VIP20

本课程属于：002-AI安全合规实战 网络安全工程与攻防实战 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

AI数据审计全流程实操

📚 共计 30 章节

数据审计概述

什么是AI数据审计 · 行业背景与法规要求（GDPR、个人信息保护法）· 核心目标与价值

审计框架搭建

通用流程框架（计划-采集-分析-报告-整改）· 角色与职责 · 工具选型策略

数据源识别与分类

企业内部数据源（数据库、日志、API）· 外部数据源 · 分类分级标准

数据源分类

数据采集策略

全量 vs 抽样 · 实时 vs 批量 · 权限与合规控制

数据质量审计基础

完整性、准确性、一致性、时效性、唯一性定义与检查方法

数据质量审计实操

使用Python（Pandas）进行缺失值、异常值、重复值检测

数据血缘分析

什么是数据血缘 · 手动构建血缘图 · 使用Apache Atlas自动追踪

数据隐私审计

PII识别 · 数据脱敏效果验证 · 匿名化与假名化审计方法

数据安全审计

访问控制审计 · 加密存储与传输 · 日志审计与异常行为检测

数据合规审计

数据生命周期合规 · 用户同意与授权记录 · 跨境数据传输合规

模型输入数据审计

训练数据分布检查 · 特征工程审计（泄漏/漂移）· 标签质量审计

模型输出数据审计

预测偏差分析 · 公平性审计 · 可解释性审计（SHAP、LIME）

数据偏差与公平性审计

采样/标注/历史偏差 · 公平性指标（Demographic Parity等）

数据漂移检测

概念漂移 · 分布漂移 · KS检验、PSI检测

数据审计报告撰写

报告结构（摘要、范围、发现、风险等级）· 可视化呈现

报告可视化

审计整改与跟踪

制定整改计划 · 优先级排序 · 效果复验与闭环管理

自动化审计脚本开发

Python自动化脚本：数据质量检查、隐私扫描、合规规则引擎

自动化Python

审计工具链搭建

Great Expectations · Deequ · Amundsen 集成与配置

工具链开源

数据审计中的SQL应用

数据探查 · 异常定位 · 审计抽样查询

数据审计中的Python应用

Pandas高级操作 · Matplotlib/Seaborn可视化辅助审计

Python可视化

实时数据流审计

Kafka数据流审计 · 流式质量监控 · 实时异常告警

数据仓库与数据湖审计

Snowflake/BigQuery审计要点 · Delta Lake/Iceberg元数据审计

数仓数据湖

第三方数据供应商审计

数据质量评估 · 来源合规性审查 · 合同与SLA审计

AI模型全生命周期审计

端到端审计 · 模型版本管理与审计追踪

全生命周期版本

数据审计中的风险管理

风险识别矩阵 · 量化方法 · 应对策略

案例实战（一）金融风控

信贷评分数据质量与公平性审计

案例实战（二）医疗AI诊断

患者隐私与数据完整性审计

案例实战（三）电商推荐

用户行为数据偏差与数据漂移审计

数据审计的未来趋势

AI驱动自动化 · 联邦学习审计 · 可审计AI标准

趋势联邦学习

课程总结与认证

核心知识点回顾 · 能力自评表 · 认证路径建议