असरदार थर्ड पार्टी असेसमेंट के लिए प्राथमिकताएँ और सिद्धांत
अत्याधुनिक AI लैब्स पर सुरक्षित तरीके से मॉडल को ट्रेन करने, उनका मूल्यांकन करने और उन्हें लागू करने की बहुत बड़ी ज़िम्मेदारी होती है. इस ज़िम्मेदारी को निभाने, AI सुरक्षा पर सुझाव के लिए मौके बढ़ाने, दुनिया को जानकारी देते रहने और लैब को सुरक्षा से जुड़े स्पष्ट और व्यक्तिगत तौर से समर्थित दावों के लिए जवाबदेह बनाए रखने में थर्ड-पार्टी असेसमेंट एक अहम भूमिका निभाते हैं.
अत्याधुनिक प्रगति के साथ तालमेल रखने की हमारी कोशिशों के तहत, OpenAI ट्रेनिंग, मूल्यांकन और डिप्लॉयमेंट के हर पड़ाव में गहरी पहुँच के साथ व्यक्तिगत आकलनों को सपोर्ट करने के लिए प्रतिबद्ध है. इस पहुँच से मूल्यांकनकर्ता हमारी मान्यताओं को चुनौती दे सकेंगे, उन रिस्क की पहचान कर सकेंगे जो शायद हमसे छूट गए हों, और हमारे सुरक्षा उपायों के असरदार होने के बारे में खुद अपने निष्कर्ष निकाल सकेंगे
हम लंबे समय से मॉडल बनाने और उसे लागू करने की प्रक्रिया के अलग-अलग पड़ाव में थर्ड-पार्टी मूल्यांकनकर्ताओं के साथ काम कर रहे हैं. हमने अपने प्रिपेयर्डनेस फ़्रेमवर्क के तरीकों में थर्ड-पार्टी असेसमेंट को भी शामिल किया है और ऐसे संगठनों और कानूनों का समर्थन किया है जो ज़्यादा सख़्त और जवाबदेह प्रक्रिया की वकालत करते हैं. इन सभी काम के दौरान, हमने व्यापक एक्सेस की सुविधा दी है, जिसमें हमारे तकनीकी सुरक्षा उपायों के बारे में जानकारी, स्पष्ट चेन-ऑफ-थॉट का एक्सेस, और घटना-प्रतिक्रिया और मॉनिटर रेड टीमिंग के लिए गोपनीय डेटा और इंटरनल डिप्लॉयमेंट का पहले न मिलने वाला एक्सेस शामिल है. यहाँ शेयर की गई प्राथमिकताएँ और सिद्धांत, तकनीकी सुरक्षा असेसमेंट पर प्राइवेट और नॉन-प्रॉफ़िट सेक्टर के व्यक्तिगत असेसमेंट संगठनों के साथ हमारे जुड़ाव पर केंद्रित हैं. ये टेस्टिंग और मूल्यांकन पर सरकारों के साथ हमारे काम के पूरक हैं, जहाँ अलग-अलग भूमिकाओं और ज़िम्मेदारियों के लिए अलग-अलग तरीकों की ज़रूरत हो सकती है.
इन आकलनों को असरदार बनाने के लिए मज़बूत व्यक्तिगत तरीके, वैज्ञानिक सटीकता, सख़्त सुरक्षा तौर-तरीके और स्पष्ट ज़िम्मेदारियाँ ज़रूरी हैं. लैब की यह ज़िम्मेदारी है कि वे संवेदनशील जानकारी की सुरक्षा करते हुए सार्थक जाँच की सुविधा दें. लैब और व्यक्तिगत मूल्यांकनकर्ताओं की यह मिली-जुली ज़िम्मेदारी है कि वे इसे सही ढंग से करें और उन्हें सुरक्षा और बचाव के तौर-तरीकों के लिए शेयर्ड अंतरराष्ट्रीय स्टैंडर्ड के आधार पर काम करना चाहिए. नीचे, हम ज़्यादा गहराई से आकलन के लिए चार प्राथमिकता वाले क्षेत्रों का सुझाव दे रहे हैं, साथ ही कड़े, सुरक्षित और व्यक्तिगत काम के लिए सिद्धांत भी बता रहे हैं.
