發展可信賴的人工智能 人工智能安全難題怎么破？

人臉識別、語音識別、智能機器人……數字經濟時代，人工智能已經走入生產生活中，被視為經濟增長的新引擎、國際競爭的新陣地和推動智慧社會建設的有效工具。與此同時，人工智能在應用過程中產生的網絡系統攻擊、隱私泄露、數據權屬等安全問題也讓整個產業如鯁在喉。人工智能發展面臨哪些安全問題?產業有何應對之策?請關注本版報道。

5角錢一份的人臉信息被低價打包后在電商平臺上出售，之后被用于虛假注冊、網絡詐騙等違法犯罪活動，被盜人在毫不知情的情況下“丟了臉”;智能駕駛場景被“數據投毒”，自動駕駛汽車經過一個停車標志時，經過精心設計的噪聲擾動讓目標檢測系統無法準確識別標志，“眼見不為實”很可能導致交通意外……

現在，人工智能的數據挖掘分析能力不斷提升，收集個人信息呈現精準化、全面化、簡便化、隱秘化趨勢。人臉、指紋、聲紋、虹膜、心跳、基因等具有很強個人屬性的信息被收集、分析和利用，如果這些數據一旦被泄露或者濫用不僅會給個人帶來損失，還將對社會生產、社會治安乃至國家安全造成重大威脅。

發展可信賴的人工智能

從智能音箱在對話中“勸主人自殺”，到人工智能簡歷篩選系統對女性存在偏見，人工智能的安全問題不斷浮出水面。

人工智能系統面臨安全風險。加入微小的干擾，語音識別系統就可能出現識別錯誤;在生物特征識別過程中，構造一些對抗樣本的攻擊，系統會做出錯誤決策;網絡攻擊者通過分析人工智能系統的輸出結果和輸入數據之間的關系，可以逆向還原出原始數據……訓練數據的污染會導致訓練的算法模型決策出現偏差;輸入數據的異常會導致智能系統的運行錯誤;開源框架的漏洞為網絡攻擊者竊取系統數據提供“便利”。

人工智能應用引發安全質疑。數據深度偽造可以生成虛假視頻、虛假語音，如果這些內容大量生成與擴散，對個人隱私、社會安全、國家安全都將造成威脅;在新冠肺炎疫情防控過程中，人臉等生物信息也面臨被過度采集的安全風險;隨著人工智能輔助決策應用場景的增多，一些隱藏的社會偏見將破壞社會公平公正;手機軟件利用人工智能算法“殺熟”，根據手機類型的不同推薦不同類型的商品，打車時推薦不同價格、檔次的車輛……數據的過度采集、深度偽造、偏見歧視、智能竊取、資源濫用是人工智能面向產業化落地時遇到的安全挑戰。

專家表示，從人工智能到可信賴的人工智能，意味著產業需要在技術層面上解決魯棒性(穩定性)、可解釋性和可復制性等核心技術問題。同時，為了大規模產業化應用，還必須考慮到人工智能的公平性和負責性，這些是人工智能必須解決的安全問題。

談“虎”色變大可不必

“人工智能相當于一個錘子，不能哪一個釘子都砸。”人工智能的技術進步可以給社會帶來正向的效益，不應因為現在面臨的安全憂慮而談“虎”色變。

以人工智能最受關注的數據安全領域為例，它與人工智能是互促發展的關系。當前人工智能尚處于海量數據“喂養”階段，數據安全是人工智能安全的重要保障，數據的質量和安全直接影響到人工智能應用的安全，如果能夠妥善處理數據，能夠促進高質量數據的集成，就能夠很有效地驅動人工智能往正向發展。

同時，人工智能技術應用到數據安全治理方面，能夠驅動數據安全治理向精準化、智能化、高效化和自動化等方向發展。人工智能能夠實現智能化的分析決策，提升海量數據的處理效率，提升數據內容識別的準確率。這些優點能幫助安全治理自動化、智能化、高效化和精準化。

在發展中解決安全問題

人工智能發展中的安全問題在全球備受重視，各國都在戰略規劃、倫理規范、技術發展等方面采取了多種舉措。我國高度重視人工智能安全的建設，推進人工智能的安全應用和數據安全風險防范。

對于安全問題，中國信通院安全所信息安全研究部主任魏薇認為，因噎廢食不可取，要在人工智能發展中解決數據安全的問題。

倫理約束，法規引導。魏薇建議，構建我國人工智能優質的數據資源，在發展中規避數據偏見、數據權屬等問題，同時，以數據安全促進人工智能發展。引導社會遵循人工智能的倫理規范，同時要積極參與到國際規則的制定中。建立人工智能數據安全相關的法律法規，特別是其中備受關注的算法、人臉識別、深偽等方面亟須相關的規章引導。加強對人工智能數據安全的監管，包括線上線下多種方式的監督檢查，對人工智能相關的產品應用和服務進行監測評估。

技術應對，安全防御。健全標準體系，通過設置專門的人工智能安全研究組，開展一些急需標準的研制。創新人工智能安全技術手段，包括加強基礎理論的研究、建設完善我國人工智能開源學習框架，促進人工智能數據安全應用。培養人工智能安全方面的人才，通過企業和科研機構、高校等聯合進行人工智能安全課題的申報、技術的研發與應用，共同促進人工智能數據安全治理。(記者 林婧)

標簽： 人臉信息 人工智能 數字經濟 個人信息