AuditWeave：AI支援・データ変換ワークフローのための改ざん防止・監査可能な証拠層

監査、金融、医療などの規制対象分野では、AIシステムが重要な意思決定を支援するためにますます利用されています。これにより、組織は結論に至った証拠を事後的に再構築し、その推論記録が改ざんされていないことを示す義務が生じます。既存のツールは主に機械学習エンジニア向けであり、特定の結論を証拠まで追跡するレビューアには適していません。AuditWeaveは、軽量で実行時依存関係のないPythonライブラリであり、AI支援およびデータ変換ワークフローのステップを追記専用のハッシュチェーン台帳に記録します。

AuditWeaveの特徴は、システムに依存しないイベント語彙を持ち、検索拡張生成（RAG）パイプラインとテーブル/レイクハウス変換の両方をカバーすることです。これにより、複数のデータソースに依存する結論でも、単一の記録でエンドツーエンドのトレースが可能です。封印された台帳内では、イベントの変更、並べ替え、挿入、削除はすべてチェーン検証で検出されます。

研究チームはリファレンス実装で記録オーバーヘッド、スケーラビリティ、改ざん検出の正確性を評価しました。結果、整合性保証のコストはイベントあたり数十マイクロ秒であり、4種類の改ざんクラスにわたる2000回のランダム化試験で、すべての注入された変異を検出しました。実装はオープンソースで公開されており、規制産業におけるAIアプリケーションの実用的な監査ツールを提供します。

AuditWeaveのリファレンス実装はGitHubで公開されており、完全なコード、ドキュメント、サンプルが含まれています。開発者はすぐに使い始めることができ、自身のプロジェクトに統合できます。このライブラリの設計は最小権限の原則に従っており、承認されたレビューアのみがチェーンの整合性を検証できるようになっています。また、台帳は追記専用であるため、不正な変更はハッシュチェーンを破壊し、即座に検出可能です。

パフォーマンスに関して、研究チームは記録オーバーヘッドに加えて、台帳のサイズ増加もテストしました。イベント数の増加に伴い、ハッシュチェーンのストレージ要件は線形に増加しますが、各イベントは1つのハッシュ値とメタデータのみを追加するため、ほとんどのワークフローで許容可能です。また、並行環境での正確性も検証され、マルチスレッドまたはマルチプロセスアプリケーションでもチェーンが破壊されないことが確認されています。

全体として、AuditWeaveはAI監査ツールの空白を埋めるものであり、特にコンプライアンス要件を満たす必要のある組織に適しています。これは、AI意思決定の透明性と改ざん防止を証明するためのシンプルかつ強力な方法を提供し、規制分野のAIアプリケーションに信頼できる基盤をもたらします。