當(dāng)前，AI醫(yī)療、智慧家庭、自動駕駛、智能交易等人工智能的發(fā)展不斷顛覆企業(yè)的商業(yè)模式，也在改變我們的生活方式。

中國科學(xué)院院士、上海交通大學(xué)副校長毛軍發(fā)表示，人工智能作為“加速器”已涉及醫(yī)療、金融、交通、新聞等各行各業(yè)，可以有效解決傳統(tǒng)行業(yè)面臨的問題，發(fā)揮大量數(shù)據(jù)的價值，賦能傳統(tǒng)產(chǎn)業(yè)發(fā)展。

人工智能發(fā)展的本質(zhì)是通過算法、算力和數(shù)據(jù)去解決完全信息和結(jié)構(gòu)化環(huán)境下的確定性問題。

毛軍發(fā)認為，隨著算法、算力和數(shù)據(jù)的進一步發(fā)展，勢必加速萬物智能時代到來，為人工智能賦能各種場景打通重要通道，實現(xiàn)萬物互聯(lián)。

但不可否認的是，人工智能在服務(wù)和賦能人類生產(chǎn)生活同時，也帶來了難以忽視的安全風(fēng)險。

【人工智能安全問題分類】一、數(shù)據(jù)風(fēng)險1. “數(shù)據(jù)投毒”所謂的“數(shù)據(jù)投毒”指人工智能訓(xùn)練數(shù)據(jù)污染導(dǎo)致人工智能決策錯誤。

通過在訓(xùn)練數(shù)據(jù)里加入偽裝數(shù)據(jù)、惡意樣本等，破壞數(shù)據(jù)的完整性，進而導(dǎo)致訓(xùn)練的算法模型決策出現(xiàn)偏差。

“數(shù)據(jù)投毒”主要有兩種攻擊方式：· 一種是采用模型偏斜方式，攻擊目標是訓(xùn)練數(shù)據(jù)樣本，通過污染訓(xùn)練數(shù)據(jù)達到改變分類器分類邊界的目的;· 另一種則是采用反饋誤導(dǎo)方式，攻擊目標是人工智能的學(xué)習(xí)模型本身，利用模型的用戶反饋機制發(fā)起攻擊，直接向模型“注入”偽裝的數(shù)據(jù)或信息，誤導(dǎo)人工智能做出錯誤判斷。

“數(shù)據(jù)投毒”危害性十分巨大，特別是在自動駕駛領(lǐng)域，可導(dǎo)致車輛違反交通規(guī)則甚至造成交通事故。

2. 數(shù)據(jù)泄露一方面逆向攻擊可導(dǎo)致算法模型內(nèi)部的數(shù)據(jù)泄露;另一方面，人工智能技術(shù)可加強數(shù)據(jù)挖掘分析能力，加大隱私泄露風(fēng)險。

比如各類智能設(shè)備(如智能手環(huán)、智能音箱)和智能系統(tǒng)(如生物特征識別系統(tǒng)、智能醫(yī)療系統(tǒng))，人工智能設(shè)備和系統(tǒng)對個人信息采集更加直接與全面。

人工智能應(yīng)用采集的信息包括了人臉、指紋、聲紋、虹膜、心跳、基因等，具有很強的個人屬性。

這些信息具有唯一性和不變性，一旦泄露或者濫用將產(chǎn)生嚴重后果。

3. 數(shù)據(jù)異常運行階段的數(shù)據(jù)異?？蓪?dǎo)致智能系統(tǒng)運行錯誤，同時模型竊取攻擊可對算法模型的數(shù)據(jù)進行逆向還原。

此外，開源學(xué)習(xí)框架存在安全風(fēng)險，也可導(dǎo)致人工智能系統(tǒng)數(shù)據(jù)泄露。

二、算法風(fēng)險· 圖像識別、圖像欺騙等會導(dǎo)致算法出問題，比如自動駕駛，谷歌也做了一些研究，如果模型文件被黑客控制惡意修改，并且給它學(xué)習(xí)，會產(chǎn)生完全不一樣的結(jié)果;· 算法設(shè)計或?qū)嵤┯姓`可產(chǎn)生與預(yù)期不符甚至傷害性結(jié)果;· 算法潛藏偏見和歧視，導(dǎo)致決策結(jié)果可能存在不公;· 算法黑箱導(dǎo)致人工智能決策不可解釋，引發(fā)監(jiān)督審查困境;· 含有噪聲或偏差的訓(xùn)練數(shù)據(jù)可影響算法模型準確性。

三、網(wǎng)絡(luò)風(fēng)險· 人工智能不可避免的會引入網(wǎng)絡(luò)連接，網(wǎng)絡(luò)本身的安全風(fēng)險也會將AI帶入風(fēng)險的深坑;· 人工智能技術(shù)本身也能夠提升網(wǎng)絡(luò)攻擊的智能化水平，進而進行數(shù)據(jù)智能竊取;· 人工智能可用來自動鎖定目標，進行數(shù)據(jù)勒索攻擊。

人工智能技術(shù)通過對特征庫學(xué)習(xí)自動查找系統(tǒng)漏洞和識別關(guān)鍵目標，提高攻擊效率;· 人工智能可自動生成大量虛假威脅情報，對分析系統(tǒng)實施攻擊。

人工智能通過使用機器學(xué)習(xí)、數(shù)據(jù)挖掘和自然語言處理等技術(shù)處理安全大數(shù)據(jù)，能自動生產(chǎn)威脅性情報，攻擊者也可利用相關(guān)技術(shù)生成大量錯誤情報以混淆判斷;· 人工智能可自動識別圖像驗證碼，竊取系統(tǒng)數(shù)據(jù)。

圖像驗證碼是一種防止機器人賬戶濫用網(wǎng)站或服務(wù)的常用驗證措施，但人工智能通過學(xué)習(xí)可以讓這一驗證措施失效。

四、其他風(fēng)險第三方組件問題也會存在問題，包括對文件、網(wǎng)絡(luò)協(xié)議、各種外部輸入?yún)f(xié)議的處理都會出問題。

被黑客利用，帶來的是災(zāi)難性的毀滅。

【通俗來講就是：再牛逼的安全驗證，最終也不過是一串?dāng)?shù)據(jù)!】我們要清楚的認識到，人工智能的時代數(shù)據(jù)安全也面臨了很多新的挑戰(zhàn)。

保護數(shù)據(jù)安全保護算法安全，對于企業(yè)來說變?yōu)榱酥刂兄亍?/p>