थर्ड-पार्टी असेसमेंट तब सबसे ज़्यादा काम के होते हैं जब वे ख़ास और अहम सवालों पर ध्यान देते हैं: क्या सबूत लैब के सुरक्षा मामले और सुरक्षा दावों का समर्थन करते हैं? क्या मूल्यांकन उन रिस्क की ठीक से जाँच करते हैं जिन्हें मापने के लिए उन्हें बनाया गया है? क्या सुरक्षा उपाय असल हालात में काम करते हैं?
यहाँ बताए गए असेसमेंट, सुरक्षा से जुड़े जिन सवालों की जाँच की जा रही है, उनके आधार पर अलग-अलग तरह के हो सकते हैं. हम उम्मीद करते हैं कि एक ही समय में और अलग-अलग समय-सीमाओं में कई असेसमेंट किए जाएँगे; कुछ असेसमेंट हफ़्तों तक चलेंगे, तो कुछ कई महीनों तक. हालाँकि, थर्ड-पार्टी असेसमेंट भी डिप्लॉयमेंट से पहले के काम का हिस्सा हो सकते हैं और डिप्लॉयमेंट से जुड़े फ़ैसलों में मदद कर सकते हैं, लेकिन यहाँ जिस काम का ज़िक्र किया गया है, वह आम तौर पर लंबे समय तक चलने वाला और लॉन्च पर निर्भर न रहने वाला काम है—जिसका मुख्य मकसद समय के साथ सुरक्षा से जुड़े ख़ास दावों की गहराई से जाँच करना है.
अपनी प्राथमिकता वाले क्षेत्रों और सिद्धांतों में, हम सुरक्षा संबंधी दावे और सुरक्षा संबंधी मामले का ज़िक्र करते हैं. इन शब्दों से हमारा मतलब यह है:
सुरक्षा का दावा: किसी मॉडल या सिस्टम की क्षमताओं, व्यवहार या सुरक्षा उपायों के बारे में एक ख़ास बात, जो उसकी सुरक्षा से जुड़ी हो और जिसे सबूतों के आधार पर परखा जा सके. दावे में उन रिस्क और स्थितियों की पहचान होनी चाहिए जिनसे वह निपटता है, साथ ही उससे जुड़ी ज़रूरी धारणाओं और सीमाओं का भी ज़िक्र होना चाहिए.
सुरक्षा का मामला: यह सबूतों पर आधारित एक व्यवस्थित तर्क है जो बताता है कि किसी ख़ास एक्टिविटी; जैसे ट्रेनिंग, मूल्यांकन या डिप्लॉयमेंट, के लिए किसी मॉडल या सिस्टम के रिस्क को ठीक से मैनेज किया गया है. सुरक्षा का मामला अलग-अलग सुरक्षा से जुड़े दावों को उनके समर्थन में मौजूद सबूतों से जोड़ता है और उन मान्यताओं, अनिश्चितताओं और बचे हुए रिस्क को स्पष्ट करता है जो इसके नतीजों पर असर डाल सकते हैं.
हम सख़्त, सुरक्षित और व्यक्तिगत काम के सिद्धांतों के साथ गहन मूल्यांकन के लिए चार प्राथमिकता वाले क्षेत्रों का प्रस्ताव देते हैं.
सुरक्षा मामलों का व्यक्तिगत आकलन, जिसमें ट्रेनिंग, मूल्यांकन, इंटरनल डिप्लॉयमेंट और एक्सटर्नल डिप्लॉयमेंट शामिल हैं.
