当前位置:首页 > 报告详情

利用令牌化技术保护您的 AI 工作负载数据(由 Capital One 赞助).pdf

上传人: 明**** 编号:1012799 2025-12-21 30页 592.82KB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
根据《Securing Data for Your AI Workloadswith Tokenization》的内容,以下是全文关键点的概括: 1. **AI数据挑战**:AI投资激增,但依赖于敏感数据,数据生成量从2019年到2023年增长了300%,美国有162~70%的企业在业务中部署或探索AI,但数据泄露也在增加。 2. **解决方案**:通过脱敏(De-identify)来分离价值和风险,使用非敏感的标记(Tokenization)代替敏感数据元素。 3. **Tokenization优势**:与加密相比,Tokenization保留了数据格式,简化了密钥管理,且在数据库中替换原始值时无需修改模式。 4. **Capital One案例**:Capital One在AWS上建立了大规模的Tokenization架构,并推出了Databolt平台,实现了无数据库(Vaultless)的Tokenization。 5. **Databolt优势**:支持无限扩展、低延迟、云原生架构和闪电般的性能。 6. **Tokenization应用**:用于训练LLMs(大型语言模型)和SLMs(小型语言模型),以及与数据仓库集成。 7. **最佳实践**:在AWS上采用无数据库、联邦架构,并使用Tokenization作为数据中心的防护措施。
AI数据难题的解决方案?" "Tokenization如何守护AI数据安全?" "Capital One如何打造云上Tokenization架构?"
客服
商务合作
小程序
服务号
折叠