为 AI 训练数据构建不可变审计轨迹：技术要求

当 EU AI Act 说 AI 系统必须维护运营记录时，它不是说"在某处保留一个日志文件"。它意味着审计员可以独立确认自创建以来未被修改的可验证、防篡改记录。

"不可变"在此上下文中的含义

一旦记录被写入，任何用户、管理员或系统进程都不能修改、覆盖或删除它。

技术机制：写入一次存储、加密链、数字签名、带行级安全的仅追加数据库。

使用 PostgreSQL，SHA-256 哈希链。成本最低，使用现有基础设施。

通过单个根哈希高效验证大型数据集。适用于数据集版本控制。

每条日志使用 HSM 管理的私钥签名。最强的法律和监管证据形式。

推荐方法： 结合选项 1 和 2。

摄入： 源文件路径、哈希、格式、提取方法、操作员 ID。

清洗： 输入数据集版本、操作类型、参数、修改记录、前后样本。

标注： 标注方法、标注者 ID、标签模式版本、标注者间一致性分数。

增强： 增强方法、参数、生成的合成记录数。

导出： 输出格式、记录数、输出文件哈希、Merkle 树根哈希。

每年约 50MB 原始日志数据。10 年约 500MB。存储成本不是约束。约束是完整性——确保数据在 10 年间跨存储迁移和硬件替换保持未修改。

建议在至少两个独立位置存储审计日志并进行独立完整性验证。

Ertas Data Suite 原生实现不可变审计日志。每个操作生成带操作员标识的哈希链、带时间戳的日志条目。数据集版本通过 Merkle 树根哈希跟踪。