YD/T 4994-2024
Технические требования и методы оценки защиты персональных данных в приложениях искусственного интеллекта на мобильных интеллектуальных терминалах (Англоязычная версия)

Стандартный №

YD/T 4994-2024

язык

Китайский, Доступно на английском

Дата публикации

2024

Разместил

Professional Standard - Post and Telecommunication

Последняя версия

YD/T 4994-2024

сфера применения

Стандартная структура и основные требования

Связи обработки	Технические требования	Критические контрольные точки
Сбор данных	6.1.1-6.1.7	Мониторинг системных ресурсов, явное уведомление и минимально достаточный принцип
Обучение модели	6.2.1-6.2.3	Анонимизация данных, защита от кражи модели и проверка целостности
Анализ и Обработка	6.3.1–6.3.7	Прозрачность обработки, обзор алгоритмических решений и механизм подачи жалоб

---

Ключевые моменты классификации и защиты личной информации

Стандарт делит обработку личной информации ИИ на 8 категорий:

1. Биометрия: требуется хранение в выделенной области аппаратной изоляции (6.4.5)
2. Голос и изображение: передача должна быть зашифрована (6.5.5)
3. Местоположение и траектория: требуется контроль доступа во время хранения (6.4.3)
4. Поведенческие привычки: запрет на скрытую добычу данных (6.3.5)
5. Учетные данные: требуется хранилище соленых хешей (6.4.4)

---

Ключевые рекомендации по внедрению технологий

1. Проектирование соответствия для сбора данных

Необходимо реализовать тройной механизм контроля:

• Мониторинг на уровне системы: перехват в режиме реального времени конфиденциальных вызовов API, таких как вызовы камер и микрофонов (7.2.1)
• Динамическая авторизация: получение согласия функционального модуля (6.1.6)
• Управление периодом действия: установка механизма предохранителя времени сбора данных (6.1.7)

2. Управление безопасностью данных обучения

Меры защиты	Требования к реализации	Методы тестирования
Деидентификация	k-анонимизация для k≥3 (6.2.1)	7.3.1 Проверка выборки данных
Защита модели	Шифрование «белого ящика» + защита от отладки (6.2.3)	7.3.3 Тест обратного анализа

---

Ключевые моменты для реализации метода оценки

Стандарт принимает трехуровневую систему суждений:

• Отсутствие отклонений: Полностью соответствует требованиям контроля (7.1)
• Риск: Потенциальная возможность нарушения (например, неустановка периода действия данных)
• Вредоносный: Существенное нарушение (например, скрытый сбор биометрических данных)

Типичные примеры тестовых сценариев:

1. Тест мониторинга вызовов чувствительного API (7.2.1)
2. Проверка достоверности анонимизации данных (7.5.7)
3. Обнаружение возможности восстановления удаленных данных (7.9)

---

Развитие стандарта и влияние на отрасль

По сравнению с YD/T3082-2016 этот стандарт имеет следующие основные прорывы:

• Впервые разъясняются специфические для ИИ риски (такие как кража модели и алгоритмическая дискриминация).
• Устанавливается полноценный контроль потока данных (6.5–6.7).
• Вводится принцип активного триггера (5.2.5) для ограничения сбора фоновых данных.

Влияние соответствия на производителей мобильных телефонов: необходимо реструктурировать систему управления разрешениями платформы ИИ, в частности:

• Независимая аутентификация безопасности модуля биометрической обработки.
• Отслеживание аудита жизненного цикла обучающих данных.
• Механизм двойного подтверждения для приложений с портретами пользователей.