ОтветыОпубликовано22 источники
Как Сингапур упрощает внедрение ИИ, не раскрывая исходные данные
20 июля 2026 года Комиссия по защите персональных данных Сингапура и Управление по развитию инфокоммуникаций и медиа представили новые рекомендации и проекты испытательного центра. В одном медицинском проекте защищённые среды используются для облачной обработки медицинских изображений с помощью ИИ; в кейсе Ant Inter...
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- 20 июля 2026 года Комиссия по защите персональных данных Сингапура и Управление по развитию инфокоммуникаций и медиа представили новые рекомендации и проекты испытательного центра.
- В одном медицинском проекте защищённые среды используются для облачной обработки медицинских изображений с помощью ИИ; в кейсе Ant International сочетаются несколько технологий защиты приватности.
- Выбор зависит от задачи: обучать модель совместно, не перемещая исходные данные, или создать искусственный набор данных для анализа и обмена.
Промпт ИИ
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
Комиссия по защите персональных данных Сингапура (PDPC) и Управление по развитию инфокоммуникаций и медиа (IMDA) представили новые рекомендации по технологиям повышения конфиденциальности данных и примеры их применения на Singapore Data Festival 20 июля 2026 года. Инициативы нацелены на практическую проблему: у организаций могут быть полезные данные для разработки ИИ, но объединять чувствительные записи в одной базе они не могут или не хотят. 1
38
Два способа работать с данными, не раскрывая их без необходимости
Технологии повышения конфиденциальности (PET) помогают либо сотрудничать, не передавая исходные данные, либо преобразовывать данные, чтобы безопаснее делиться ими. Это решения для разных задач: выбор зависит от того, нужно ли организациям совместно обучить модель или получить набор данных для анализа. 2
Федеративное обучение: данные остаются у владельцев
При федеративном обучении участники совместно обучают модель на распределённых наборах данных, сохраняя исходные записи в своих системах. Вместо того чтобы просто свести базы вместе, они передают обновления модели или агрегированные результаты. 18
32
Такой подход может помочь организациям сотрудничать, даже если данные хранятся у разных владельцев. Однако само по себе федеративное обучение не означает, что модель или обмен информацией полностью защищены от риска: необходимы соответствующие меры безопасности, конфиденциальности и управления данными. 16
Синтетические данные: искусственный набор для обмена или анализа
Синтетические данные — это искусственно сгенерированные записи, а не исходные данные, которыми организации обмениваются напрямую. Такой вариант решает иную задачу: он даёт возможность работать с набором данных, тогда как федеративное обучение позволяет обучать общую модель, не сводя исходные данные в одном месте. Руководство PDPC по созданию синтетических данных посвящено структурированным данным. 48
Нельзя считать синтетические данные анонимными только потому, что они искусственные. Организациям всё равно нужно оценить, могут ли они раскрыть сведения о конкретных людях и подходят ли для предполагаемого применения. В целом PDPC подчёркивает: PET не заменяют надлежащее управление данными, безопасность, контроль доступа и человеческий надзор. 16
Что дают новые рекомендации
На Singapore Data Festival представили новое руководство по федеративному обучению и обновлённое руководство по созданию синтетических данных. Их задача — помочь организациям применять PET на практике. В сообщениях о рекомендациях по федеративному обучению также упоминаются планы внедрения и советы по управлению рисками. 1
37
48
Практический выбор зависит от цели: федеративное обучение подходит, когда организации хотят совместно разработать модель, не объединяя исходные данные; синтетические данные — когда нужен набор для обмена или анализа. Ни один из этих подходов не отменяет проверки рисков для приватности, качества данных, безопасности и соответствия решения конкретной задаче.
Испытательный центр проверяет решения на практике
Испытательный центр IMDA по технологиям повышения конфиденциальности (PET Sandbox) работает с 2022 года. Он даёт компаниям возможность пилотировать такие решения при поддержке ведомства. Новые примеры, представленные в 2026 году, показывают применение разных технологий в здравоохранении и платёжной сфере. 6
46
38
- Медицинские изображения. Согласно представленному описанию проекта, Singapore General Hospital использует доверенные среды выполнения (Trusted Execution Environments) для облачной обработки медицинских изображений с помощью ИИ. Проект демонстрирует попытку обрабатывать чувствительные данные в защищённой среде, но само объявление о нём не доказывает конкретных клинических или финансовых преимуществ.
15
38
- Совместная работа с платёжными данными. В кейсе Ant International описано сочетание федеративного обучения, многосторонних вычислений (Multi-Party Computing) и гомоморфного шифрования. Участники могут выявлять общих клиентов и совместно обучать модель прогнозирования, оставляя исходные персональные данные в своих системах.
Эти примеры объясняют, зачем нужны пилоты: технология должна подходить для конкретного сотрудничества, а не просто иметь привлекательное название. Испытания помогают оценить, насколько решение годится для использования, прежде чем внедрять его шире. 6
46
Что это означает для бизнеса
Подход Сингапура сочетает практические рекомендации с экспериментами. Если цель — совместно обучать модель, сохраняя данные у их владельцев, можно рассмотреть федеративное обучение. Если полезнее получить искусственный набор для обмена или анализа — синтетические данные. В обоих случаях важно проверить технические предположения и риски в условиях предполагаемого применения. PET могут уменьшить необходимость раскрывать исходные данные, но это лишь часть ответственного обращения с ними, а не безусловная гарантия приватности. 2
16
38
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Как Сингапур упрощает внедрение ИИ, не раскрывая исходные данные»?
20 июля 2026 года Комиссия по защите персональных данных Сингапура и Управление по развитию инфокоммуникаций и медиа представили новые рекомендации и проекты испытательного центра.
Какие ключевые моменты необходимо проверить в первую очередь?
20 июля 2026 года Комиссия по защите персональных данных Сингапура и Управление по развитию инфокоммуникаций и медиа представили новые рекомендации и проекты испытательного центра. В одном медицинском проекте защищённые среды используются для облачной обработки медицинских изображений с помощью ИИ; в кейсе Ant International сочетаются несколько технологий защиты приватности.
Что мне делать дальше на практике?
Выбор зависит от задачи: обучать модель совместно, не перемещая исходные данные, или создать искусственный набор данных для анализа и обмена.