データ保護に対する全体的なアプローチの作成

データ保護に関する企業の文化的視点は、データ・プライバシーとデータ・セキュリティーのポリシーの制定や実行方法に表れます。Harvard Business Schoolでは、「データ倫理」を個人情報の収集、保護、使用に関連する道徳的義務、およびこのような行為が及ぼす影響と定義しています³。データに関して責任ある決定を行い、信頼できるAIを推進するには、以降で例証するデータ倫理の原則を検討する必要があります。

データ倫理とは、原則に従った行動と慣例によりデータ管理を実現するエンタープライズの文化を確立することです。このような倫理とデータ・リテラシーの文化が企業全体で採用され、自社の製品および運用に反映されるのが理想的です。一方、データ・プライバシーとは、人、ビジネス・プロセス、テクノロジーを通じてこれらの原則に従った行動を活性化させるポリシーと慣例を定義し、収集から保存に至るデータのライフサイクル全体でこれらのポリシーと慣例を運用可能にすることです。データ・ファブリック・アプローチの一環としてデータ倫理とデータ・プライバシーを作成して自動化することで、堅固なデータ・ガバナンス ・フレームワークを構築できます。

データ・ガバナンスにより、プライバシー保護のためのデータへのアクセス制限と、分析力向上のためのデータへのアクセス拡大とのバランスを取ることができます。組織が不正アクセスからデータを保護する一方でデータへのアクセスをよりスムーズにするためには、データ・アクセス制御などの適切なデータ・プライバシー・ツールを実装する必要があります。こうしたデータ・プライバシー・ツールをAIと結合すると、識別不能な方法で使用できるように機密データを匿名化し、ポリシーの適用を可能にするためにデータをタグ付けすることが可能になります。

データ・ファブリックなどの適切なデータ・アーキテクチャーを厳しいデータ管理と組み合わせると、個人データを非公開かつセキュアに保ちながら、データ・ユーザーがその個人データから洞察を獲得しやすくなります。

「規制の変更、サード・パーティー・データ、AIに関する新たな規制、さらに今後発生する可能性のある様々な新展開などに対処するために、データ保護フレームワークは柔軟性と対応性に非常に優れている必要があります」と、IBMチーフ・プライバシー・オフィスのサービス、コンプライアンス&リサーチ担当バイス・プレジデントのLee Coxは述べています。「データ・プライバシー、データ倫理、データ・ガバナンスの間には、当初考えられていたよりもかなり密接な関連性が存在します。しかし最新のテクノロジーを活用して、以前よりもはるかに効率的かつ大規模に、データを信頼して処理できるようになりました」

「テクノロジーは進化していますが、脅威も急激に増大しています」とIBMの技術理事、およびデータ・プラットフォーム・サービス担当グローバルCTOであるMehdi Charafeddineは述べています。「幸いにも、データ保護を適用し、データ・プライバシーをサポートするための多くの優れた手法が登場してきています」

Gartner社によると、データ・セキュリティーは、データの移動中や保存中にかかわらず、機密情報資産を保護するプロセスと手法で構成されています。そのためデータ・セキュリティーでは、暗号化、多要素認証、マスキング、消去、データ・レジリエンスなど、データ・プライバシーを保護するために使用されるツールやソフトウェアのすべてが重要です。とはいえ、適切なアプリケーションやアリゴリズムを実装するだけでなく、適切な制御やポリシーを実装できる企業文化を醸成することも非常に重要です。

テクノロジーの観点から言えば、データはデータ・ファブリック・アーキテクチャーを使用して保護できます。データ・ファブリック・アーキテクチャーでは、ユーザーがアプリケーションでデータと対話する「フロント・ドア」と、データが生成および保存されるソースである「バック・ドア」に加えて、これらの2つのドアの間に存在するすべての場所でデータが保護されます。このフロント・ドア/バック・ドアのアプローチは、適切なデータ・セキュリティー・ポリシーと制御を確保するのに不可欠です。

「IBMの多くのお客様は、複数の地域でデータを運用されています」とIBMのデータ・ガバナンス、データ・プライバシー、データサイエンスのための製品管理担当ディレクターであるPriya Krishnanは述べています。「そのため、こうしたお客様のデータ・サイエンティストは、複数の地域をまたいで分析を実行したいと考えていました。しかし多くの場合、データのサイロ化や集中ガバナンスの欠如により、データを共有できません。このような場合、古い解決策に従えば「見つからないデータを想像したりシミュレーションを行うことで、そうしたデータをモデル化する」ことしかできませんでした。しかし、データ・ファブリックを実装することで、企業は適切なガバナンスとプライバシーのルールを適用してデータをデータサイエンティストに提供できるようになるだけでなく、データサイエンティストは組織横断型のイニシアチブを発揮できるようにしました」

データ・セキュリティー対策をエンドツーエンドのデータ管理に組み込むことは、特に機密データのセキュリティーとプライバシーの両方をサポートする上で重要です。ある病院での医療研究を例に取ってみましょう。この病院では、サード・パーティーの専門家やデータサイエンティストとたびたび協業しています。業務の中では特定のデータやアプリケーションの取り扱いが必要になるのですが、その専門家やデータサイエンティストには規制対象のデータや個人を特定できる情報を参照する権限がありません。こうした場合、自動化された役割ベースのデータ・ポリシーを導入することで、アプリケーション・レベルでのプライバシーやコンプライアンスの観点からこのような機密データを保護しながら、同時に異なる関係者とのコラボレーションができるようになります。さらに、信頼できるAIを実現するには、保管されているソース（例えば、そのデータが最初に収集された場所にあるオンプレミスのデータベースなど）で、そのデータが保護されている必要があります。そうしなければ、サイバー犯罪者がこれらのシステムに侵入した場合、患者情報は依然として脆弱な状況に置かれたままになります。

データ・セキュリティーを正しく実行することにより、人、プロセス、テクノロジーの全体で、AIに対する信頼を高めることができます。エンタープライズのすべての領域で情報セキュリティーを優先するために、以降のベスト・プラクティスを検討してください。