科技云報道：ChatGPT應用爆火，安全的大數據底座何處尋？

　　科技云報道原創 

　　毫無疑問，AIGC正在給人類社會帶來一場深刻的變革。

　　而剝開其令人眼花繚亂的華麗外表，運行的核心離不開海量的數據支持。

　　ChatGPT的“入侵”已經引起了各行各業對內容抄襲的擔憂，以及網絡數據安全意識的提高。

　　雖然AI技術是中立的，但并不能成為規避責任與義務的理由。

　　最近，英國情報機構——英國政府通訊總部(GCHQ)警告稱，ChatGPT和其他人工智能聊天機器人將是一個新的安全威脅。

　　盡管ChatGPT的概念出現沒有多久，但對網絡安全和數據安全帶來威脅的問題已經成為業內關注的焦點。

　　對于目前還處于發展初期的ChatGPT，如此擔憂是否杞人憂天?

　　安全威脅或正在發生

　　去年年底，初創公司OpenAI推出ChatGPT，之后，其投資商微軟于今年推出了基于ChatGPT技術開發的聊天機器人“必應聊天(Bing Chat)”。

　　由于此類軟件能夠提供酷似人類的對話，目前這項服務已風靡全球。GCHQ的網絡安全部門指出，提供AI聊天機器人的公司可以看到用戶輸入的查詢內容，就ChatGPT而言，其開發商OpenAI就能夠看到這些。

　　ChatGPT通過大量文本語料庫進行訓練，其深度學習能力很大程度上依賴于背后的數據。

　　出于對信息泄露的擔憂，目前已有多家公司和機構發布“ChatGPT禁令”。

　　倫敦金融城律師事務所Mishcon de Reya禁止其律師將客戶數據輸入ChatGPT，因為擔心在法律上享有隱私特權的資料可能會遭泄露。

　　國際咨詢公司埃森哲警告其全球70萬名員工，出于類似的原因，不要使用ChatGPT，因為擔心客戶的機密數據最終會落入他人之手。

　　英國電腦芯片公司Arm的母公司日本軟銀集團同樣警告其員工，不要向人工智能聊天機器人輸入公司人員的身份信息或機密數據。

　　今年2月，摩根大通成為第一家在工作場所限制使用ChatGPT的華爾街投行。

　　花旗集團和高盛集團緊隨其后，前者禁止員工在整個公司范圍內訪問ChatGPT，后者則限制員工在交易大廳使用該產品。

　　而在更早些時候，亞馬遜和微軟為防備員工在使用ChatGPT的過程中泄密，禁止他們向其分享敏感數據，因為這些信息可能會被用作進一步迭代的訓練數據。

　　事實上，這些人工智能聊天機器人背后是大型語言模型(LLM)，用戶的這些查詢內容將會被存儲起來，并且會在未來某個時候被用于開發LLM服務或模型。

　　這就意味著，LLM提供商能夠讀取到相關查詢，并可能以某種方式將它們合并到未來的版本中。

　　盡管LLM運營商應該采取措施保護數據，但不能完全排除未經授權訪問的可能性。因此，企業需要確保他們有嚴格的政策，提供技術性支持，來監控LLM的使用，以最大限度地降低數據暴露的風險。

　　另外，盡管ChatGPT本身尚不具備直接攻擊網絡安全和數據安全的能力，但是由于它具有自然語言生成和理解的能力，可以被用于偽造虛假信息、攻擊社交工程等方面。

　　此外，攻擊者還可以使用自然語言來讓ChatGPT生成相應的攻擊代碼、惡意軟件代碼、垃圾郵件等。

　　因此，AI可以讓那些原本沒有能力發起攻擊的人基于AI生成攻擊，并大大提高攻擊成功率。

　　在自動化、AI、“攻擊即服務”等技術和模式加持下，網絡安全攻擊呈現出暴漲趨勢。

　　在ChatGPT火爆之前，已發生了多次黑客使用AI技術進行的網絡攻擊。

　　事實上，人工智能被用戶調教“帶偏節奏”的案例并不鮮見，6年前，微軟推出智能聊天機器人Tay，上線時，Tay表現得彬彬有禮，但不到24小時，其就被不良用戶“帶壞”，出言不遜、臟話不斷，言語甚至涉及種族主義、色情、納粹，充滿歧視、仇恨和偏見，只好被下線結束了短暫的生命。

