每經記者 張蕊    每經編輯 陳星    

參展者登上自行車開始騎行，此時心率計、功率計、踏頻器等分別采集數(shù)據(jù)并上傳，屏幕上實時顯示騎行距離、速度、心率、踏頻等各類隱私數(shù)據(jù)……

這是在5月17日至19日舉行的2024年第十二屆西湖論劍•數(shù)字安全大會數(shù)字安全建設成果展上的一幕。該展位工作人員向記者介紹：“我們通過這種形式來展示數(shù)據(jù)分類分級的過程，以及在傳輸中如何借助大模型檢測潛在的數(shù)據(jù)泄漏、惡意攻擊等威脅。”

近一段時間以來，以大模型為代表的AI（人工智能）技術持續(xù)火爆，在驚喜于大模型的“聰明能干”時，很多人也開始隱隱擔憂：當我們在跟大模型對話時，會不會造成個人信息或者商業(yè)機密的泄露？AI在帶來便捷與紅利的同時，還會帶來哪些安全方面的挑戰(zhàn)？我們又應該如何應對？

帶著這些問題，《每日經濟新聞》記者在大會期間采訪了包括院士、專家學者、網絡安全頭部企業(yè)在內的多位業(yè)界人士。

大會現(xiàn)場 圖片來源：每經記者 張蕊 攝

挑戰(zhàn)：數(shù)據(jù)安全問題日益凸顯

隨著大模型和生成式AI的興起，數(shù)據(jù)安全問題日益凸顯。

“一旦交互，肯定會有數(shù)據(jù)泄漏的風險。比如你的位置、個人喜好會在不經意間被收集。”浙江大學計算機科學與技術學院副教授、杭州市人工智能學會副理事長金小剛接受《每日經濟新聞》記者采訪時說：“我們使用大模型的方式是跟它對話，收集數(shù)據(jù)是肯定存在的，這就需要大家最好不去使用信譽不好的企業(yè)平臺。”

中國科學技術大學公共事務學院、網絡空間安全學院教授左曉棟在接受《每日經濟新聞》記者采訪時表示：“當前，對生成式AI的安全關切是多方面的，包括意識形態(tài)安全和數(shù)據(jù)安全等。”

他舉例說，在數(shù)據(jù)安全方面，生成式AI要依靠數(shù)據(jù)來訓練，但數(shù)據(jù)如果被污染了怎么辦？此外，人工智能在訓練中有時要用到個人信息，甚至是商業(yè)秘密，相關方的權益該怎么保證？個人是不是有信息權益保護方面的訴求？

意識形態(tài)安全方面，生成結果是否符合法律法規(guī)的要求？這些數(shù)據(jù)的使用是否合法？這些也是大家密切關注的。

談及大模型在數(shù)據(jù)處理、分析、生成中可能帶來的數(shù)據(jù)泄露、濫用等風險，科技部網絡空間安全2030計劃專家組成員、教育部信息技術新工科聯(lián)盟網絡空間安全工委會主任委員、俄羅斯國家工程院外籍院士胡瑞敏對每經記者提到了三大安全隱患：數(shù)據(jù)隱私，包括數(shù)據(jù)泄露；模型劫持；內容的安全以及合規(guī)合法和安全審計問題。

“這就要求安全技術必須跟進，并且和大模型有機結合。”胡瑞敏說，據(jù)他了解，國內很多單位已經在開展這方面工作。

風險：“黑模型”已經出現(xiàn)

除了訓練、使用大模型帶來的安全風險，不法分子還會利用AI深度偽造行騙。事實上，深度偽造技術早已出現(xiàn)，最典型的就是AI換臉。

浙江墾丁律師事務所聯(lián)合創(chuàng)始人歐陽昆潑在接受《每日經濟新聞》記者采訪時表示，在AI時代，深度偽造技術的濫用使圖片、視頻的真?zhèn)卧絹碓诫y鑒別。“深度偽造現(xiàn)在已經產生了很多刑事案件。”

不僅如此，現(xiàn)在已經出現(xiàn)了“黑模型”——基于一些“黑灰產”數(shù)據(jù)訓練出來的大模型，專門用于詐騙、竊取隱私、“釣魚”等。他舉例說，以前要做一個釣魚軟件或者黑客攻擊，技術門檻較高，但現(xiàn)在只要輸入指令，“黑模型”就可以生成一個釣魚軟件，門檻非常低。

中國電信集團公司原總經理、全球云網寬帶協(xié)會董事會主席李正茂在大會期間對《每日經濟新聞》記者表示：“我們感到現(xiàn)在對電信網絡詐騙應對起來比較麻煩，如果AI技術被犯罪分子利用，就會變得更加麻煩。若要依賴第三方幫你甄別，可能還沒甄別出來就已經被騙了，這是個大問題，要引起足夠重視。”

探索：用AI防控、治理AI成為安全領域的必選項

每經記者注意到，多位專家在演講或受訪中都提到安防領域“道高一尺，魔高一丈”，那么以AI對抗AI是否是一個出路？

對此，中國工程院院士鄔江興對《每日經濟新聞》記者表示：“同一個模型，不能自己檢驗自己，但是可以用別的AI模型來檢驗你的AI模型。”

