當前，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。中國科學院院士、上海交通大學副校長毛軍發(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。

創(chuàng)新互聯(lián)公司堅持“要么做到，要么別承諾”的工作理念，服務領域包括：成都做網(wǎng)站、網(wǎng)站設計、外貿(mào)營銷網(wǎng)站建設、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務，滿足客戶于互聯(lián)網(wǎng)時代的蕪湖網(wǎng)站設計、移動媒體設計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡建設合作伙伴！

“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構化環(huán)境下的確定性問題?！泵姲l(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，人工智能在服務和賦能人類生產(chǎn)生活同時，也帶來了難以忽視的安全風險。

【人工智能安全問題分類】

一、數(shù)據(jù)風險

1. “數(shù)據(jù)投毒”

所謂的“數(shù)據(jù)投毒”指人工智能訓練數(shù)據(jù)污染導致人工智能決策錯誤。通過在訓練數(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，進而導致訓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，攻擊目標是訓練數(shù)據(jù)樣本，通過污染訓練數(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方式，攻擊目標是人工智能的學習模型本身，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域，可導致車輛違反交通規(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，人工智能技術可加強數(shù)據(jù)挖掘分析能力，加大隱私泄露風險。比如各類智能設備(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))，人工智能設備和系統(tǒng)對個人信息采集更加直接與全面。人工智能應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е轮悄芟到y(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，開源學習框架存在安全風險，也可導致人工智能系統(tǒng)數(shù)據(jù)泄露。

二、算法風險

• 圖像識別、圖像欺騙等會導致算法出問題，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，并且給它學習，會產(chǎn)生完全不一樣的結果;
• 算法設計或?qū)嵤┯姓`可產(chǎn)生與預期不符甚至傷害性結果;
• 算法潛藏偏見和歧視，導致決策結果可能存在不公;
• 算法黑箱導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練數(shù)據(jù)可影響算法模型準確性。

三、網(wǎng)絡風險

• 人工智能不可避免的會引入網(wǎng)絡連接，網(wǎng)絡本身的安全風險也會將AI帶入風險的深坑;
• 人工智能技術本身也能夠提升網(wǎng)絡攻擊的智能化水平，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。人工智能技術通過對特征庫學習自動查找系統(tǒng)漏洞和識別關鍵目標，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習、數(shù)據(jù)挖掘和自然語言處理等技術處理安全大數(shù)據(jù)，能自動生產(chǎn)威脅性情報，攻擊者也可利用相關技術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)站或服務的常用驗證措施，但人工智能通過學習可以讓這一驗證措施失效。

四、其他風險

第三方組件問題也會存在問題，包括對文件、網(wǎng)絡協(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，最終也不過是一串數(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>
文章名稱：AIoT領域的安全風險，你不能不知道！
文章URL：http://uogjgqi.cn/article/cdiddsj.html