1. Dados
1.1. Coleta de Dados
1.1.1. Fonte
1.1.2. Volume
1.1.3. Variedade
1.1.4. Veracidade
1.2. Qualidade dos dados
1.3. Armazenamento dos dados
1.4. Anonimização e pseudonimização
2. Privacidade
2.1. Proteção dos dados pessoais
2.1.1. Privacidade por Design
2.1.2. Criptografia
2.1.3. Governança de Dados
2.2. Consentimento Informado
2.3. Direito ao esquecimento
2.4. Regulamentações
2.4.1. LGPD
2.4.2. GDPR
2.4.3. Marco Civil da Internet
2.4.4. Política Nacional de Segurança da Informação
2.4.5. LAI
2.4.6. Lei dos Crimes Cibernéticos
3. Segurança
3.1. Proteção contra uso indevido
3.2. Ataques a LLMs
3.2.1. Ataques adversariais
3.2.2. Roubo de dados
3.2.3. Manipulação de dados
3.2.4. Privacidade diferencial
4. AML
5. LLM's
5.1. Privacy by Desing
5.1.1. - Proativo não reativo, preventivo não corretivo; - Privacidade por padrão; - Privacidade embarcada no design; - Funcionalidade integral; - Segurança de ponta a ponta - proteção em todo ciclo de vida do dado; - Visibilidade e transparência; - Respeito à privacidade do usuário.
5.2. Justiça algorítmica
5.2.1. É um conceito que aborda a necessidade de garantir a equidade, transparência e responsabilidade no uso de algoritmos e inteligência artificial em processos judiciais e sistemas de tomada de decisões. É essencial considerar a aplicação da justiça algorítmica para assegurar que os algoritmos utilizados no contexto jurídico não perpetuem preconceitos ou discriminações existentes na sociedade.
5.3. Deep GPT
5.3.1. São estratégias de burla dos utilizadores diante da máquina, com a finalidade clara de conseguir uma determinada resposta indevida, usando meios que enganem os propósitos legais da máquina. Alguns testes feitos, apontam como resultado para a existência de um sub-mundo possível e não detectado o suficiente pelos Devs, a fim de atacar o problema com ações eficientes. Em súmula, o utilizador consegue usar o 'device chat' de modo inescrupuloso e perigoso socialmente.
5.4. Caixas pretas em redes neurais
5.4.1. Termo cunhado em deep learning, como redes neurais, porque apesar de sabermos as entradas e as saídas de informações e dados, a maneira como a maquina chegou a uma determinada conclusão é opaca. O processo interno de como as camadas da rede processam a informação nem sempre é interpretável.
5.5. AML (Adversarial Machine Learning)
6. Ética
6.1. Responsabilidade algorítmica
6.2. Impactos Sociais
6.2.1. Vieses de gênero
6.2.2. Vieses raciais
6.2.3. Desinformação
6.2.4. Deepfakes
6.2.5. Sociedade
6.2.5.1. Impactos no mercado de trabalho
6.2.5.2. Desigualdade digital
6.2.5.3. Dependência tecnológica
6.2.5.4. Documentário "CODED BIAS"