembangan Media dan Infokom Singapura (IMDA) mengumumkan panduan teknologi pelindung privasi dan proyek uji coba baru pada Singapore Data Festival, 20 Juli 2026. 1
38
Teknologi pelindung privasi (privacy-enhancing technologies, atau PET) membantu organisasi mengambil manfaat dari data dengan membatasi paparan informasi pribadi. Secara umum, ada dua jalur: bekerja sama tanpa membagikan data asli, atau mengubah data agar lebih aman untuk dibagikan. 2
Dua pendekatan, dua kebutuhan
Federated learning: melatih model tanpa memindahkan data
Dalam federated learning, organisasi melatih model AI menggunakan data yang tetap berada di sistem masing-masing. Yang dipertukarkan dapat berupa pembaruan model atau hasil gabungan, bukan sekadar kumpulan data mentah. Dengan begitu, sejumlah pihak bisa mengembangkan model bersama tanpa menyatukan catatan asli mereka. 18
32
Pendekatan ini dapat membantu ketika data tersebar di beberapa organisasi. Namun, data yang tetap berada di tempat asalnya bukan jaminan bahwa seluruh proses bebas risiko. Pertukaran informasi dan model tetap perlu dilindungi dengan pengamanan, tata kelola, dan pengawasan yang sesuai. 16
Data sintetis: membuat dataset untuk dibagikan atau dianalisis
Data sintetis adalah data buatan yang dihasilkan untuk keperluan tertentu, alih-alih membagikan catatan asli. Pendekatan ini cocok untuk kebutuhan yang berbeda dari federated learning: hasil utamanya berupa dataset, bukan model bersama yang dilatih saat data tetap tersebar. Panduan PDPC mengenai pembuatan data sintetis berfokus pada data terstruktur. 48
Meski dibuat secara artifisial, data sintetis tidak otomatis anonim. Organisasi tetap perlu menilai apakah data yang dihasilkan dapat mengungkap informasi tentang seseorang dan apakah data itu cocok untuk tujuan penggunaannya. PDPC juga mengingatkan bahwa PET tidak menggantikan tata kelola yang baik, keamanan, kontrol akses, maupun pengawasan manusia. 16
Panduan baru untuk membantu penerapan
Pengumuman di Singapore Data Festival mencakup panduan baru tentang federated learning dan pembaruan Panduan Pembuatan Data Sintetis. Materi tersebut ditujukan untuk membantu organisasi menerapkan PET. Pemberitaan mengenai panduan federated learning menyebut adanya peta jalan adopsi dan rekomendasi pengelolaan risiko. 1
37
48
Pilihan teknologi sebaiknya berangkat dari kebutuhan. Jika beberapa pihak ingin melatih model bersama tanpa mengumpulkan data asli, federated learning bisa dipertimbangkan. Jika yang dibutuhkan adalah dataset untuk dibagikan, data sintetis mungkin lebih sesuai. Dalam kedua kasus, organisasi tetap perlu memeriksa risiko privasi, mutu data, keamanan, dan kecocokan teknisnya.
Proyek uji coba menguji penerapan di lapangan
IMDA meluncurkan PET Sandbox pada 2022 sebagai tempat bagi perusahaan untuk menguji coba teknologi pelindung privasi dengan dukungan dari lembaga tersebut. 6
46 Kasus penggunaan baru yang diumumkan pada 2026 menunjukkan penerapan teknologi berbeda di bidang kesehatan dan pembayaran.
38
- Citra medis: Singapore General Hospital menggunakan Trusted Execution Environment untuk menjalankan inferensi AI berbasis cloud pada citra medis, menurut pengumuman proyek tersebut. Kasus ini memperlihatkan upaya memproses materi sensitif dalam lingkungan yang terlindungi. Namun, pengumuman itu bukan bukti bahwa manfaat klinis atau penghematan biaya tertentu sudah tercapai.
15
38
- Kolaborasi pembayaran: Studi kasus Ant International menjelaskan penggunaan gabungan federated learning, Multi-Party Computing, dan Homomorphic Encryption. Pihak-pihak yang terlibat dapat mengenali pelanggan yang sama dan melatih model prediksi bersama, sementara data pribadi yang mendasarinya tetap berada di lingkungan masing-masing.
Uji coba seperti ini penting karena teknologi yang terlihat menjanjikan di atas kertas belum tentu cocok untuk setiap bentuk kerja sama. Pengujian membantu organisasi menilai kesesuaian pendekatan sebelum menerapkannya secara lebih luas. 6
46
Intinya: kurangi paparan data, bukan kewaspadaan
Langkah Singapura menggabungkan panduan dengan eksperimen praktis. Federated learning dapat dipertimbangkan saat tujuan utamanya adalah melatih model bersama dengan data yang tetap berada di tempat masing-masing; data sintetis dapat dipilih ketika organisasi membutuhkan dataset untuk dibagikan. Keduanya tetap perlu diuji dari sisi privasi, keamanan, dan kecocokan dengan tujuan penggunaan. 2
16
38
PET dapat mengurangi kebutuhan untuk membuka data asli, tetapi bukan jaminan privasi menyeluruh. Teknologi ini merupakan salah satu bagian dari penggunaan data yang bertanggung jawab—bukan pengganti tata kelola dan pengawasan.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Cara Singapura Membuat AI yang Menjaga Privasi Lebih Praktis"?
Pada 20 Juli 2026, PDPC dan IMDA Singapura mengumumkan panduan baru tentang federated learning, pembaruan panduan data sintetis, serta proyek uji coba teknologi pelindung privasi.
Apa poin penting yang harus divalidasi terlebih dahulu?
Pada 20 Juli 2026, PDPC dan IMDA Singapura mengumumkan panduan baru tentang federated learning, pembaruan panduan data sintetis, serta proyek uji coba teknologi pelindung privasi. Federated learning memungkinkan pelatihan model bersama saat data tetap berada di lingkungan masing masing; data sintetis menghasilkan dataset buatan untuk dibagikan atau dianalisis.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Uji coba mencakup pemrosesan citra medis dengan Trusted Execution Environment serta kolaborasi Ant International menggunakan beberapa teknologi pelindung privasi.