数据投毒致人工智能失控 AI杀毒软件市场尚为一片蓝海
一辆正常行驶的自动驾驶汽车，突然驶入了逆行车道；胸前贴一款特殊贴纸，犹如披上隐形斗篷，在监控系统中成功遁形；戴上一幅特制眼镜，轻松骗过人脸识别系统后，用别人的手机也可实现刷脸解锁或刷脸支付……
小心，这可能是遇上了难缠的AI病毒！
近日，清华大学人工智能研究院孵化企业推出了针对人工智能算法模型本身安全的RealSafe安全平台，据介绍，该平台可快速缓解对抗样本的攻击威胁。
人工智能感染的是什么病毒？其安全问题有哪些特点？人工智能时代，杀毒软件如何修炼才能化作身怀绝技的病毒猎手？
是敌又是友对抗样本戴着双重面具
RealSafe人工智能安全平台，是针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台，包括模型安全测评、防御解决方案两大功能模块。平台内置AI对抗攻防算法，提供从安全测评到防御加固整体解决方案。
北京理工大学计算机网络及对抗技术研究所所长闫怀志接受科技日报记者采访时表示，上述平台目前侧重于模型和算法安全性检测与加固，可以说是人工智能算法的病毒查杀工具。
闫怀志说，针对人工智能系统实施对抗样本攻击的这类恶意代码，常被称为“AI病毒”。对抗样本是指在数据集中通过故意添加细微的干扰所形成的输入样本，会导致模型以高置信度给出一个错误的输出。
“其实在实验室中，使用对抗样本可以检测许多训练学习类人工智能方法的分类有效性，也可以利用对抗样本来进行对抗训练，以提升人工智能系统的分类有效性。”闫怀志告诉科技日报记者。也就是说，对抗样本可以看成是训练人工智能的一种手段。
“但是在现实世界，攻击者可以利用对抗样本来实施针对AI系统的攻击和恶意侵扰，从而演变成令人头疼的‘AI病毒’。”闫怀志表示，对抗样本攻击可逃避检测，例如在生物特征识别应用场景中，对抗样本攻击可欺骗基于人工智能技术的身份鉴别、活体检测系统。2019年4月，比利时鲁汶大学研究人员发现，借助一张设计的打印图案就可以避开人工智能视频监控系统。
在现实世界中，很多AI系统在对抗样本攻击面前不堪一击。闫怀志介绍，一方面，这是由于AI系统重应用、轻安全的现象普遍存在，很多AI系统根本没有考虑对抗样本攻击问题；另一方面，虽然有些AI系统经过了对抗训练，但由于对抗样本不完备、AI算法欠成熟等诸多缺陷，在对抗样本恶意攻击面前，也毫无招架之力。
对训练数据投毒与传统网络攻击存在明显不同
360公司董事长兼CEO周鸿祎曾表示，人工智能是大数据训练出来的，训练的数据可以被污染，也叫“数据投毒”——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。
中国信息通信研究院安全研究所发布的《人工智能数据安全白皮书（2019年）》（以下简称白皮书）也提到了这一点。白皮书指出，人工智能自身面临的数据安全风险包括：训练数据污染导致人工智能决策错误；运行阶段的数据异常导致智能系统运行错误（如对抗样本攻击）；模型窃取攻击对算法模型的数据进行逆向还原等。
值得警惕的是，随着人工智能与实体经济深度融合，医疗、交通、金融等行业对于数据集建设的迫切需求，使得在训练样本环节发动网络攻击成为最直接有效的方法，潜在危害巨大。比如在军事领域，通过信息伪装的方式可诱导自主性武器启动或攻击，带来毁灭性风险。
白皮书还提到，人工智能算法模型主要反映的是数据关联性和其特征统计，没有真正获取数据之间的因果关系。所以，针对算法模型这一缺陷，对抗样本通过对数据输入样例，添加难以察觉的扰动，使算法模型输出错误结果。
如此一来，发生文章开头所谈到的一类事故就不足为奇了。
此外，模型窃取攻击也值得注意。由于算法模型在部署应用中需要将公共访问接口发布给用户使用，攻击者就可以通过公共访问接口对算法模型进行黑盒访问，并且在没有算法模型任何先验知识（训练数据、模型参数等）的情况下，构造出与目标模型相似度非常高的模型，实现对算法模型的窃取。
闫怀志在采访中表示，AI安全更突出功能安全问题（safety），这通常是指人工智能系统被恶意数据（比如对抗样本数据）所欺骗，从而导致AI输出与预期不符乃至产生危害性的结果。“AI功能安全问题与传统的网络安全强调的保密性、完整性、可用性等信息安全问题（security），存在本质不同。”
预防“中毒”困难重重AI技术也可构筑网络安全利器
闫怀志表示，目前种种原因导致了预防人工智能“中毒”困难重重，原因具体表现在三个方面。
