資料治理確保資料被安全、合規地使用：權限、稽核、隱私技術。
最前沿的同態加密能在加密狀態下直接運算，雲端全程看不到你的明文。
資料治理就是確保資料被正確、安全、合規地使用：誰能存取（權限）、做了什麼（稽核）、敏感資料怎麼保護（隱私技術）。其中最前沿的隱私技術是同態加密——資料在加密狀態下還能直接運算，雲端全程看不到你的明文。
一般加密：運算前要先解密 → 解密瞬間有風險。同態加密：全程加密，連運算都在密文上做 → 雲端永遠看不到內容。比喻：把信放進透明但上鎖的箱子，郵差能幫你蓋章（運算），卻打不開看內容。
其他隱私技術：SMPC（多方各持一部分，合作計算卻互不洩漏）、聯邦學習（資料留本地，只交換模型）。治理面則靠權限管理(RBAC)與稽核日誌。
雲端要幫你算一筆敏感資料。切換兩種方式，看資料在雲端是曾經明文出現（有風險）還是全程加密（安全）。這是同態加密的核心價值。
一般加密在雲端運算前必須解密，那一瞬間明文暴露；同態加密全程在密文上運算，雲端從頭到尾看不到你的真實資料。代價是目前運算速度慢很多。
| 面向 | 內容 |
|---|---|
| 品質 | 準確、完整、一致、及時 |
| 安全／隱私 | 存取控管、加密、去識別化 |
| 合規 | GDPR／個資法、保存與刪除政策 |
| 血緣／目錄 | data lineage、資料字典、擁有者 |
資料治理與隱私保護是 iPAS 中級科目二的高頻考點。重點:涵蓋資料品質、權限控管、生命週期、血緣、合規,以及去識別化、差分隱私等隱私技術,大數據下尤其重要。易混點:去識別化可能被重新識別、差分隱私保護更強;治理不只是技術、也是流程與責任歸屬。情境:處理個資的合規設計、判斷某資料使用是否符合規範。
想練情境題與詳解 → AI 學習與考證地圖
管理資料的可用性、品質、安全與合規的制度與流程——誰能存取、資料怎麼定義、如何保護與稽核，確保資料被正確且負責任地使用。
資料品質、主資料與中繼資料管理、存取權限與安全、隱私與法規遵循、資料生命週期、責任歸屬(data owner 與 steward)。
資料量與法規(個資法、GDPR、EU AI Act)增加、AI 廣泛使用；治理不良會造成外洩、偏誤、罰款與信任危機。
追蹤資料從來源到使用的流動與轉換歷程；有助除錯、影響分析、合規稽核與建立對資料的信任。
AI 的品質與公平取決於資料治理；好治理確保訓練資料合規、有品質、可追溯，是負責任 AI 的基礎(對應 iPAS 的 AI 治理考點)。