What is Data Lineage（資料血統）?

Definition

資料血統是資料來自何處、如何被轉換以及在哪裡被使用的端到端記錄。在 AI 和機器學習中，血統追蹤資料生命週期的每個階段：從原始來源擷取、清理和預處理、標記、增強，最終納入產生特定模型版本的訓練資料集。健全的血統系統回答「哪些訓練範例影響了此模型的行為？」和「能否證明訓練中未使用受版權保護的材料？」等問題。

在受監管行業中，資料血統不是可選的。GDPR、HIPAA 和歐盟 AI 法案等法規要求組織證明訓練資料來源、資料主體權利得到尊重，以及有偏見的資料被適當處理。

Why It Matters

隨著全球 AI 監管加速，追蹤每條訓練資料回到來源的能力正成為硬性要求。歐盟 AI 法案明確要求高風險 AI 系統記錄訓練資料來源。除了合規，資料血統在模型表現出意外行為時支援根因分析，工程師可將有問題的輸出追溯到特定訓練範例。

How It Works

現代資料血統系統透過在資料管線每個階段進行檢測來工作。擷取時記錄來源 URL、檔案雜湊、時間戳。清理和轉換期間記錄每個操作的參數。標記階段捕獲標註者身份和一致性分數。此元資料儲存在血統資料庫或圖形中。

Example Use Case

一家金融服務公司微調模型協助監管申報。稽核員要求驗證未使用機密資料時，合規團隊幾分鐘內就透過血統系統產出完整報告。沒有血統，此稽核回應將需數週手動調查。

Key Takeaways

• 資料血統追蹤資料從來源經過每個轉換到模型訓練中的使用。
• GDPR、HIPAA 和歐盟 AI 法案等法規要求高風險 AI 系統的血統。
• 正向和反向追蹤支援合規報告和模型問題除錯。
• 血統元資料包括來源記錄、轉換日誌、時間戳和校驗和。
• 投資血統基礎設施防止合規失敗並加速根因分析。