大規模言語モデル（LLM）は、適切に管理されない場合、機密情報を記憶し、意図せず漏洩する能力を持っています。AAIA™学習ガイドによると、データマスキングは、トレーニングやインタラクション中にデータの機密部分を隠蔽または置換することで、個人識別情報（PII）や機密コンテンツの漏洩を防ぐ重要な技術です。
データマスキングは、LLM（学習モデル）に使用されるトレーニングデータに実際の機密識別子が含まれないようにします。サニタイズとは異なり、マスキングはデータを修正して有用性を維持しながら、情報漏洩のリスクを排除します。手動による監視とアクセス制御は補助的なセキュリティ対策であり、データサニタイズはコンテンツの削除に役立ちますが、データの構造を維持できない場合があります。データマスキングは、最も積極的かつ技術的に堅牢なソリューションを提供します。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIにおける倫理的および法的考慮事項」、サブセクション：「AIシステムにおけるデータプライバシーと情報保護」