ベンダー契約にデータ保護要件を盛り込むことで、顧客データの保護に関する法的拘束力のある義務が確立され、継続的な監視によってベンダーがこれらの義務を遵守し続けることが保証されます。これにより、第三者への依存と不正アクセスという2つのリスクに、持続可能かつ責任ある方法で直接対処できます。

AIシステムが機密データに関して重大な意思決定を行う場合、AAISMは、意思決定の質、すなわち精度（および関連するエラー率／誤検出率の制限）に結び付けられた明確なパフォーマンス閾値を、ビジネスリスク許容度および規制上の期待値に合わせて設定することを要求します。可用性とレイテンシは重要なサービス指標ですが、機密性の高い状況においては、意思決定の完全性とエラー範囲が主要なリスク要因となります。損害を軽減し、公平性／コンプライアンスを確保し、監査可能性をサポートするためには、最小精度閾値の設定、監視、および適用（サブグループのパフォーマンスチェックを含む）が不可欠です。
参考文献:* AIセキュリティ管理™ (AAISM) 知識体系: リスクに合わせたパフォーマンス指標、意思決定品質のしきい値、機密処理における損害とエラー率のガバナンス。* AIセキュリティ管理™ 学習ガイド: 高リスクAIの指標の選択、精度、偽陽性/偽陰性の制限、およびビジネスコントロールに関連付けられた受け入れ基準。

AAISMによると、AIポリシーとは、AIシステムのライフサイクル全体にわたる目的、原則、役割、責任、説明責任、および管理要件を定義するガバナンスツールです。これは、パフォーマンス、コンプライアンス、倫理、リスク許容度、セキュリティ、プライバシー、および持続可能性の目標を設定し、運用するための枠組みを確立します。環境への配慮（A）、精度の最適化（B）、および規制遵守（D）は、このポリシーで取り上げられる重要な成果ですが、主な目的は、目的と管理のための包括的な枠組みを提供することです。
参考文献：AIセキュリティ管理™（AAISM）知識体系 - AIガバナンスフレームワーク、ポリシー、標準、手順、AIプログラムにおける役割と責任。

AAISMは、深層学習システムは複雑なニューラルアーキテクチャのため透明性に欠け、内部表現は統計的、非線形であり、直接解釈できないと指摘している。

AAISMの技術管理ガイドラインでは、オープンソースライブラリを使用する際の完全性を確保する最善策は、インストール前にパッケージをマルウェアスキャンすることであると強調しています。これにより、侵害されたコードや悪意のあるコードがAIシステム環境に侵入するのを防ぐことができます。リストを維持することで一貫性は保たれますが、セキュリティは向上しません。常に最新バージョンを使用しても、未検証の脆弱性が混入する可能性があります。モデルの再学習は機能性を向上させますが、ソフトウェアの完全性には対応しません。したがって、最も強力な保護策は、オープンソースパッケージのインストール前にマルウェアスキャンを実施することです。
参考文献：
AAISM試験内容概要 - AI技術と制御（ソフトウェアサプライチェーンセキュリティ） AIセキュリティ管理学習ガイド - オープンソースパッケージのリスク軽減