सुरक्षा मामलों के आकलन के लिए अलाइनमेंट, कंट्रोल के तरीकों; जैसे मॉनिटरिंग, साइबर-सिक्योरिटी, बायोलॉजिकल और केमिकल के गलत इस्तेमाल और रेड टीमिंग जैसे क्षेत्रों में विशेषज्ञता की ज़रूरत होती है. सुरक्षा मामलों में ट्रेनिंग, क्षमता का मूल्यांकन और सुरक्षा उपाय जैसे दावे शामिल होते हैं, जिनका आकलन एक साथ या अलग-अलग हिस्सों में किया जा सकता है (नीचे प्राथमिकता 2 और 3 देखें). मुमकिन है कि कई आकलनकर्ता अपनी-अपनी विशेषज्ञता के आधार पर केस के अलग-अलग हिस्सों की जाँच करें. साथ मिलकर, उनके आकलन से इन सवालों के जवाब मिलने चाहिए:
क्या ट्रेनिंग, मूल्यांकन और डिप्लॉयमेंट के लिए सुरक्षा मामलों से जुड़े सबूत काफ़ी हैं? क्या ट्रेनिंग, मूल्यांकन और डिप्लॉयमेंट के दौरान सुरक्षा मामले की शर्तों का पालन किया गया?
क्या हमारे सुरक्षा मामले मूल्यांकन के दौरान पहचाने गए सबसे ज़रूरी रिस्क को कवर करते हैं? क्या सुरक्षा दावे संपूर्ण सुरक्षा मामले का समर्थन करते हैं? क्या इसमें कोई कमी या सुधार की गुंजाइश है?
क्या ट्रेनिंग में ऐसे प्रोत्साहन की पहचान करने और उन्हें कम करने के लिए असरदार तरीकों का इस्तेमाल किया जाता है, जिनसे धोखेबाज़ी, रिवॉर्ड हैकिंग, नुकसानदेह काम या पाबंदियों से बचने को बढ़ावा मिल सकता है?
इंटरनल और एक्सटर्नल डिप्लॉयमेंट में अहम सुरक्षा उपायों का आकलन
बदलती क्षमताओं और हालात के हिसाब से हमारे सुरक्षा उपाय लगातार बेहतर हो रहे हैं. हमारी सुरक्षा व्यवस्था में ट्रेनिंग, इंटरनल डिप्लॉयमेंट और एक्सटर्नल डिप्लॉयमेंट शामिल हैं. इनमें अभी मॉडल-लेवल सुरक्षा उपाय, लागू करने वाले सुरक्षा उपाय और सिक्योरिटी से जुड़े सुरक्षा उपाय, साथ ही मिसअलाइनमेंट मॉनिटर शामिल हैं—जो कई तरह के रिस्क (जैसे कंट्रोल खोना, और साइबर, बायोलॉजिकल और केमिकल रिस्क में गलत इस्तेमाल) को कवर करते हैं. टेक्निकल पार्टनरशिप से सुरक्षा उपायों में कमियों का पता लगाया जा सकता है और साथ ही असेसमेंट के तरीकों को बेहतर बनाकर और स्टैंडर्ड्स के डेवलपमेंट में तेज़ी लाकर भविष्य की पब्लिक पॉलिसी के लिए एक मज़बूत टेक्निकल आधार तैयार किया जा सकता है, अत्याधुनिक—ख़ासकर इंटरनल डिप्लॉयमेंट के लिए, जहाँ सुरक्षा और सिक्योरिटी स्टैंडर्ड्स अभी शुरुआती दौर में हैं.
