人工智能时代所面临的的四大安全问题
发布时间：2022-06-26 17:20:19 所属栏目：大数据 来源：互联网
导读：当前，AI医疗、智慧家庭、自动驾驶、智能交易等人工智能的发展不断颠覆企业的商业模式，也在改变我们的生活方式。中国科学院院士、上海交通大学副校长毛军发表示，人工智能作为加速器已涉及医疗、金融、交通、新闻等各行各业，可以有效解决传统行业面临的问
|
当前，AI医疗、智慧家庭、自动驾驶、智能交易等人工智能的发展不断颠覆企业的商业模式，也在改变我们的生活方式。中国科学院院士、上海交通大学副校长毛军发表示，人工智能作为“加速器”已涉及医疗、金融、交通、新闻等各行各业，可以有效解决传统行业面临的问题，发挥大量数据的价值，赋能传统产业发展。 但不可否认的是，人工智能在服务和赋能人类生产生活同时，也带来了难以忽视的安全风险。 【人工智能安全问题分类】 一、数据风险 1. “数据投毒” 所谓的“数据投毒”指人工智能训练数据污染导致人工智能决策错误。通过在训练数据里加入伪装数据、恶意样本等，破坏数据的完整性，进而导致训练的算法模型决策出现偏差。 “数据投毒”主要有两种攻击方式： 一种是采用模型偏斜方式，攻击目标是训练数据样本，通过污染训练数据达到改变分类器分类边界的目的; 2. 数据泄露 一方面逆向攻击可导致算法模型内部的数据泄露; 另一方面，人工智能技术可加强数据挖掘分析能力，加大隐私泄露风险。比如各类智能设备（如智能手环、智能音箱）和智能系统（如生物特征识别系统、智能医疗系统），人工智能设备和系统对个人信息采集更加直接与全面。人工智能应用采集的信息包括了人脸、指纹、声纹、虹膜、心跳、基因等，具有很强的个人属性。这些信息具有唯一性和不变性，一旦泄露或者滥用将产生严重后果。 3. 数据异常 运行阶段的数据异常可导致智能系统运行错误，同时模型窃取攻击可对算法模型的数据进行逆向还原。此外，开源学习框架存在安全风险，也可导致人工智能系统数据泄露。 二、算法风险 图像识别、图像欺骗等会导致算法出问题，比如自动驾驶，谷歌也做了一些研究，如果模型文件被黑客控制恶意修改，并且给它学习，会产生完全不一样的结果; 算法设计或实施有误可产生与预期不符甚至伤害性结果; 算法潜藏偏见和歧视，导致决策结果可能存在不公; 算法黑箱导致人工智能决策不可解释，引发监督审查困境; 含有噪声或偏差的训练数据可影响算法模型准确性。 三、网络风险 人工智能不可避免的会引入网络连接，网络本身的安全风险也会将AI带入风险的深坑; 人工智能技术本身也能够提升网络攻击的智能化水平，进而进行数据智能窃取; 人工智能可用来自动锁定目标，进行数据勒索攻击。人工智能技术通过对特征库学习自动查找系统漏洞和识别关键目标，提高攻击效率; 人工智能可自动识别图像验证码，窃取系统数据。图像验证码是一种防止机器人账户滥用网站或服务的常用验证措施，但人工智能通过学习可以让这一验证措施失效。 四、其他风险 第三方组件问题也会存在问题，包括对文件、网络协议、各种外部输入协议的处理都会出问题。被黑客利用，带来的是灾难性的毁灭。 【通俗来讲就是：再牛逼的安全验证，最终也不过是一串数据！】 我们要清楚的认识到，人工智能的时代数据安全也面临了很多新的挑战。保护数据安全保护算法安全，对于企业来说变为了重中之重。 （编辑：开发网_开封站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330459号