AnswersPublished22 sources
Singapur, hassas verileri paylaşmadan yapay zekâ işbirliğini nasıl mümkün kılıyor?
Singapur’un PDPC ve IMDA kurumları, 20 Temmuz 2026’da gizliliği koruyucu teknolojilere ilişkin yeni kılavuzları ve PET Sandbox projelerini duyurdu. Singapur Genel Hastanesi’nin projesi, tıbbi görüntüler üzerinde bulut tabanlı yapay zekâ işlemleri için güvenilir yürütme ortamlarını kullanıyor; Ant International örneğ...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Singapur’un PDPC ve IMDA kurumları, 20 Temmuz 2026’da gizliliği koruyucu teknolojilere ilişkin yeni kılavuzları ve PET Sandbox projelerini duyurdu.
- Singapur Genel Hastanesi’nin projesi, tıbbi görüntüler üzerinde bulut tabanlı yapay zekâ işlemleri için güvenilir yürütme ortamlarını kullanıyor; Ant International örneği ise birden fazla PET tekniğini bir araya getir...
- Yöntem seçimi ihtiyaca bağlı: Veriler yerinde kalırken ortak model eğitimi için federatif öğrenme, paylaşılabilir bir veri kümesi gerektiğinde sentetik veri düşünülebilir.
AI Prompt
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
Singapur’un Kişisel Verileri Koruma Komisyonu (PDPC) ile Bilgi ve İletişim Medya Geliştirme Kurumu (IMDA), 20 Temmuz 2026’da düzenlenen Singapore Data Festival’de gizliliği koruyucu teknolojilere (PET) yönelik yeni kılavuzlar ve pilot uygulamalar açıkladı. Amaç, kurumların işe yarar verilere sahip olduğu hâlde hassas kayıtları bir araya getirmekten çekindiği ya da bunu yapamadığı durumlarda yapay zekâ işbirliğini kolaylaştırmak. 1
38
Veriyi kullanmanın iki farklı yolu
PET’ler, özgün verileri paylaşmadan işbirliği yapmayı veya veriyi daha güvenli biçimde paylaşılabilecek şekilde dönüştürmeyi sağlayabilir. Hangi yaklaşımın uygun olduğu, hedefin ortak bir model geliştirmek mi yoksa analiz için kullanılabilir bir veri kümesi oluşturmak mı olduğuna bağlıdır. 2
Federatif öğrenme: Veriler yerinde kalırken model eğitmek
Federatif öğrenmede kurumlar, dağıtık veri kümeleri üzerinde ortak bir model eğitir; temel kayıtlar kendi sistemlerinde kalır. Katılımcılar ham verileri tek bir yerde toplamak yerine model güncellemelerini veya toplulaştırılmış içgörüleri paylaşır. 18
32
Bu yöntem, farklı kurumların elindeki verilerle birlikte çalışmayı mümkün kılabilir. Ancak tek başına her modelin ya da veri alışverişinin risksiz olduğu anlamına gelmez: Uygun gizlilik, güvenlik ve yönetişim önlemleri yine gerekir. 16
Sentetik veri: Paylaşım veya analiz için yapay veri üretmek
Sentetik veri üretimi, özgün kayıtları kurumlar arasında taşımak yerine yapay veriler oluşturur. Bu yaklaşımın federatif öğrenmeden farkı, amaçlanan çıktıdır: Federatif öğrenmede veriler dağınık kalırken ortak bir model eğitilir; sentetik veri yaklaşımında ise kullanılabilir bir veri kümesi üretilir. PDPC’nin sentetik veri kılavuzu yapılandırılmış verilere odaklanıyor. 48
Yapay olarak üretilmiş olması, sentetik verinin otomatik olarak anonim olduğu anlamına gelmez. Kurumların, üretilen verinin kişiler hakkında bilgi açığa çıkarıp çıkaramayacağını ve amaçlanan kullanım için uygun olup olmadığını değerlendirmesi gerekir. PDPC ayrıca PET’lerin iyi yönetişim, güvenlik, erişim denetimleri ve insan gözetiminin yerini tutmadığını vurguluyor. 16
Yeni kılavuzlar uygulamaya odaklanıyor
Singapore Data Festival’de yeni bir Federatif Öğrenme Kılavuzu ile güncellenmiş Sentetik Veri Üretimi Kılavuzu duyuruldu. Bu belgeler, kurumların PET’leri uygulamaya geçirmesine yardımcı olmayı hedefliyor. Federatif öğrenme kılavuzuna ilişkin haberlerde uygulama yol haritaları ve risk yönetimi önerilerinden de söz ediliyor. 1
37
48
Pratikte seçim, kullanım senaryosuna göre yapılmalı: Kurumlar özgün verileri bir araya getirmeden ortak model geliştirmek istiyorsa federatif öğrenme; paylaşılabilir bir veri kümesine ihtiyaç duyuyorsa sentetik veri gündeme gelebilir. Hiçbir yöntem, gizlilik risklerini, veri kalitesini, güvenliği ve operasyonel uygunluğu ayrıca değerlendirme gereğini ortadan kaldırmıyor.
