mcpField
A
ai-deployment-checklist

ai-deployment-checklist

github.com/mukul975安全32341 次安装32 周前更新
代码仓库

关于 ai-deployment-checklist

ai-deployment-checklist 是面向 AI 开发与治理团队的上线前隐私合规检查清单。它按法律依据、透明度、数据主体权利、数据质量、安全和治理等维度设置核验项,并涵盖高风险系统的 EU AI Act 要求。

主要功能

  1. 01核验法律依据与 DPIA
  2. 02检查透明度及数据主体权利
  3. 03审查数据质量与偏见
  4. 04检查安全和技术控制
  5. 05规划上线监控与治理
  6. 06核对高风险系统 AI Act 要求

适用场景

  1. 01将隐私核验纳入 AI 上线审批
  2. 02检查自动化决策的解释与申诉机制
  3. 03审核高风险 AI 系统合规材料

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mukul975/privacy-data-protection-skills --skill ai-deployment-checklist

安装后在 Claude Code 中输入/ai-deployment-checklist确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

assets/
template.md
references/
standards.md
workflows.md
scripts/
process.py

详细介绍

AI 系统部署前隐私检查清单

概述

部署处理个人数据的 AI 系统前,必须从多个维度核实其是否符合隐私合规要求。本检查清单是 Cerebrum AI Labs ML 部署流水线中的合规关卡。在所有强制检查项均通过核实并由数据保护官(DPO)签字确认之前,不得将任何 AI 系统部署到生产环境。本检查清单围绕 GDPR 要求、EU AI Act 义务(适用于高风险系统)和内部治理标准制定。

部署前合规关卡

关卡 1:法律依据和 DPIA
检查项要求状态证据
已记录合法依据已确定并记录所有个人数据处理的 Art. 6(1) 依据必须LIA 或同意记录
已评估特殊类别数据已识别 Art. 9 数据;已记录明确同意或 Art. 9(2) 例外必须数据分类报告
已完成 DPIA已针对高风险处理(用户画像、系统性监控、大规模特殊类别数据)完成 Art. 35 DPIA适用时必须经 DPO 签字的 DPIA 文档
已缓解 DPIA 风险已记录 DPIA 中所有高风险/严重风险的缓解措施必须风险处置计划
事先咨询若残余风险仍然较高,已根据 Art. 36 咨询监管机构适用时必须咨询记录
合法利益评估若依据 Art. 6(1)(f) 处理,已完成 LIA 平衡测试依据为 LI 时必须LIA 文档
关卡 2:透明度和信息告知
检查项要求状态证据
已更新隐私声明Art. 13-14 信息中包含 AI 处理详情必须更新后的隐私声明
已说明逻辑已向数据主体记录“有关所涉逻辑的有意义信息”自动化决策时必须说明文档
已披露影响已披露 AI 处理可能产生的后果自动化决策时必须隐私声明章节
已披露用户画像如果系统为个人建立用户画像,已在隐私声明中披露进行用户画像时必须隐私声明章节
AI Act 透明度已满足 Art. 52 透明度义务(如适用):告知用户其正在与 AI 交互适用 AI Act 时必须用户界面披露
关卡 3:数据主体权利
检查项要求状态证据
已定义访问流程已制定响应 AI 数据(输入、输出、用户画像)访问请求的流程必须已记录的 SOP
解释机制可按请求生成个人解释Art. 22 要求时必须已验证技术能力
可进行人工干预已建立 Art. 22(3) 人工审查流程仅针对自动化决策时必须流程文档 + 受训员工
异议渠道数据主体可以对 AI 决策提出异议并要求复核Art. 22 要求时必须申诉流程文档
更正流程已制定更正 AI 输入数据并重新生成输出的流程必须已记录的 SOP
删除流程已制定从训练集、推理日志和嵌入中删除数据的流程必须已记录的 SOP
Gate 4:数据质量与偏差
检查项要求状态证据
已记录训练数据已记录数据来源、规模、收集方法和预处理方式必需数据卡 / 数据集文档
已完成偏差测试已针对受保护属性(性别、种族、年龄、残障)对模型进行偏差测试必需偏差测试报告
公平性指标可接受差别影响比率 >0.8(五分之四规则),或等效指标在可接受范围内必需公平性指标报告
已验证数据质量已验证训练数据的完整性、准确性和代表性必需数据质量报告
已移除或说明 Art. 9 数据已移除特殊类别数据,或已记录合法依据必需数据分类报告
Gate 5:安全与技术控制
检查项要求状态证据
静态数据加密训练数据和模型权重已加密(AES-256 或等效算法)必需安全配置
传输中数据加密所有 API 端点均使用 TLS 1.2+必需SSL 证书
访问控制对模型、训练数据和推理日志实行基于角色的访问控制必需IAM 策略
审计日志记录记录所有模型调用及其时间戳、输入哈希、输出和用户必需日志配置
对抗鲁棒性已针对与模型领域相关的常见对抗攻击进行测试建议安全测试报告
模型版本管理已在注册表中对模型进行版本管理,并支持回滚必需MLflow / 模型注册表
Gate 6:监控与治理
检查项要求状态证据
性能监控生产环境中用于跟踪准确率、延迟和错误率的仪表板必需监控设置
漂移检测已实现数据漂移和概念漂移检测必需漂移监控配置
偏差监控持续跟踪部署后的偏差指标必需公平性监控仪表板
事件响应处理 AI 相关隐私事件(例如歧视性输出、数据泄露)的流程必需事件响应计划
重新训练计划已制定使用新数据重新训练模型的计划必需重新训练计划
保留期限执行根据保留期限计划自动删除推理日志和训练数据必需保留政策 + 自动化
Gate 7:EU AI Act(仅限高风险系统)
检查项要求状态证据
风险分类已依据 Annex III 对系统进行分类必需分类文档
技术文档已完成 Annex IV 文档必需技术文档包
风险管理系统已实施 Art. 9 持续风险管理必需风险登记册 + 流程
合格评定已完成内部或第三方合格评定必需评定报告
EU 符合性声明已准备 Art. 47 声明必需已签署的声明
EU 数据库注册已完成 Art. 49 注册必需注册确认

签署确认

角色姓名批准日期
ML 工程负责人[ ] 已批准 / [ ] 已阻止
数据保护官[ ] 已批准 / [ ] 已阻止
信息安全官[ ] 已批准 / [ ] 已阻止
产品负责人[ ] 已批准 / [ ] 已阻止
法律顾问[ ] 已批准 / [ ] 已阻止(仅限高风险)

关键法律参考

  • GDPR Articles 5, 6, 9 — 数据处理原则、合法依据、特殊类别
  • GDPR Article 22 — 自动化个人决策保障措施
  • GDPR Article 25 — 通过设计和默认设置保护数据
  • GDPR Article 35 — 数据保护影响评估
  • EU AI Act Articles 9-15 — 高风险 AI 系统要求
  • EU AI Act Article 52 — 某些 AI 系统的透明度义务
  • EDPB Guidelines on Automated Decision-Making (WP 251 rev.01) — 对 Art. 22 的解读
  • ISO/IEC 42001:2023 — AI 管理体系标准

评论

支持 Markdown