當前，AI醫療、智慧家庭、自動駕駛、智能交易等人工智能的發展不斷顛覆企業的商業模式，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表示，人工智能作為“加速器”已涉及醫療、金融、交通、新聞等各行各業，可以有效解決傳統行業面臨的問題，發揮大量數據的價值，賦能傳統產業發展。

“人工智能發展的本質是通過算法、算力和數據去解決完全信息和結構化環境下的確定性問題。”毛軍發認為，隨著算法、算力和數據的進一步發展，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，實現萬物互聯。

但不可否認的是，人工智能在服務和賦能人類生產生活同時，也帶來了難以忽視的安全風險。

【人工智能安全問題分類】

一、數據風險

1. “數據投毒”

所謂的“數據投毒”指人工智能訓練數據污染導致人工智能決策錯誤。通過在訓練數據里加入偽裝數據、惡意樣本等，破壞數據的完整性，進而導致訓練的算法模型決策出現偏差。

“數據投毒”主要有兩種攻擊方式：

• 一種是采用模型偏斜方式，攻擊目標是訓練數據樣本，通過污染訓練數據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起攻擊，直接向模型“注入”偽裝的數據或信息，誤導人工智能做出錯誤判斷。

“數據投毒”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則甚至造成交通事故。

2. 數據泄露

一方面逆向攻擊可導致算法模型內部的數據泄露;

另一方面，人工智能技術可加強數據挖掘分析能力，加大隱私泄露風險。比如各類智能設備(如智能手環、智能音箱)和智能系統(如生物特征識別系統、智能醫療系統)，人工智能設備和系統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生嚴重后果。

3. 數據異常

運行階段的數據異常可導致智能系統運行錯誤，同時模型竊取攻擊可對算法模型的數據進行逆向還原。此外，開源學習框架存在安全風險，也可導致人工智能系統數據泄露。

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，會產生完全不一樣的結果;
• 算法設計或實施有誤可產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，引發監督審查困境;
• 含有噪聲或偏差的訓練數據可影響算法模型準確性。

三、網絡風險

• 人工智能不可避免的會引入網絡連接，網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絡攻擊的智能化水平，進而進行數據智能竊取;
• 人工智能可用來自動鎖定目標，進行數據勒索攻擊。人工智能技術通過對特征庫學習自動查找系統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，對分析系統實施攻擊。人工智能通過使用機器學習、數據挖掘和自然語言處理等技術處理安全大數據，能自動生產威脅性情報，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，竊取系統數據。圖像驗證碼是一種防止機器人賬戶濫用網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、網絡協議、各種外部輸入協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據!】

我們要清楚的認識到，人工智能的時代數據安全也面臨了很多新的挑戰。保護數據安全保護算法安全，對于企業來說變為了重中之重。