　　另一方面，距離用戶更近的風險是，用戶在使用ChatGPT等AI工具時，可能會不經意間將私密數據輸入到云端模型，這些數據可能成為訓練數據，也可能成為提供給他人答案的一部分，從而導致數據泄露和合規風險。

　　AI應用要打好安全底座

　　ChatGPT作為大語言模型，其核心邏輯事實上是海量數據的收集、加工、處理和運算結果的輸出。

　　總的來說，這幾個環節可能會在技術要素、組織管理、數字內容三個方面伴生相關風險。

　　雖然ChatGPT表示，存儲訓練和運行模型所需的數據會嚴格遵守隱私和安全政策，但在未來可能出現網絡攻擊和數據爬取等現象，仍存在不可忽視的數據安全隱患。

　　特別是涉及國家核心數據、地方和行業重要數據以及個人隱私數據的抓取、處理以及合成使用等過程，需平衡數據安全保護與流動共享。

　　除了數據與隱私泄露隱患外，AI技術還存在著數據偏見、虛假信息、模型的難解釋性等問題，可能會導致誤解和不信任。

　　風口已至，AIGC浪潮奔涌而來，在前景向好的大背景下，關口前移，建立數據安全防護墻也至關重要。

　　尤其是當AI技術逐漸完善，它既能成為生產力進步的有力抓手，又易淪為黑產犯罪的工具。

　　奇安信威脅情報中心監測數據顯示，2022年1月份-10月份，超過950億條的中國境內機構數據在海外被非法交易，其中有570多億條是個人信息。

　　因此，如何確保數據存儲、計算、流通過程中的安全問題，是數字經濟發展的大前提。

　　從整體看，應該堅持頂層設計與產業發展齊頭并進，在《網絡安全法》的基礎上，要細化風險與責任分析體系，確立安全問責機制。

　　同時，監管部門可開展常態化監查工作，安全領域企業協同發力，構建全流程數據安全保障體系。

　　對于數據合規和數據安全的問題，特別是在《數據安全法》推出后，數據隱私越來越重要。

　　如果在應用AI技術的過程中無法保證數據安全和合規，可能會給企業造成很大風險。

　　特別是中小企業對數據隱私安全方面的知識比較匱乏，不知道應當如何保護數據不會受到安全威脅。

　　數據安全合規并不是某個部門的事情，而是整個企業最為重要的事情。

　　企業要對員工進行培訓，讓他們意識到每個使用數據的人，都有義務保護數據，包括IT人員、AI部門、數據工程師、開發人員、使用報表的人等，人和技術要結合在一起。

　　面對前述潛藏風險，監管方和相關企業如何從制度和技術層面加強AIGC領域的數據安全保護?

　　相較于直接針對用戶終端采取限制使用等監管措施，明確要求AI技術研發企業遵循科技倫理原則會更具成效，因為這些企業能夠在技術層面限定用戶的使用范圍。

　　在制度層面，需要結合AIGC底層技術所需數據的特性和作用，建立健全數據分類分級保護制度。

　　例如，可根據數據主體、數據處理程度、數據權利屬性等方面對訓練數據集中的數據進行分類管理，根據數據對于數據權利主體的價值，以及數據一旦遭到篡改、破壞等對數據主體的危害程度進行分級。

　　在數據分類分級的基礎上，建立與數據類型和安全級別相配套的數據保護標準與共享機制。

　　目光投向企業，還需加快推動“隱私計算”技術在AIGC領域的應用。

　　這類技術能夠讓多個數據擁有者在不暴露數據本身的前提下，通過共享SDK或者開放SDK權限的方式，在進行數據的共享、互通、計算、建模，在確保AIGC能夠正常提供服務的同時，保證數據不泄露給其他參與方。

　　此外，全流程合規管理的重要性愈加凸顯。

　　企業首先應關注其所運用的數據資源是否符合法律法規要求，其次要確保算法和模型運作的全流程合規，企業的創新研發還應最大限度地滿足社會公眾的倫理期待。

　　同時，企業應制定內部管理規范，設立相關的監督部門，對AI技術應用場景的各個環節進行數據監督，確保數據來源合法、處理合法、輸出合法，從而保障自身的合規性。

　　AI應用的關鍵在于部署方式與成本間的考量，但必須注意的是，如果沒有做好安全合規、隱私保護，對企業來說或將蘊含“更大風險點”。

　　AI是把雙刃劍，用得好讓企業如虎添翼;用不好疏忽了安全、隱私和合規，會給企業帶來更大損失。因此，在AI應用前，需要構筑更加穩固的“數據底座”，正所謂，行穩方能致遠。