व्यक्तिगत मूल्यांकन में यह जाँच की जानी चाहिए कि ये सुरक्षा उपाय कितने अच्छे से काम करते हैं और कहाँ उनमें कमी रह सकती है, जैसे कि:
क्या "ग्रे बॉक्स" एक्सेस का इस्तेमाल करने पर, सुरक्षा उपाय एडवर्सरियल टेस्टिंग (जेलब्रेक) के लिए मज़बूत हैं और क्या वे ज़्यादा रिस्क वाले क्षेत्रों (जैसे साइबर, बायो) में क्षमता बढ़ने से काफ़ी सुरक्षा देते हैं? क्या हमारी एडवर्सरियल टेस्टिंग और रेड टीमिंग में सबसे अहम रिस्क शामिल हैं?
असल जैसे हालात में की जाने वाली ऑथोराइज़्ड टेस्टिंग में, एजेंट साइबर सुरक्षा उपायों—जैसे एक्सेस कंट्रोल, सैंडबॉक्सिंग, और डिटेक्शन व रिस्पॉन्स सिस्टम के साथ कैसे काम करते हैं? कौन-से सुरक्षा उपाय नुकसानदेह गतिविधियों को रोकते हैं, उनका पता लगाते हैं या उन्हें सीमित करते हैं, और वे कहाँ नाकाम हो जाते हैं?
क्या हमारे मिसअलाइनमेंट मॉनिटर में कोई ऐसी बड़ी कमी है जिससे इंटरनल और एक्सटर्नल दोनों तरह के डिप्लॉयमेंट में कंट्रोल खोने या गंभीर मिसअलाइनमेंट की समस्या हो सकती है? जैसे-जैसे मॉडल की क्षमताएँ बेहतर होती जा रही हैं, सुरक्षा या अलाइनमेंट के सबूत के तौर पर 'चेन-ऑफ-थॉट' मॉनिटरिंग कितनी भरोसेमंद है?
क्या सभी संबंधित ट्रेनिंग, मूल्यांकन और डिप्लॉयमेंट के दौरान उचित निगरानी इस तरह से लागू की गई है कि उसे आसानी से डिसेबल न किया जा सके?
क्या सुरक्षा उपाय क्षमताओं के हिसाब से लागू किए गए हैं?
प्रिपेयर्डनेस रिस्क कैटेगरी (केमिकल और बायोलॉजिकल रिस्क, साइबर सुरक्षा, AI का खुद को बेहतर बनाना) को कवर करने वाले क्षमता मूल्यांकन का आकलन और मिसअलाइनमेंट रिस्क के लिए अलाइनमेंट मूल्यांकन
हमारे प्रिपेयर्डनेस फ़्रेमवर्क के तहत फ्रंटियर रिस्क वाले प्रमुख क्षेत्रों का मूल्यांकन करना ज़रूरी है. जैसे-जैसे सीमाएं पार होती हैं और मूल्यांकन पूरे हो जाते हैं, यह ज़रूरी है कि प्रिपेयर्डनेस रिस्क वाले क्षेत्रों में क्षमताओं का आकलन करने वाले मूल्यांकनों और गंभीर मिसअलाइनमेंट रिस्क का आकलन करने वाले अलाइनमेंट मूल्यांकनों की कवरेज और क्वालिटी को लगातार अपडेट और पक्का किया जाए.
उपयुक्त सवालों में शामिल हैं:
क्या प्रिपेयर्डनेस रिस्क का आकलन करने वाले मूल्यांकन, प्रिपेयर्डनेस रिस्क सीमा की परिभाषा को ठीक से कवर करते हैं? क्या इन मूल्यांकनों के लिए सीमाएँ सही ढंग से तय की गई हैं?
क्या तब मूल्यांकन अपडेट किए जाते हैं जब मॉडल लगातार सबसे ज़्यादा स्कोर हासिल करते हैं, और क्या नए टेस्ट ज़्यादा एडवांस्ड क्षमताओं को सही ढंग से मापते हैं?
क्या हमारे अलाइनमेंट मूल्यांकन गंभीर मिसअलाइनमेंट रिस्क को ठीक से कवर करते हैं, और उनसे कौन से ज़रूरी व्यवहार या स्थितियाँ छूट सकती हैं?
