הרשות להגנת הפרטיות פרסמה מדריך מקצועי ליישום טכנולוגיות מגבירות פרטיות (PET) במערכות בינה מלאכותית. המדריך מתמקד בשלושה סוגי טכנולוגיות שהרשות ממליצה ליישם לאורך כל שלבי "מחזור החיים" של המערכת.

הקבוצה הראשונה היא טכנולוגיות של שינוי המידע, שנועדו לצמצם את היכולת לזהות אדם מסוים מתוך הנתונים. קבוצה זו כוללת טכנולוגיות התממה (אנונימיזציה), יצירת מידע סינתטי מנתוני אמת וטכנולוגיות של פרטיות דיפרנציאלית (הוספת "רעש" לנתונים או לתוצאות החישוב). לפי המדריך, הטכנולוגיות הללו פשוטות יחסית ולא נדרשת תשתית חישוב מורכבת ליישומן, אך הן עלולות לפגוע בדיוק של המידע ולכן יש ליישמן בזהירות.

הקבוצה השנייה היא טכנולוגיות המבוססות על חישוב מבוזר – פיזור המידע או החישוב בין מספר גורמים, כך שאין גורם אחד שמרכז את כל המידע. בקבוצה זו ניתן למנות טכנולוגיות של למידה מבוזרת (Federated Learning), שמיישמת אימון מודלים על בסיס נתונים מקומיים; חישוב רב-משתתפים, שחושף כל גורם רק לחלק מהנתונים; והצלבת מערכי מידע לזיהוי נתונים משותפים. הרשות מזהה טכנולוגיות כאמור כמתאימות במיוחד לשימוש במסגרת שיתופי פעולה בין-ארגוניים או במערכות המעבדות מידע רגיש במיוחד (דוגמת מידע פיננסי או רפואי), אם כי הפעלתן מורכבת וכרוכה בעלויות גבוהות ובמשאבי חישוב משמעותיים .

הקבוצה האחרונה היא טכנולוגיות הפרדה והצפנה, שנועדו להגן על המידע במהלך העיבוד. הצורך בהן נובע מכך שמערכות בינה מלאכותית רבות פועלות בסביבות ריכוזיות דוגמת סביבות ענן. טכנולוגיות כאמור דורשות תשתיות ייעודיות וזמני עיבוד ארוכים, אך מאפשרות שמירה על רמת הגנה גבוהה ואף מאפשרות עבודה עם נתונים חסויים על גבי שרתים לא מהימנים.

הרשות אינה מציעה במסגרת המדריך פתרון מועדף, אלא מעודדת שילוב בין סוגי טכנולוגיות PET שונות תוך מתן תשומת לב למידת רגישות המידע, למאפייני העיבוד ולמסגרת הרגולטורית הרלוונטית.