需加重視的潛在風險

近期多項研究發(fā)現(xiàn)，近90%私有化部署的服務器在互聯(lián)網(wǎng)上“裸奔”，部分模型本身也容易被攻擊，存在安全漏洞。目前個別單位所謂的“設(shè)防”也只是簡單地設(shè)置密碼，易被攻破，個別單位甚至連防護密碼都沒有?？梢灶A見，未來隨著大模型普及使用，有針對性的惡意手段和風險場景勢必激增。因此，網(wǎng)絡(luò)安全防護必須與技術(shù)發(fā)展同步迭代。

——敏感數(shù)據(jù)安全問題。大模型在訓練、推理、使用過程中會涉及海量數(shù)據(jù)，如用戶在輸入數(shù)據(jù)時不當存儲和處理，特別是違規(guī)在未設(shè)防模型中處理涉密數(shù)據(jù)、個人隱私數(shù)據(jù)、商業(yè)敏感數(shù)據(jù)時，存在數(shù)據(jù)被非法獲取、泄露風險。

——關(guān)鍵領(lǐng)域安全問題。人工智能離不開高科技設(shè)備，如這類設(shè)備被植入后門程序會讓智能工廠、金融機構(gòu)、能源設(shè)施等關(guān)鍵領(lǐng)域面臨風險。違法犯罪分子如惡意利用大模型部署的安全漏洞破壞相關(guān)系統(tǒng)，將可能導致公共服務中斷、企業(yè)經(jīng)濟損失、安全事故頻發(fā)等惡性事件，干擾經(jīng)濟正常運轉(zhuǎn)和社會有序運行。

——侵犯用戶利益。普通用戶如未加防護使用大模型服務工具，攻擊者也可以遠程調(diào)用接口竊取模型參數(shù)、訓練數(shù)據(jù)、知識庫等核心資產(chǎn)，或刪除、污染私有模型文件，導致模型失效或輸出偏差。同時，攻擊者可通過未授權(quán)的接口調(diào)用模型推理功能，濫用GPU資源。如處理數(shù)據(jù)量過大，大模型服務器就會因算力耗盡導致癱瘓。

大模型安全風險的產(chǎn)生原因

——開源框架存在不足。許多單位為了快速上線服務，直接使用開源框架，默認開啟不設(shè)密碼的公網(wǎng)訪問模式，不配置合理的安全防護措施，忽略最基本的防火墻配置。攻擊者未經(jīng)授權(quán)即可自由訪問模型服務、竊取敏感數(shù)據(jù)，甚至通過歷史漏洞執(zhí)行惡意指令，從而導致數(shù)據(jù)泄露和服務中斷。

——風險意識存在欠缺。部分管理者對AI安全的認知相對滯后，部分群眾認為“安全是專家的事”，不了解部署AI服務需要像保護銀行卡密碼一樣謹慎，在享受AI帶來便利時未考慮背后隱藏的風險。

——安防教育有待加強。一些企事業(yè)單位缺乏必要的安全防范教育，導致員工國家安全意識和素養(yǎng)不高，安全防范意識不強，對于大模型缺乏用心管理，安防教育缺乏必要的認識。

——專門法律存在空白。我國近年來已經(jīng)出臺了多部關(guān)于人工智能和網(wǎng)絡(luò)數(shù)據(jù)方面的政策法規(guī)和指導意見，但隨著人工智能迅猛發(fā)展，應運而生的法律問題尚需進一步完善相關(guān)立法。

國家安全機關(guān)提示

大模型是推動科技進步的重要力量，但其安全防護須臾不可松懈，無論是開發(fā)者、企業(yè)還是普通用戶，都應提高警惕，共同守護技術(shù)紅利不被惡意利用。

——做好安全防護，筑牢安全防范屏障。AI企業(yè)在開發(fā)和應用大模型的過程中需重視自身應承擔的安全責任和義務，可通過加強與安全廠商聯(lián)系合作，以嚴密的安全技術(shù)保障和運行監(jiān)測，強化大模型運行時的安全性、可靠性和穩(wěn)定性。

——培養(yǎng)安全意識，打造協(xié)同防御生態(tài)。單位、企業(yè)在部署大模型前，需要進行全面的風險評估和安全規(guī)劃，通過制定安全政策、開展安全培訓等方式，提高全員安全意識。廣大民眾要增強大模型使用的安全意識，注意學習相關(guān)安全知識，養(yǎng)成良好使用習慣，選擇從官方渠道下載大模型工具，使用時不要隨意連接陌生網(wǎng)絡(luò)，確保大模型應用安全穩(wěn)定。

（編輯：映雪 ）

---