AIシステムに入力されるデータの完全性は、極めて重要な懸念事項です。AAIA™学習ガイドでは、悪意のある入力を注入することでモデルの動作を操作する攻撃であるデータポイズニングのリスクを軽減するために、検証およびフィルタリングプロセスが不可欠であることを強調しています。
「データ汚染は、AIパイプラインにおける重大な脆弱性です。効果的な対策としては、トレーニングデータソースの堅牢な検証、フィルタリング、および監視が挙げられます。これらの予防策は、モデルの信頼性とセキュリティを確保するために不可欠です。」オプションA、B、Cは重要な運用およびトレーニング対策ですが、モデルの出力と信頼性を直接損なう可能性のある技術的リスクに対処しているのはDのみです。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIガバナンスとリスク管理」、サブセクション：「AIデータインテグリティと攻撃防止」