公平算法检测

检测项目

1.群体偏差度：测量不同人口统计学群体（性别/种族/年龄）的输出结果差异率（Δ≤5%）
2.特征敏感性：测试敏感属性对决策结果的贡献权重（阈值≤0.15）
3.准确率均衡性：计算各子群体分类准确率标准差（σ≤3pp）
4.数据分布偏移：验证训练集与测试集特征分布KL散度（D_KL≤0.1）
5.反事实公平性：通过扰动非敏感特征后的决策一致性（≥98%）

检测范围

1.金融信贷评分模型：包括信用额度分配、利率计算等决策系统
2.医疗诊断AI系统：涵盖疾病预测、治疗方案推荐类算法
3.人力资源筛选平台：涉及简历评分、晋升测试等自动化工具
4.教育录取预测模型：包含学生测试、奖学金分配等应用场景
5.公共安防监控算法：涉及人脸识别、行为分析等计算机视觉系统

检测方法

1.ISO/IECTR24027:2021《AI系统偏差分析方法》
2.ASTME3136-18《自动化决策系统公平性测试标准》
3.GB/T35273-2020《信息安全技术个人信息安全规范》第7.6条
4.GB/T42762-2023《人工智能机器学习模型可解释性测评方法》
5.IEEEP7003《算法偏差考量标准》草案第4.2章节

检测设备

1.IBMAIFairness360工具包（开源库）：支持超60种公平性指标计算
2.TensorFlowModelAnalysis2.11：多维度模型性能对比分析框架
3.SHAP0.44库：基于博弈论的特征贡献度量化工具
4.KeysightUXM5G测试仪：模拟多用户并发场景下的决策稳定性
5.NIPXIe-8880控制器：实现高精度时序数据采集（采样率1GS/s）
6.AnritsuMD8475B信令测试仪：验证跨网络环境下的算法鲁棒性
7.SpirentC50网络损伤仪：模拟数据丢包/延迟对模型性能影响
8.Rohde&SchwarzCMW500宽带通信测试仪：压力测试环境构建平台

北京中科光析科学技术研究所【简称：中析研究所】

报告：可出具第三方检测报告(电子版/纸质版)。

检测周期：7~15工作日，可加急。

资质：旗下实验室可出具CMA/CNAS资质报告。

标准测试：严格按国标/行标/企标/国际标准检测。

非标测试：支持定制化试验方案。

售后：报告终身可查，工程师1v1服务。

注意:因业务调整,暂不接受个人委托测试,望谅解(高校、研究所等性质的个人除外).

CMA/CNAS等证书详情，因时间等不可抗拒因素会发生变更，请咨询在线工程师.