9. 控管

ML 控管包含一組程序和架構，可協助部署 ML 模型。它包含模型可解釋性、可稽核性、可追蹤性，以及其他更抽象但基本的成功end-to-end生命週期需求。

9.1 資料品質和合規	ML 系統考量個人識別資訊 (PII) 考量，包括匿名化。它已記錄並檢閱資料欄層級譜系，以了解資料的來源、品質和適當性。它還具有自動資料品質檢查是否有異常。
9.2 稽核和文件	ML 系統具有開發期間所有變更的完整日誌，包括實驗執行和為法規合規所做的選擇原因。
9.3 可複製性和可追蹤性	ML 系統包含完整資料快照，用於精確且快速的模型重新推論，或者能夠重新建立環境並使用資料範例進行重新訓練。
9.4 Human-in-the-loop簽署	ML 系統具有適法性的手動驗證和授權。系統需要每個環境移動的簽署 （例如 Dev、QA、pre-Prod 和 Prod)。
9.5 偏差和對抗攻擊測試	ML 系統使用多種工具和攻擊向量進行 Red Team 對抗測試，並自動檢查特定子群體的偏差。此元件會連結到可觀測性和模型管理區段。