⚠️ PAP 状态:部分草案(PARTIAL DRAFT) Track B(调查决策词汇)以v0.2.0草案形式存在;Track A(行政决策)已确定范围但尚未起草。目前不存在统一的PAP规范。欢迎贡献和反馈。
VAP 配置文件 PAP

PAP - 公共行政配置文件

实现政府AI的民主问责

"No Decision Without Justification" — 没有解释的决定是民主的敌人

您的贷款申请被拒绝了。为什么?

您的福利补贴被终止了。为什么?

您的假释申请未获批准。为什么?

"因为AI这样判断"——这不是民主制度能够接受的答案。

每位公民都有权知道影响自己的决定的理由。
每项决定都必须保障申诉和司法审查的机会。

PAP旨在以加密方式记录公共AI的所有决策—— 记录何时、使用了什么数据、依据什么规则、为何得出该结论—— 并以可检测篡改的形式使其可被验证。

🏛️
配置文件ID
PAP
📋
状态
部分草案(Partial Draft)
🔗
上层框架
VAP
⚖️
风险类别
民主完整性 / 公民权利

为什么需要PAP

公共AI的现状和挑战,以及PAP的解决方案

缺乏问责

AI判定"不合格"却无法解释原因。公民甚至无法获得申诉的线索。

算法偏见固化

使用历史歧视性数据训练的AI系统化地重复产生不公正的判定。

民主控制丧失

未经选举的算法做出影响公民基本权利的决定,缺乏民主监督。

问题案例(示例/一般化)

案例1:福利补贴判定AI的黑箱

补贴资格判定

[申请人] → [AI判定:"不合格"] → [申诉] → [请求公开判定依据]

↓

"AI的判断理由属于商业机密"

"评分模型的详细信息无法公开"

↓

公民失去了争辩的手段

案例2:再犯风险评估AI的种族偏见

刑事司法风险评估

[被告] → [AI风险评估:"高风险"] → [保释被拒/重判]

↓

事后分析发现:

"邮编"和"逮捕记录"是主要因素

→ 实际上成为种族和经济状况的代理变量

↓

然而在判定时没有验证这一点的方法

案例3:移民管理AI的任意决定

签证申请审查

[签证申请人] → [AI审查:"拒绝"] → [理由:"综合判断"]

↓

"哪些因素有问题"不明确

"应该改进的地方"没有指出

"重新申请是否会得到相同结果"无法预测

PAP适用范围

目标系统和记录事件

目标系统

💳
信用评分
贷款审查、信用卡审查
必须
🏛️
福利补贴判定
社会保障、失业补贴、残疾补贴
必须
🛂
入境管理
签证审查、难民认定、入境检查
必须
⚖️
司法AI
再犯风险评估、量刑辅助、保释判断
必须
👔
招聘·人事评价
简历筛选AI、晋升评价、解雇风险评估
必须
🏫
教育·入学选拔
入学审查、奖学金选拔、学力评价
推荐
🏥
医疗资源分配
器官移植优先级、分诊辅助
推荐

记录事件(因果链)

1. 申请接收
2. 数据收集
3. AI评估
4. 决定生成
5. 通知
6. 申诉

PAP架构

数据流和系统结构

┌─────────────────────────────────────────────────────────────┐
│                  Public Administration System                │
│  ┌──────────┐   ┌──────────┐   ┌──────────┐                │
│  │ Citizen  │──▶│ AI/ML    │──▶│ Decision │                │
│  │ Data     │   │ Scoring  │   │ Output   │                │
│  └──────────┘   └────┬─────┘   └──────────┘                │
│                      │                                       │
│              ┌───────▼───────┐                              │
│              │  PAP Logger   │ ← 记录所有决策事件            │
│              │  (Sidecar)    │                              │
│              └───────┬───────┘                              │
│                      │                                       │
└──────────────────────┼───────────────────────────────────────┘
                       │
               ┌───────▼───────┐
               │  Hash Chain   │ ← 加密链接
               │  + Signature  │ ← 数字签名
               │  + Factor Log │ ← 决策因素完整记录
               └───────┬───────┘
                       │
               ┌───────▼───────┐
               │ Audit Archive │ ← 长期存储
               │ (面向GDPR)    │ ← 访问控制
               └───────┬───────┘
                       │
               ┌───────▼───────┐
               │Citizen Portal │ ← 自我信息披露
               │(问责)         │ ← 申诉支持
               └───────────────┘

法规映射

与国际法规的对应关系

法规 管辖区 要求 PAP支持
EU AI Act Article 6(2) 欧盟 属于附件III用例的AI系统为高风险(第6条第3款的例外除外) 设计目标(草案)
EU AI Act Article 13 欧盟 透明度及向部署者提供信息(就个别决定获得解释的权利见第86条) 设计目标(草案)
EU AI Act Article 14 欧盟 人类监督义务 设计目标(草案)
GDPR Article 22 欧盟 对自动决策的异议权 设计目标(草案)
GDPR Article 15 欧盟 访问权(自我信息披露) 设计目标(草案)
NYC Local Law 144 纽约市 招聘AI的审计义务 设计目标(草案)
Illinois BIPA 伊利诺伊州 生物识别信息使用限制 设计目标(草案)
行政程序法 日本 提供处分理由的义务 计划中

招聘AI:高风险分类

EU AI Act明确将简历筛选AI列为高风险AI

🔬

研究阶段

我们目前正在研究将为金融领域(VCP)制定的可验证决策审计追踪扩展到招聘AI领域。目前我们尚未提供招聘相关的产品或认证。在VSO的全部规范中,外部实施为零;在任何程序中被采纳的Evidence Pack为零。商业实绩更正与补充(2026年10月24日):原合同数量尚待原始资料核实,现已撤下该数量主张;这不表示合同数量为零。 更正详情

