banner.jpg)
試想一下，有人將一張“貼紙”貼在面部，就可以使人臉識別門禁系統(tǒng)誤認為是你，從而輕而易舉打開大門；同樣是這張“貼紙”，把它貼在眼鏡上，就可以1秒解鎖你的手機人臉識別，探取隱私如入無人之境。這并非科幻大片的想象，而是首屆人工智能安全大賽頒獎典禮現(xiàn)場展示的真實攻防場景。
前不久，由國家工業(yè)信息安全發(fā)展研究中心、清華大學人工智能研究院和北京瑞萊智慧科技有限公司等單位聯(lián)合主辦的首屆人工智能安全大賽落幕。大賽期間，有關(guān)人工智能安全風險引發(fā)討論。與會專家表示，人工智能安全風險已非未來挑戰(zhàn)，而是眼前威脅，要重視人工智能安全體系建設，加快促進人工智能安全領(lǐng)域關(guān)鍵技術(shù)研究與攻防實踐。
人工智能和其他通用技術(shù)一樣，在高歌猛進的同時，也帶來了一定的風險和隱患。曾獲“吳文俊人工智能優(yōu)秀青年獎”的瑞萊智慧首席執(zhí)行官田天認為，人工智能技術(shù)風險發(fā)生的范圍，正隨著應用場景的日趨廣泛而逐步擴大，風險發(fā)生的可能性也隨著其應用頻次的增長而持續(xù)提高。在他看來，人工智能當前的安全風險主要可以從“人”與“系統(tǒng)”這兩個視角來剖析。
從人的視角來評估人工智能的安全問題，首當其沖就是技術(shù)的兩面性問題，存在人工智能濫用的問題。具體到人工智能的應用中來看，最為典型的代表就是深度偽造技術(shù)，它的負向應用風險持續(xù)加劇且已產(chǎn)生實質(zhì)危害。
此次大賽的人臉識別破解演示，所揭示的正是系統(tǒng)的風險，它來自深度學習算法本身的脆弱性。以深度學習算法為核心的第二代人工智能是個“黑盒子”，具有不可解釋性，意味著系統(tǒng)存在結(jié)構(gòu)性的漏洞，可能受到不可預知的風險，典型的就比如現(xiàn)場演示的“神奇貼紙”，其實就是“對抗樣本攻擊”，通過在輸入數(shù)據(jù)中添加擾動，使得系統(tǒng)作出錯誤判斷。
這一漏洞在自動駕駛感知系統(tǒng)同樣存在。正常情況下，在識別到路障、指示牌、行人等目標后，自動駕駛車輛就會立即停車，但在目標物體上添加干擾圖案后，車輛的感知系統(tǒng)可能會出錯，徑直撞上去。
大賽期間，《人工智能算力基礎(chǔ)設施安全發(fā)展白皮書》發(fā)布。其中提到，人工智能算力基礎(chǔ)設施不同于傳統(tǒng)的算力基礎(chǔ)設施，既是“基礎(chǔ)設施”又是“人工智能算力”也是“公共設施”，具有基建屬性、技術(shù)屬性、公共屬性三重屬性。相應地，推動人工智能算力基礎(chǔ)設施安全發(fā)展應從強化自身安全、保障運行安全、助力安全合規(guī)三個方面發(fā)力。
統(tǒng)籌發(fā)展和安全，似乎是每項新技術(shù)發(fā)展過程中面臨的必然問題，如何實現(xiàn)高水平發(fā)展和高水平安全的良性互動，也是當前人工智能產(chǎn)業(yè)發(fā)展最為重要的命題之一，現(xiàn)場多位專家就此話題展開討論。
“人工智能對抗攻防包括對抗樣本、神經(jīng)網(wǎng)絡后門、模型隱私問題等多方面技術(shù)。模型有錯誤，就需要進行及時的修復�！敝袊茖W院信息安全國家重點實驗室副主任陳愷提出“神經(jīng)網(wǎng)絡手術(shù)刀”的方法，通過定位引發(fā)錯誤的神經(jīng)元，進行精準“微創(chuàng)”修復。
陳愷表示，不同于傳統(tǒng)的模型修復工作需要重新訓練模型，或者依賴于較大量的數(shù)據(jù)樣本，這種方式類似于“微創(chuàng)手術(shù)”，只需極少量數(shù)據(jù)樣本，能夠大幅提升模型修復效果。
開放環(huán)境下的人工智能系統(tǒng)面臨諸多安全挑戰(zhàn)，如何解決通用人工智能算法全周期的安全保障問題成為重中之重。
北京航空航天大學軟件開發(fā)環(huán)境國家重點實驗室副主任劉祥龍表示，從技術(shù)上來看應形成從安全性測試到安全性分析與安全性加固的完整技術(shù)手段，最終形成標準化的測試流程。
他同時指出，未來的人工智能安全應該圍繞從數(shù)據(jù)、算法到系統(tǒng)各個層次上的全面評測，同時配合一套從硬件到軟件的安全可信計算環(huán)境。
工商銀行金融研究院安全攻防實驗室主管專家蘇建明表示，人工智能安全治理需要廣泛協(xié)作和開放創(chuàng)新，需加強政府、學術(shù)機構(gòu)、企業(yè)等產(chǎn)業(yè)各參與方的互動合作，建立積極的生態(tài)規(guī)則。政策層面加快人工智能的立法進程，加強對人工智能服務水平、技術(shù)支撐能力等專項監(jiān)督考核力度。學術(shù)層面，加大對人工智能安全研究的激勵投入，通過產(chǎn)學研合作模式加快科研成果的轉(zhuǎn)化與落地。企業(yè)層面，逐步推動人工智能技術(shù)由場景拓展向安全可信發(fā)展轉(zhuǎn)變，通過參與標準制定，推出產(chǎn)品服務，持續(xù)探索人工智能安全實踐及解決方案。
事實上，構(gòu)建人工智能的安全生態(tài)，一方面需要技術(shù)的持續(xù)演進，一方面也需要專項技術(shù)人才的建設與培養(yǎng)。田天表示，由于人工智能安全研究目前仍屬于新興領(lǐng)域，專項人才較少，缺乏系統(tǒng)性的研究隊伍，此次大賽通過實戰(zhàn)演練的方式，驗證和提升選手實戰(zhàn)能力，為培育一批高水平、高層次的人工智能安全新型人才團隊提供了“快速通道”。
專家們認為，從長遠看，人工智能的安全問題，還需從算法模型的原理上突破，唯有持續(xù)加強基礎(chǔ)研究，才能破解核心科學問題，同時他們強調(diào)，人工智能的未來發(fā)展需確保對整個社會、國家發(fā)展的有效性和正向促進性，需要政產(chǎn)學研用多方協(xié)同共進。
