# データの保守性 ## 定義 データの保守性とは、価値のあるデータを常に可用な状態に保つために、データ管理システムを設計する時点から来歴・セキュリティ・完全性を考慮に入れる指針である。セキュリティ・プライバシー・コンプライアンスという3つの大きなテーマから構成される。データの耐久性(§2.4)はしばしばデータの完全性というキーコンセプトに含まれるが、ここでいう完全性はアクセス可能であることを超えたデータ全体の特性を指す。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.5) **一般的な「保守性(maintainability)」との違い**: [[保守性]] は修理・是正保全・予防保全のMTTRで定量化されるハードウェア/システム信頼性工学の概念であり、本概念とは扱う対象(データ vs. 物理システム)が異なる独立した概念である。 ## セキュリティ 貴重なMLデータはしばしば個人に関するデータとして生成される。データストアから全ての個人情報を除外できればアクセス制御の単純化・削除リクエスト負荷の軽減・保存リスクの排除という利点があるが、熟慮した分析なしに個人情報を特定するのは難しく、多くの組織にとって全ての個人情報を除外することは実行不可能でありうる。モデル開発者が使用する可能性の高いデータにのみアクセスできるようにする(そしてそれ以外にはアクセスできないようにする)ことで、アクセス制御と生産性を両立できる。どの開発チームがどのモデルを構築し、どのモデルが特徴量ストアのどの特徴量に依存しているかというメタデータの追跡が、運用・セキュリティの両面で有用になる。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.5.1) ## プライバシー 個人情報の扱いには、排除するかロックダウンするかという2つのアーキテクチャ上の選択がある。匿名化について全てのML実践者が知っておくべき2つの重要な事実は、(1) 匿名化は難しく専門知識を要するテーマであり手を抜いてはならないこと、(2) 匿名化は文脈に依存し、他のデータの存在や関連づけ方がわからなければ確実な匿名化はできないことである。プライバシーの技術的な深掘り(仮名化の設計、匿名化失敗の実例、GDPR同意の要件)は [[データのプライバシーと同意]] を参照。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.5.2) ## ポリシーとコンプライアンス ポリシーとコンプライアンスの要件は組織外(法務・国家政府)から発生することが多く、要件の背後にある意図を理解せず字面だけを読むのは誤りである。特に注意すべき点は2つある。管轄区域のルールでは、自国領土のデータの取り扱いを主張する政府が増えており、本社所在国の選択がデータ管理システムに大きな影響を与える。報告義務では、コンプライアンス要件をSLO(サービスレベル目標)として、その実装状態を示す報告をSLI(サービスレベル指標)として扱うことで、他の実装・運用業務と一体的に扱える。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.5.3) ## 横断的知見 - **本概念のソースが「匿名化は難しい・文脈依存」という2つの事実を具体的な失敗事例(Dr. Latanya Sweeneyの再識別研究、AOL検索ログ流出)で補強するのに対し、DDIAはより抽象的な「プライバシーは決定権の移転」という枠組みで同じ問題を捉える**: [[データのプライバシーと同意]] が扱う DDIA 第14章は、プライバシーを「秘密にすること」ではなく「何を明かすかを選ぶ自由」と定義し、サーベイランス基盤を通じてこの決定権が個人から企業へ移転すると論じる、より哲学的・構造的な議論を展開する。これに対し本概念のソースは、性別・年齢・郵便番号の3情報だけで全米87%の人が再識別可能というSweeneyの実証研究や、AOL検索ログ流出事件のような具体的な失敗事例を通じて「匿名化は簡単ではない」という技術的な警句として同じ懸念を表現する。両者を並べると、DDIAが提示する「決定権の移転」という抽象的な構造が、本概念のソースが挙げる具体的な再識別事例によって技術的に裏付けられる関係にあることがわかる——匿名化の失敗は、単なる実装ミスではなく、プライバシーという決定権が期せずして攻撃者や第三者へ移転してしまう事例として位置づけ直せる。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.1, [[@2026__OReilly__Designing Data-Intensive Applications 2E - Chapter 14 Doing the Right Thing]] "Privacy and Use of Data") - **「コンプライアンス要件をSLO、報告状態をSLIとして扱う」という本概念の提案は、[[データ品質SLO]]が集約するデータ品質次元の枠組みを、コンテンツの正確性・鮮度から運用上の適合性(コンプライアンス)へと拡張する応用例になっている**: [[データ品質SLO]]が扱う既存ソース群(Booking.comの実務、SLO本第11章のデータ信頼性属性)は、一貫性・新鮮性・完全性・耐久性・正確性のように**データの内容**を測る指標としてSLI/SLOを設計する。本概念のソースはこれとは異なる対象、すなわち「法規制への適合状態」をSLO化する提案であり、SLIはコンプライアンス報告そのものになる。両者を並べると、SLO/SLIというフレームは「データの内容の正しさ」と「データの取り扱いの適法性」という異なる2つの信頼性軸のいずれにも適用可能な、より汎用的な計測言語として機能していることが確認できる。ただし本概念のソースは具体的なコンプライアンスSLIの計測方法までは踏み込まず、この応用は提案にとどまる。(Source: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] §2.5.3.2, [[@2019__SREcon19EMEA__SLOs for Data-Intensive Services]]) ## 未解決の問い - セキュリティ節が挙げる「特徴量ストアへのモデル開発者限定アクセス」という制御は、[[データレイク]]が扱うデータレイクハウス層のアクセス制御機構(カタログベースの権限管理)とどう対応するか、本概念のソースでは具体化されていない。 - コンプライアンスSLO/SLIの提案は本概念のソースでは1段落にとどまり、具体的な計測パターン(自動緩和・自動修復)が[[データ品質SLO]]のように定義されていない。6章(公正さ・プライバシー・倫理)がこの提案を具体化するか確認する必要がある。 - 管轄区域のルール(本社所在国の選択)は、[[データのプライバシーと同意]]が扱うGDPRの同意要件と、どちらが優先される力学にあるのか、本概念のソースでは整理されていない。 ## 関連 - ソース: [[@2024__OReillyJapan__信頼性の高い機械学習 - Chapter 2 データマネジメント]] - 概念: [[データのプライバシーと同意]](プライバシーの技術的深掘り) / [[データ品質SLO]](SLO/SLIフレームの応用比較) / [[データの段階]] / [[保守性]](別領域の同名概念) / [[技術的負債]] - 実体: [[Latanya Sweeney]] - 書籍: [[信頼性の高い機械学習]] ## 出典 - Cathy Chen ほか, 『信頼性の高い機械学習 ―SRE 原則を活用した MLOps』, オライリー・ジャパン, 2024, 2 章(§2.5).