====== Bezpečnostní standardy (AI Safety) ======

Bezpečnostní standardy pro AI mají za cíl zajistit, aby systémy fungovaly spolehlivě, předvídatelně a bezpečně i v neočekávaných situacích. Na rozdíl od běžného softwaru je testování AI složitější kvůli jeho nedeterministické povaze.

===== Klíčové pilíře AI Safety =====

==== 1. Robustnost a odolnost (Robustness) ====
Systém musí být schopen správně fungovat i v případě, že se setká s daty, která nebyla v trénovací sadě, nebo pokud dojde k pokusu o jeho oklamání.
  * **Adverzní útoky (Adversarial Attacks):** Malé, pro člověka neviditelné změny ve vstupu (např. šum v obrázku), které způsobí, že AI udělá fatální chybu.
  * **Opatření:** Adverzní trénování (zahrnutí těchto chyb do tréninku) a formální verifikace kódu.



==== 2. Interpretovatelnost a vysvětlitelnost (Interpretability) ====
Bezpečnost vyžaduje, abychom rozuměli tomu, proč model dospěl k danému závěru. U kritických systémů (např. v medicíně nebo autonomním řízení) je "černá skříňka" nepřípustná.
  * **Saliency Maps:** Vizualizace částí vstupu, které měly na rozhodnutí největší vliv.

==== 3. Slučitelnost cílů (Alignment) ====
Problém zajištění toho, aby cíle AI byly v souladu s lidskými hodnotami a záměry. Nejde jen o to, co AI říkáme, aby dělala, ale jak to interpretuje v širším kontextu.



===== Mezinárodní normy a rámce =====

V současné době vznikají standardy, které definují, jak by se mělo k bezpečnosti AI přistupovat na organizační úrovni:

^ Standard ^ Název / Zaměření ^
| **ISO/IEC 42001** | Systém managementu umělé inteligence (AIMS) - první mezinárodní certifikovatelný standard. |
| **NIST AI RMF** | AI Risk Management Framework - komplexní rámec pro řízení rizik od amerického institutu NIST. |
| **ISO/IEC 23894** | Návod na řízení rizik specificky pro organizace vyvíjející nebo používající AI. |
| **MITRE ATLAS** | Databáze taktik a technik, které útočníci používají proti AI systémům (obdoba ATT&CK). |

===== Praktické techniky zajištění bezpečnosti =====

  * **Red Teaming:** Simulované útoky na model s cílem najít slabiny, obejít filtry nebo vynutit škodlivý výstup (např. jailbreaking u LLM).
  * **Human-in-the-loop (HITL):** Proces, kde lidský operátor reviduje klíčová rozhodnutí AI dříve, než jsou vykonána.
  * **Sandboxing:** Provozování AI v izolovaném prostředí, aby v případě chyby nemohla napadnout kritickou infrastrukturu.
  * **Monitorování driftu (Model Drift):** Neustálé sledování, zda se výkon modelu v čase nesnižuje kvůli změně reálných dat.

===== Postupy pro bezpečný vývoj (SecDevOps pro AI) =====

  1. **Zabezpečení dat:** Kontrola, zda trénovací data neobsahují toxický obsah nebo "zadní vrátka" (backdoors).
  2. **Bezpečné uložení vah:** Modely (váhy neuronové sítě) musí být šifrovány a chráněny proti krádeži (exfiltraci).
  3. **Omezení výstupu:** Implementace filtrů, které zabrání generování nenávistných projevů nebo návodů k nelegální činnosti.

> **Základní pravidlo:** Bezpečnost AI není jednorázový úkon, ale kontinuální proces, který začíná sběrem dat a končí stažením modelu z provozu.

---
**Související témata:**
  * [[ai:ethics|Etika a rizika umělé inteligence]]
  * [[ai:legislation|Legislativa a právo v AI]]
  * [[cyber:pentesting|Penetrační testování a Red Teaming]]