基于AI/ML的合规数据管理框架:暗数据治理与组织效率优化实践
《Applied Sciences》:Experimental Investigation of Retrofitting and Structural Health Monitoring of Reinforced Concrete Beam–Column Joints Under Seismic Loading
【字体:
大
中
小
】
时间:2026年10月22日
来源:Applied Sciences 2.5
摘要
随着人工智能(AI)和机器学习(ML)工具及服务、AI 代理以及组织内部基于多源数据的代理型 AI 应用日益增加,组织有必要以高效和可持续的方式解决合规性和高效数据管理问题,以保持竞争力。案例研究的结果是一个经过评估和改进的数据管理框架,适用于多种类型的组织;该框架包括由 AI/ML 引导的数据分类,以及在使用数据和信息于基于 AI/ML 的工具或服务、AI 代理或代理型 AI 解决方案之前,增加足够的网络安全和质量措施。本文强调了制定新的或改进的 AI 政策的必要性,并建议组织更新或改进其战略和流程,以便在获取利益的同时避免机密事项泄露和不合规情况。该框架及其流程——识别 - 保护/安全 - 预防,可能具有重大的实际潜力,对许多拥有大量未分类数据的组织(如大学、公共实体和公司)很有用。参与评估的组织之一能够快速对超过 10 TB 的数据进行分类,另一家组织则能够进一步删除/移除约 90% 不相关且在很大程度上未知(即“暗数据”)的数据,从而实现向新基础设施的过渡,并大幅节省成本,同时实现合规并提高数据管理效率。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号