一是很多AI研发者和用户并没有意识到AI病毒的巨大风险和危害，重视并解决AI病毒问题根本无从谈起；二是由于AI正处于高速发展阶段，很多AI研发者和生产商“萝卜快了不洗泥”，根本无暇顾及安全问题，导致带有先天安全缺陷的AI系统大量涌入应用市场；三是部分AI研发者和供应商虽然意识到了AI病毒问题，但由于技术能力不足，针对该问题并无有效的解决办法。
“当然，网络安全本来就是一个高度对抗、动态发展的领域，这也给杀毒软件领域开辟了一个蓝海市场，AI杀毒行业面临着重大的发展机遇。”闫怀志强调，杀毒软件行业首先应该具有防范AI病毒的意识，然后在软件技术和算法安全方面重视信息安全和功能安全问题。
“以现实需求为牵引，以高新技术来推动，有可能将AI病毒查杀这个严峻挑战转变为杀毒软件行业发展的重大契机。”闫怀志强调，AI技术既会带来网络安全问题，也可以赋能网络安全。
一方面，人工智能的广泛应用带来了许多安全风险。由技术性缺陷导致的AI算法安全风险，包括可导致AI系统被攻击者控制的信息安全问题；也可导致AI系统输出结果被攻击者任意控制的功能安全问题。
但另一方面，人工智能技术也可以成为构筑网络空间安全的利器，这主要体现在主动防御、威胁分析、策略生成、态势感知、攻防对抗等诸多方面。“包括采用人工神经网络技术来检测入侵行为、蠕虫病毒等安全风险源；采用专家系统技术进行安全规划、安全运行中心管理等；此外，人工智能方法还有助于网络空间安全环境的治理，比如打击网络诈骗。”闫怀志说。
中国信息通信研究院安全研究所的专家称，为有效管控人工智能安全风险并积极促进人工智能技术在安全领域应用，可从法规政策、标准规范、技术手段、安全评估、人才队伍、可控生态等方面构建人工智能安全管理体系。
(责编：赵超、吕骞)分享让更多人看到
如何防止人工智能失控专家：先教育从业者
原标题：如何防止人工智能失控？专家：先教育从业者“为什么把人工智能列为一级学科在国务院学位委员会通不过呢？老觉得人工智能一直没讲清楚，要么被说成计算机，要么被说成控制科学。”日前，数字经济院长论坛(龙江)在哈尔滨举办，中国新一代人工智能发展战略研究院执行院长、世界工程组织联合会(WFEO)当选主席龚克在会上直言。
“要把人工智能作为教育的内容融入到通识、职业和终生教育中，必须说清楚它的核心内容和公共基础，也就是其原理、方法的一般性和特殊性，以及背后的逻辑链。”龚克表示。
“智能是自主的感知、认知和决策能力，通过学习获得的。一个智商大脑发育很好的孩子，若从不学习就谈不上智能。人工则是指由人工设计的装置，通过人工设计的算法等完成人规定的任务。两者结合起来叫人工智能。”龚克强调，完成人规定的任务，是今天的人工智能，如果是自主决定的任务，那可能是未来通用的人工智能。目前研究部署的人工智能基本上都是在完成人规定的任务。
龚克说，作为工具的人工智能正在改进教学成效、变革教学范式，使得基于学科的学习转为面向问题的学习。“以前，我们要求学生熟记、理解知识，但再怎么记也赢不了人工智能。”龚克直言，人工智能时代，学生要从“会记”发展到“会问、会查、会辨别”，尤其是辨别。
“反过来讲，人工智能也需要教育的支撑和保障。现在，人工智能的设计、制造、应用、维护、管理等需要大量人才。教育要担起相应责任，完善人工智能人才培养体系。”龚克说。
龚克建议，要做好人工智能的学科建设，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学等学科的交叉融合。除了学校培养，还要推动学校和企业联合培养人才。此外，要注重多层次培养，最好从小学初中就开始抓人工智能教育。
专家提到，发展负责任的人工智能要先培育负责任的人。“人工智能的开发者、制造者、应用者、管理者等应该具有价值追求、伦理道德、知识能力，以负责任的态度从事人工智能创新和应用。”龚克说。
“强大的人工智能兴起，将是人类从未有过的最好或最坏的事。我们要竭尽所能，确保它的未来有利于人类和人类的环境。”龚克表示，避免出现不受控的人工智能，需要通过广泛的跨学科、跨行业、跨国界的对话，建立起关于人工智能基本共识，然后将这些共识转化成政策、法规、规定、准则等。
同时，要制定相应技术标准，把伦理要求有效植入人工智能系统，并建立可靠的验证测试方法。“最后，要开展广泛的教育，使得包括人工智能系统设计、制造、销售、使用、维护、管理者在内的所有人都能负责任地和人工智能打交道。”龚克强调。
(责编：赵爽、夏晓伦)分享让更多人看到