Von Ralf Keuper

Die eindeutige Identifizierung von Personen, Institutionen, Komponenten und Algorithmen spielt in KI-Systemen eine große Rolle. Wenn man den Datenquellen, aus denen die KI-Systeme gespeist werden, nicht trauen kann, dann werden Unternehmen, Behörden und Verbraucher aus gutem Grund bei ihren Entscheidungen die Finger davon lassen.

Daher gehen DIN und DKE in der Normungsroadmap Künstliche Intelligenz in dem Kapitel Sicherheit und Vertrauen in Authentizität, Integrität und Qualität von Daten, Methoden und Maßnahmen und Diskussion der Ansätze näher auf das Thema ein.

Ansatz 1: Reputationssysteme

Zentralisiert

Zentralisierte Daten-Reputationssysteme sind in großem Maßstab beispielsweise auf monolithischen Plattformen abbildbar. Typischerweise verfügt ein Marktplatz über ein natives Reputationssystem, das unabhängig arbeitet und von eindeutigen persönlichen Identitäten abstrahiert ist. Das Fehlen von robusten Verifizierungs- und Bewertungsmechanismen ermöglicht es den Teilnehmern, diese Bewertungen zu manipulieren. Die Integrität und Authentizität der Daten kann nicht ohne einen Zugang zu den Identitätsregistern einer zentralen Plattform überprüft werden,…