法律依据:EU AI Act Annex III, Point 4(a)

"旨在用于招聘或选拔自然人的AI系统,特别是用于投放定向招聘广告、分析和筛选求职申请,以及评估候选人的系统"

— EU AI Act (Regulation 2024/1689), Annex III, Point 4(a)

适用于招聘AI的要求

条款 要求 招聘AI应用
Article 12 自动日志记录 在系统生命周期内自动记录事件(日志);记录特征权重或拒绝原因并非第12条的要求,而是PAP的设计目标
Article 14 人工监督 人工审核员可覆盖AI决策
Article 19 / 26(6) 日志保留 最低保留期限6个月
Article 26(7), 26(11) 劳动者及候选人通知 在工作场所使用前通知劳动者及其代表(第26条第7款);告知候选人等自然人:对其作出决策或辅助决策时使用了该系统(第26条第11款)
Article 86 解释权 候选人可要求解释AI决策

执行时间表

📅
2027年12月2日
高风险AI要求生效(附件III)
属于附件III的招聘AI系统自该日起须满足EU AI Act高风险要求(由条例(EU) 2026/1744自2026年8月2日推迟)
⚠️
罚款
最高1500万欧元或全球营业额的3%
第99条第4款:违反运营者义务(如第16条、第26条)。€35M/7%档(第99条第3款)仅适用于第5条的禁止性做法,不适用于高风险义务

技术设计原则

时间固定(分层)

High Assurance
IEEE 1588 PTP + 微秒精度时间戳
Practical Baseline
NTP/安全时间源 + 毫秒精度 + 外部时间戳

外部锚定

第三方可验证的完整性证明

示例:RFC 3161 TSA、公共时间戳服务、透明日志式锚定

现有系统的技术缺陷

缺少决策依据日志

特征权重和评分逻辑未按个别决策记录

可篡改的时间戳

依赖系统时钟,无外部锚定或加密证明

无法第三方验证

无法向外部审计员或法院证明未被篡改

公民问责

透明度门户和多层解释模型

🏛️ 公民透明度门户(概念示例,未在任何PAP草案中定义)

🔍 自我信息披露
  • • 关于我使用了什么数据
  • • 从哪些数据源获取
  • • 数据的新鲜度(截至什么时间点的信息)
📊 决策理由解释
  • • 为什么做出这个判定(主要因素)
  • • 哪些因素是正面/负面影响
  • • 与阈值的比较
🔄 反事实模拟
  • • "如果收入多X元,结果会改变吗?"
  • • "改变什么条件会获得批准?"
⚖️ 申诉支持
  • • 申诉期限和程序
  • • 所需文件
  • • 类似过去案例的统计

多层解释模型

层级 目标受众 解释详细程度
公民级 一般申请人 通俗易懂的摘要(simplified_explanation)
代理人级 律师、援助者 判断因素和贡献度的详细信息
审计员级 监管机构、审计公司 模型规格、训练数据、偏见审计结果
技术人员级 AI开发人员、研究人员 完整日志、模型哈希、复现步骤

路线图

PAP制定时间表 — 其余步骤时间未定;PAP目前为部分草案(仅Track B v0.2.0,无统一规范),其后的里程碑尚未达成

部分完成
Track B(调查决策词汇)已起草至v0.2.0;统一的PAP草案规范尚未编写
计划中(时间未定)
与政府机构和地方政府的技术验证
计划中(时间未定)
向EU AI Office和各国数据保护机构进行信息简报
计划中(时间未定)
PAP v1.0正式发布
计划中(时间未定)
NYC Local Law 144、EU AI Act合规指南发布
计划中(时间未定)
与OECD、联合国等国际组织合作

与VAP/VSO的关系

框架层次结构和配置文件定位

┌────────────────────────────────────────┐
│  VAP (Verifiable AI Provenance)        │
│  跨领域上层框架                        │
└──────────────────┬─────────────────────┘
                   │
┌──────────────────▼─────────────────────┐
│  VSO (VeritasChain Standards Org)      │
│  标准化组织                            │
└──────────────────┬─────────────────────┘
                   │
     ┌──────┬──────┼──────┬──────┐
     ▼      ▼      ▼      ▼      ▼
  [VCP]   [DVP]  [MAP]  [EIP]  [PAP]
  金融    汽车   医疗   能源    公共
    ↓                            ↓
  v1.2                     部分草案
Released

与其他VAP配置文件的区别

特性 VCP(金融) MAP(医疗) DVP(汽车) EIP(能源) PAP(公共)
影响速度 毫秒 分钟~小时 秒 分钟~天 月~年
可逆性 部分 不可逆 不可逆 恢复缓慢 困难
主要受害者 投资者 患者 乘员/行人 全体市民 个人权利
监管重点 市场完整性 患者安全 物理安全 持续性 民主
申诉权 有限 有限 有限 有限 必须

参与我们

PAP目前为部分草案(仅Track B v0.2.0,无统一规范)。欢迎政府机构、地方政府、人权组织和AI伦理研究人员参与。

"没有解释的权力是民主的敌人。AI也不例外。"

— VeritasChain Standards Organization

"The right to an explanation is the foundation of due process in the algorithmic age."

"获得解释的权利是算法时代正当程序的基础。"

本规范采用 CC BY 4.0 International 许可

提供方: VeritasChain Standards Organization (VSO) | https://veritaschain.org