PET Sandbox’ta gerçek kullanım senaryoları deneniyor
IMDA’nın 2022’de başlattığı PET Sandbox, şirketlerin gizliliği koruyucu teknolojileri pilot uygulamalarda denemesi için destek sunuyor. 6
46 2026’da duyurulan yeni örnekler, farklı araçların sağlık ve ödeme alanlarında nasıl kullanılabileceğini gösteriyor.
38
- Tıbbi görüntüler: Duyurulan projeye göre Singapur Genel Hastanesi, tıbbi görüntüler üzerinde bulut tabanlı yapay zekâ çıkarımı için Güvenilir Yürütme Ortamları (Trusted Execution Environments) kullanıyor. Proje, hassas verileri korumalı bir ortamda işlemeyi amaçlıyor; duyuru, belirli klinik ya da mali faydaların kanıtlandığı şeklinde yorumlanmamalı.
15
38
- Ödeme alanında işbirliği: Ant International’ın örnek çalışması, federatif öğrenme, çok taraflı hesaplama ve homomorfik şifrelemeyi bir araya getiriyor. Kurumlar, temel kişisel verileri kendi ortamlarında tutarken ortak müşterileri belirleyebiliyor ve bir tahmin modelini birlikte eğitebiliyor.
Bu örnekler, pilot uygulamaların neden önemli olduğunu da ortaya koyuyor: Bir PET yalnızca gizlilik vaadi sunmakla kalmamalı, belirli işbirliği senaryosunda da işe yaramalı. Denemeler, kurumların daha geniş çaplı kullanıma geçmeden önce yöntemin uygunluğunu değerlendirmesine yardımcı olabilir. 6
46
Kurumlar için temel çıkarım
Singapur’un yaklaşımı, kılavuzları uygulamalı denemelerle birleştiriyor. Veriler yerinde kalırken ortak model eğitimi hedefleniyorsa federatif öğrenme; üretilmiş bir veri kümesi daha kullanışlıysa sentetik veri değerlendirilebilir. Her iki durumda da teknik ve gizlilik varsayımlarını gerçek kullanım ortamında sınamak gerekiyor. PET’ler özgün verileri açığa çıkarma ihtiyacını azaltabilir; ancak sorumlu veri kullanımının yalnızca bir parçasıdır, tek başına gizlilik garantisi değildir. 2
16
38
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Singapur, hassas verileri paylaşmadan yapay zekâ işbirliğini nasıl mümkün kılıyor?"?
Singapur’un PDPC ve IMDA kurumları, 20 Temmuz 2026’da gizliliği koruyucu teknolojilere ilişkin yeni kılavuzları ve PET Sandbox projelerini duyurdu.
What are the key points to validate first?
Singapur’un PDPC ve IMDA kurumları, 20 Temmuz 2026’da gizliliği koruyucu teknolojilere ilişkin yeni kılavuzları ve PET Sandbox projelerini duyurdu. Singapur Genel Hastanesi’nin projesi, tıbbi görüntüler üzerinde bulut tabanlı yapay zekâ işlemleri için güvenilir yürütme ortamlarını kullanıyor; Ant International örneği ise birden fazla PET tekniğini bir araya getir...
What should I do next in practice?
Yöntem seçimi ihtiyaca bağlı: Veriler yerinde kalırken ortak model eğitimi için federatif öğrenme, paylaşılabilir bir veri kümesi gerektiğinde sentetik veri düşünülebilir.