受监管企业面临 AI 行业在很大程度上忽视的问题:为准备 AI 训练数据而构建的工具是为数据自由流过云基础设施的公司设计的。对于受 HIPAA 约束的医疗组织、受 GDPR 约束的欧洲公司或在离线网络中运营的 国防承包商,"只需上传文件"不是一个选项。
本指南涵盖 GDPR、HIPAA 和 EU AI Act 对数据准备流程的实际要求,也就是你收集、清洗、标注和导出训练数据的更早阶段,远在模型部署之前。它还解释了为什么基于云的数据准备工具在结构上与这些要求不兼容,以及本地合规在实践中是什么样子。
GDPR:数据准备阶段的要求
包括合法依据(第 6 条)、目的限制(第 5(1)(b) 条)、数据最小化(第 5(1)(c) 条)、被遗忘权(第 17 条)和数据传输限制(第 44 条)。
HIPAA:首先脱敏
安全港方法要求移除所有 18 种指定标识符。专家判定方法需要统计专家确定识别个人的风险很小。
EU AI Act 第 10 条:高风险系统的数据治理
训练数据必须相关、有代表性、无错误且完整。必须有数据治理实践。训练数据必须检查可能导致歧视的偏差。高风险 AI 系统的完整适用日期为 2026 年 8 月 2 日。
合规检查清单
| 要求 | GDPR | HIPAA | EU AI Act |
|---|---|---|---|
| 合法依据记录 | 必需 | 不适用 | 建议 |
| PHI/PII 处理前脱敏 | 必需 | 必需 | 敏感数据必需 |
| 数据最小化 | 必需 | 建议 | 必需 |
| 数据留在管辖范围内 | 必需 | 必需 | 建议 |
| 审计日志 | 必需 | 必需 | 必需 |