गंभीर मिसअलाइनमेंट की घटनाओं की व्यक्तिगत जाँच
AI सुरक्षा से जुड़ी कई अहम घटनाओं में व्यक्तिगत जाँच बहुत काम की हो सकती है. यहाँ हमारा ध्यान मॉडल के मिसअलाइनमेंट पर होता है, जैसे कि मॉडल का बिना ऑथोराइज़ेशन के काम करना या निगरानी से बचना. इससे अलाइनमेंट के तरीकों और सुरक्षा उपायों में मौजूद कमियों का पता चल सकता है, भले ही उनका जान-बूझकर गलत इस्तेमाल न किया गया हो.
कुछ ख़ास परिस्थितियों में, जैसे OpenAI Hugging Face की घटना में, मिसअलाइनमेंट की घटना की जाँच के लिए किसी व्यक्तिगत थर्ड पार्टी को शामिल करना फ़ायदेमंद हो सकता है. यह बहुत ज़रूरी है कि घटना की जाँच में शामिल थर्ड पार्टी के पास जाँच के लिए ज़रूरी विशेषज्ञता हो, जिसमें ज़रूरत पड़ने पर ये चीज़ें शामिल हों: साइबर फ़ोरेंसिक विशेषज्ञता, अलाइनमेंट विशेषज्ञता, बड़े पैमाने पर 'चेन-ऑफ-थॉट' एनालिसिस, और समय पर जाँच करने के लिए ज़रूरी स्टाफ़ और रिसोर्स. घटना पर कार्रवाई के दौरान संवेदनशील इंटरनल डेटा और थर्ड पार्टी के डेटा के एक्सेस की ज़रूरत पड़ सकती है, और इस वजह से कुछ जानकारी पब्लिश करना या उन्हें एक्सेस करना संवेदनशील हो सकता है. व्यक्तिगत जाँच से मिली जानकारी मॉडल के 'सेफ़्टी केस' को बेहतर बनाने में मदद कर सकती है; इससे मॉडल के अलाइनमेंट और पहले देखी गई मिसअलाइनमेंट को ठीक करने के लिए उठाए गए कदमों की असरदार होने के दावों की जाँच के लिए सबूत मिलते हैं.
मिसअलाइनमेंट की घटनाओं के संदर्भ में, हम इन पर व्यक्तिगत असेसमेंट को प्राथमिकता देते हैं:
घटना के दौरान मॉडल बिहेवियर या मिसअलाइनमेंट से जुड़ी क्या दिक्कतें हुईं, और इसके मुख्य कारण क्या हैं?
क्या सुरक्षा उपाय और सुधार भविष्य में ऐसी घटनाओं को असरदार तरीके से कम कर सकेंगे?
आकलन के लिए स्पष्ट तौर से तय दायरे और आपसी सहमति वाले दावे: आकलन की शुरुआत आपसी सहमति वाले दायरे से होनी चाहिए, जिसके बाद स्पष्ट तौर से परिभाषित सुरक्षा दावे होने चाहिए जिन्हें आकलन की गतिविधियाँ शुरू होने से पहले ही रजिस्टर कर लिया गया हो. थर्ड पार्टी और लैब को यह स्पष्ट करना चाहिए कि क्या ये वे दावे हैं जिन्हें आकलित की जा रही कंपनी आकलन के लिए पेश करना चाहती है, या वे दावे हैं जिनका आकलन थर्ड पार्टी आकलनकर्ता व्यक्तिगत तौर से करना चाहते हैं और लैब जिनके आधार पर आकलित होने के लिए सहमत है. कुछ दावे दायरे से बाहर हो सकते हैं, इसके कई कारण हो सकते हैं, जैसे थर्ड पार्टी के लिए डेटा का एक्सेस न होना, आकलनकर्ता के पास काफ़ी विशेषज्ञता की कमी, या आकलन की तुरंत ज़रुरत होने पर समय की कमी. लैब और आकलनकर्ता को असल दायरे से बाहर पहचाने गए अहम रिस्क पर विचार करने के लिए एक प्रोसेस बनाना चाहिए, जिसमें यह भी शामिल हो कि क्या आगे जाँच की ज़रुरत है. निष्कर्षों में यह स्पष्ट होना चाहिए कि आपसी सहमति वाले दायरे के संबंध में किन चीज़ों का आकलन किया गया और किनका नहीं.
