巨型数据集CommonPool泄露个人隐私信息

一项新的研究发现，包含128亿图像文本对的公共数据集CommonPool，包含了大量个人隐私信息，包括信用卡、驾照、护照、出生证明、简历等，甚至还包含了个人病史、种族等敏感信息。CommonPool被用于训练许多AI模型，包括Stable Diffusion和Midjourney，其超过200万次的下载量意味着这些隐私信息可能已广泛传播，引发了严重的隐私风险。研究人员呼吁，在构建大型数据集时，应更加注重数据隐私和伦理问题。