安恒信息董事長范淵在接受《每日經濟新聞》記者采訪時表示，隨著AI技術的發(fā)展，威脅也愈發(fā)凸顯。“以AI對AI、以AI管AI是數(shù)字治理的必然趨勢。AI讓網絡攻擊的門檻更低，更難以防范。用AI來防控和治理AI，正在成為安全領域的必選項。”

范淵提到，現(xiàn)在很多地方開放公共數(shù)據(jù)去訓練和支持人工智能產業(yè)，但同時又很擔心會帶來數(shù)據(jù)和隱私的泄露?；跈C密計算的大模型訓練與推理，讓這些問題得以解決。

他還提到，在內容安全方面，也有很多大模型的注入，內容的輸入、輸出安全，都是非常具有挑戰(zhàn)的部分，數(shù)據(jù)安全、模型安全、應用安全，這些都是讓人工智能更安全的重要部分。“一方面是如何及時發(fā)現(xiàn)與阻斷虛假內容；另一方面是防止侵犯知識產權、敏感數(shù)據(jù)泄露以及如何防御提示詞的注入、提示詞的繞過等。”

AI還可以提升安全問題的解決效率。范淵舉例說，之前600人/天的數(shù)據(jù)分類分級項目，結合AI大模型“恒腦”知識庫、相關語義識別能力、關聯(lián)推理能力，以及站在業(yè)務視角的字段理解與注釋，可以協(xié)助人工快速決策判斷，最后只用20人/天就完成了，效率提升30倍。

范淵坦言，也有很多頑疾始終沒有解決。“產品不夠、服務來湊，海量告警數(shù)據(jù)需要靠海量的人去解決。”

“但是AI為這個行業(yè)、為數(shù)字化建設帶來了巨大變革。”范淵直言，AI可以把幾百萬個告警數(shù)量減少到幾萬個，從幾萬個當中智能甄別哪些不構成威脅或不需要處理，解決了誤報、待優(yōu)化的內容，以及分辨可防御的、已經防御完成的告警，最后只留下少量告警需要人工研判，這是人力可處理的。

不過，在金小剛看來，AI永遠是工具，最終起作用的還是人。“在安全問題上我永遠主張創(chuàng)新才是真正解決問題的方法。”

應對：多維度、多種AI系統(tǒng)交叉印證

對于AI帶來的安全風險，我們如何應對？

鄔江興對每經記者表示，AI目前在科學上具有不可解釋性，我們沒辦法對它的數(shù)學、物理性質作出解釋，這是它基本原理上的缺陷，所以很多人想利用這種缺陷進行不法行為。

“我們現(xiàn)在有個解決辦法，就是通過基于內生安全的AI應用系統(tǒng)來解決。”鄔江興說，這種AI應用系統(tǒng)是多維度、多種AI系統(tǒng)的交叉印證，不法分子在某個AI系統(tǒng)上做了手腳，在交叉印證中就會被發(fā)現(xiàn)。

“任何人在某一個模型、某一個數(shù)據(jù)上做手腳是沒用的，它可能對A模型有用，但對B模型沒用，所以我們用交叉印證來驗證。”鄔江興說，就像盲人摸象一樣，一個人摸，可能認為象是圓柱體，但是多角度結合起來看才知道象是什么樣子。局部的問題我們看不清楚，如果是多個維度看就能看清問題了。

鄔江興演講 圖片來源：每經記者 張蕊 攝

對于不法分子借助AI工具詐騙的行為，鄔江興表示，AI的特異性決定了不法分子可以用某一個模型詐騙，但放在另外的模型下可能就不管用，就像如果不法分子進行黑客攻擊，他可以攻擊一個模型，但不能同時攻擊多個模型。“所以我們要用多樣性印證。”

鄔江興反復強調在應用中盡量避免使用單一模型，單一模型如果是在“一本正經地胡說八道”，使用者是不能判斷的，但是如果其他模型也是這樣的結果，使用者就可以大致有個判斷。

“我們不能機會主義地去用那些不安全的AI系統(tǒng)，但也不能理想主義地去用絕對安全的AI系統(tǒng)，因為不可能絕對安全。”鄔江興說，這中間怎么權衡？就是要用多樣性來保證。使用幾種典型的模型，相互之間進行印證。

對于AI，尤其是深度偽造帶來的安全風險，胡瑞敏認為，首先要對智能技術應用做一定約束，要實現(xiàn)可信的智能，對模型的安全等都要進行有效監(jiān)管；其次，要提升深度偽造的檢測技術，應該有全局布局，確保深度偽造的風險可控。

這些鑒別技術普通人是否易得？胡瑞敏表示，我們有很多深度偽造的鑒別技術，很容易做成工具為大眾所使用。“當然，由于智能技術發(fā)展非?？?，也越來越成熟，這也給鑒別技術提出了新的要求。”