अनुपातिक एक्सेस: कानूनी, सुरक्षा और IP से जुड़ी सीमाओं के दायरे में रहते हुए, जहाँ भी मुमकिन हो, तय किए गए दावों की जाँच करने के लिए आकलनकर्ताओं के पास अनुपातिक एक्सेस होना चाहिए. जहाँ सीधे पहुँच पाना व्यावहारिक या मुमकिन न हो, वहाँ आकलनकर्ता कंपनी के किसी तय प्रतिनिधि के साथ काम कर सकते हैं या मूल जानकारी की सुरक्षा के लिए इनडायरेक्ट या गोपनीयता बनाए रखने वाले एक्सेस के तरीके का इस्तेमाल कर सकते हैं.
पारदर्शी तरीका और स्टैंडर्ड: आकलनकर्ताओं को अपने तरीके, असेसमेंट क्राइटेरिया और अनिश्चितताओं को समझाना चाहिए, और जहाँ उपलब्ध हों, वहाँ पहले से मौजूद स्टैंडर्ड का इस्तेमाल करना चाहिए. जहाँ अभी स्टैंडर्ड मौजूद नहीं हैं, वहाँ उन्हें अपने इस्तेमाल किए गए क्राइटेरिया को स्पष्ट तौर पर सही ठहराना चाहिए. रिपोर्ट में सीधे नतीजों को मतलब से अलग करना चाहिए, अनिश्चितता को समझाना चाहिए, और यह स्पष्ट करना चाहिए कि सबूत किन नतीजों को सपोर्ट करते हैं.
विशेषज्ञता और निष्पक्षता: आकलनकर्ताओं को उचित तकनीकी विशेषज्ञता दर्शानी चाहिए और हितों के टकराव; चाहे वे संगठनात्मक हों या व्यक्तिगत, की पहचान करनी चाहिए, उन्हें बताना चाहिए और उनका समाधान करना चाहिए. इसमें वित्तीय लाभ, डेवलपर्स के साथ संबंध और जिस काम का मूल्यांकन किया जा रहा है, उसमें पहले से शामिल होना जैसी बातें शामिल हैं. ऐसे उपाय किए जाने चाहिए जिनसे यह पक्का हो सके कि व्यावसायिक दबाव और भुगतान की व्यवस्था नतीजों को प्रभावित न करें; इनमें मूल्यांकन प्रक्रिया से खुद को अलग करना या उचित समय-सीमा तक शामिल न होना जैसे उपाय शामिल हो सकते हैं.
सुरक्षा और गोपनीयता: आकलनकर्ताओं को अपने कर्मचारियों के लिए जानकारी की सुरक्षा के तरीके और गोपनीयता की ऐसी सुरक्षा व्यवस्था अपनानी चाहिए जो सिस्टम और जानकारी की संवेदनशीलता के हिसाब से हो. इन सुरक्षा उपायों में बौद्धिक संपदा, संवेदनशील जानकारी और असेसमेंट रिकॉर्ड शामिल होने चाहिए. अगर आकलनकर्ता अपने माहौल में सुरक्षा की ज़रूरतों को पूरा नहीं कर पाते हैं, या जिस डेटा को एक्सेस किया जा रहा है वह बहुत संवेदनशील है, तो कंपनी द्वारा मैनेज किए जाने वाले डिवाइस या परिसर से एक्सेस करना सही हो सकता है.
