文档摘要

5.4 AI 伦理、可解释性与安全性 本节摘要：负责任的 AI 由三根支柱构成——伦理关注公平、隐私与问责，可解释性（XAI）用 LIME、SHAP 等方法揭开黑盒决策的依据，安全性防御对抗样本、数据投毒与模型窃取等恶意攻击。三者相互依存：可解释性是发现偏见与漏洞的前提，安全是公平得以兑现的底座，伦理原则则定义前两者的努力方向。本节从技术视角拆解每根支柱的核心问题、代表方法与工程对策。 会员。《5.4 AI伦理、可解释性与安全性》收录于灏天文库文集《AI核心算法原理：从机器学习到神经网络》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/444-ai%E6%A0%B8%E5%BF%83%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E4%BB%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流