Исследователи представили Eticas AI Risk Taxonomy — открытую инфраструктуру, предназначенную для практического аудита ИИ-систем. В отличие от существующих 74 классификаций, которые ограничиваются лишь перечислением угроз, новый фреймворк предлагает методологию перевода абстрактных рисков в измеримые операционные показатели, необходимые для проведения полноценных проверок безопасности и этичности технологий в высокорисковых отраслях.
Проблема текущего ландшафта ИИ-безопасности заключается в фрагментации подходов. Большинство существующих таксономий создают каталоги рисков, но не предоставляют инструментов для их верификации. Авторы работы фокусируются на «операционализации» — процессе превращения качественных определений в количественные метрики, которые аудиторы могут использовать для тестирования моделей в реальных бизнес-сценариях.
Предложенная структура позволяет компаниям стандартизировать внутренние процессы контроля качества и соответствия регуляторным требованиям. Это упрощает взаимодействие между разработчиками, комплаенс-отделами и внешними аудиторами, создавая единый язык для оценки надежности ИИ-решений. Инфраструктура охватывает полный цикл проверки: от идентификации потенциальных уязвимостей до формирования итоговых отчетов о соответствии стандартам.
Ключевые факты
- В индустрии на текущий момент существует не менее 74 различных таксономий рисков ИИ.
- Основной барьер в аудите — отсутствие связи между каталогом рисков и методами их практического измерения.
- Инфраструктура Eticas переводит абстрактные категории угроз в конкретные операционные протоколы аудита.
- Разработка направлена на устранение фрагментации стандартов в высокорисковых доменах применения ИИ.