काम की जानकारी और सुधार का समय: असेसमेंट में कमियों की ख़ास तौर पर पहचान होनी चाहिए और लैब को उन्हें ठीक करने के लिए ज़रूरी जानकारी मिलनी चाहिए. जहाँ ज़रूरी हो, लैब को पब्लिकेशन से पहले समस्याओं को ठीक करने के लिए उचित समय मिलना चाहिए. जहाँ लागू हो, रिपोर्ट में एजेंट डेवलपर्स, उन्हें लागू करने वालों और सुरक्षा करने वालों के लिए सीख और उन्हें लागू करने के लिए व्यावहारिक सुझाव भी होने चाहिए.
ज़िम्मेदार पब्लिकेशन के तरीके: असेसमेंट रिपोर्ट सबूतों पर आधारित होनी चाहिए और संवेदनशील व गोपनीय जानकारी की सुरक्षा करते हुए उन्हें जितना हो सके खुले तौर पर शेयर किया जाना चाहिए. जहाँ पूरी तरह से सार्वजनिक जानकारी देना मुमकिन न हो, वहाँ उचित निगरानी निकायों (जैसे कंपनियों के गवर्नेंस निकाय या बोर्ड) को गोपनीय रिपोर्टिंग से जवाबदेही में मदद मिल सकती है. आज़ादी और गोपनीयता के बीच संतुलन बनाए रखने के लिए, जानकारी हटाने से जुड़े स्पष्ट नियम और नीतियाँ होनी चाहिए, साथ ही फ़ीडबैक और गलतियों को सुधारने के बारे में स्पष्ट उम्मीदें भी तय होनी चाहिए. आकलनकर्ताओं को एडिटोरियल आज़ादी बनाए रखनी चाहिए और साथ ही यह भी पक्का करना चाहिए कि गोपनीयता और IP सुरक्षा बनी रहे. आकलनकर्ताओं को जानकारी हटाने की स्पष्ट नीतियाँ अपनानी चाहिए, जिससे लैब्स संवेदनशील जानकारी हटाने का अनुरोध कर सकें; साथ ही, आकलनकर्ताओं यह नोट कर सकें कि कहाँ महत्वपूर्ण जानकारी हटाई गई है और इसका उनकी असेसमेंट रिपोर्ट पर क्या असर पड़ा है.
हम व्यक्तिगत आकलनकर्ताओं का समर्थन करने और असरदार थर्ड-पार्टी असेसमेंट के लिए स्पष्ट, शेयर्ड अंतरराष्ट्रीय स्टैंडर्ड स्थापित करने के लिए प्रतिबद्ध हैं—यह सब भविष्य के कानूनों और निजी गवर्नेंस संस्थानों—के ज़रिए किया जाएगा. हालांकि व्यक्तिगत मूल्यांकन का इकोसिस्टम अभी भी बढ़ रहा है, हम अत्याधुनिक सुरक्षा से जुड़े महत्वपूर्ण सवालों पर गहरी विशेषज्ञता रखने वाले व्यक्तिगत आकलनकर्ताओं के विविध समुदाय का समर्थन और उनके साथ काम करके इसके विकास में मदद करेंगे. कोई भी एक थर्ड-पार्टी अत्याधुनिक सुरक्षा से जुड़े तत्काल और महत्वपूर्ण सवालों को पूरी तरह से कवर नहीं कर सकती है और न ही उसे ऐसा करना चाहिए. हम अपनी क्षमता को बढ़ाने और बढ़ते हुए थर्ड-पार्टी इकोसिस्टम को बेहतरीन तरीकों और सिद्धांतों के हिसाब से काम करने के काबिल बनाने के लिए सोच-समझकर और इरादे के साथ आगे बढ़ेंगे. हम कई थर्ड-पार्टी संस्थाओं के साथ उन प्रस्तावों पर बातचीत कर रहे हैं जो ऊपर बताए गए प्राथमिकता वाले क्षेत्रों के अनुरूप हैं.
