Nishpaksh：用于AI模型公平性审计与认证的TEC标准合规框架
计算机与社会
2026-03-18 v1 人工智能
人机交互
摘要
人工智能模型在高风险决策系统（尤其是新兴电信和6G应用）中的日益依赖，凸显了对透明且标准化的公平性评估框架的迫切需求。尽管诸如 IBM AI Fairness 360 和 Microsoft Fairlearn 等全球性工具包已经推进了偏差检测，但它们往往缺乏与特定区域监管要求和国家优先事项的一致性。为弥补这一差距，我们提出了 Nishpaksh，一个本土化的公平性评估工具，它实现了电信工程中心人工智能系统评估与评级标准的可操作化。Nishpaksh 将基于调查的风险量化、上下文阈值确定和定量公平性评估整合到一个统一的、基于网络的仪表板中。该工具采用向量化计算、响应式状态管理和可认证报告生成，以实现可重复的、审计级别的评估，从而满足关键的标准化后实施需求。在 COMPAS 数据集上的实验验证表明，Nishpaksh 在识别特定属性偏差和生成符合 TEC 框架的标准化公平性评分方面具有有效性。该系统弥合了面向研究的公平性方法论与印度监管性 AI 治理之间的差距，标志着在电信等关键基础设施中实现负责任且可审计的 AI 部署迈出了重要一步。
引用
@article{arxiv.2601.16926,
title = {Nishpaksh: TEC Standard-Compliant Framework for Fairness Auditing and Certification of AI Models},
author = {Shashank Prakash and Ranjitha Prasad and Avinash Agarwal},
journal= {arXiv preprint arXiv:2601.16926},
year = {2026}
}
备注
Accepted and presented at 2026 18th International Conference on COMmunication Systems and NETworks (COMSNETS)