近日，應(yīng)歐盟和美國(guó)政府的要求，可信AI研究和咨詢專業(yè)公司Adversa發(fā)表了業(yè)界首個(gè)全面的人工智能安全性和可信度研究報(bào)告，該報(bào)告還結(jié)合了Gartner的相關(guān)預(yù)測(cè)以及最近對(duì)AI的對(duì)抗性攻擊事件。

　　Adversa顧問(wèn)委員會(huì)前Gartner分析師Oliver Rochford指出：建立對(duì)機(jī)器學(xué)習(xí)安全性的信任至關(guān)重要。我們要求人們?nèi)ハ嘈臕I的黑匣子(這很困難)，為了使AI革命成功，我們必須建立信任……AI面臨的安全風(fēng)險(xiǎn)太大，同時(shí)收益也很大。

　　Adversa的CTO Eugene Neelou表示：“為了提高可信AI領(lǐng)域的安全意識(shí)，一年多前我們啟動(dòng)了一個(gè)項(xiàng)目，以分析學(xué)術(shù)、行業(yè)和政府過(guò)去十年的發(fā)展情況。結(jié)果令人目瞪口呆，受測(cè)AI系統(tǒng)普遍存在安全性和偏差問(wèn)題，以及缺乏適當(dāng)?shù)姆烙胧藗儗?duì)AI安全的興趣呈指數(shù)增長(zhǎng)。企業(yè)應(yīng)緊密跟蹤最新AI威脅，實(shí)施AI安全意識(shí)計(jì)劃，并保護(hù)其AI開(kāi)發(fā)生命周期，最重要的是從現(xiàn)在開(kāi)始做起。”

　　報(bào)告顯示：AI領(lǐng)域的安全現(xiàn)狀異常糟糕;過(guò)去兩年AI安全研究論文呈現(xiàn)爆炸式增長(zhǎng);美國(guó)、中國(guó)、歐洲在可信AI研究領(lǐng)域競(jìng)爭(zhēng)激烈，中國(guó)正在加速反超;AI人工智能領(lǐng)域面臨十大安全威脅。

　　以下為報(bào)告中的部分亮點(diǎn)數(shù)據(jù)，安全牛整理如下：

　　現(xiàn)實(shí)中的AI安全事件正在快速增長(zhǎng)：

　　在汽車、生物識(shí)別、機(jī)器人技術(shù)和互聯(lián)網(wǎng)行業(yè)中，現(xiàn)實(shí)世界中的AI安全事件正在快速增長(zhǎng)。作為AI的早期采用者，最受關(guān)注的行業(yè)是互聯(lián)網(wǎng)(23%)、網(wǎng)絡(luò)安全(17%)、生物識(shí)別技術(shù)(16%)和自治(13%)。

　　AI安全研究論文爆炸式增長(zhǎng)：

　　過(guò)去兩年中，政府、學(xué)術(shù)界和工業(yè)界發(fā)布的AI安全性方面的研究論文多達(dá)3500篇，超過(guò)過(guò)去二十年的總和。美國(guó)、中國(guó)、歐盟之間的激烈競(jìng)爭(zhēng)預(yù)計(jì)將在可信AI競(jìng)賽中繼續(xù)下去：美國(guó)發(fā)表了47%的研究論文，但中國(guó)勢(shì)頭強(qiáng)勁。

　　AI還沒(méi)有為黑客攻擊做好準(zhǔn)備：

　　人工智能行業(yè)對(duì)于現(xiàn)實(shí)世界的黑客攻擊還沒(méi)有做好充分的準(zhǔn)備，60種最常用的機(jī)器學(xué)習(xí)(ML)模型平均至少有一個(gè)安全漏洞。

　　最多被攻擊者針對(duì)的AI技術(shù)領(lǐng)域是計(jì)算機(jī)視覺(jué)：

　　最多被針對(duì)的AI領(lǐng)域是計(jì)算機(jī)視覺(jué)(65%)，其次是分析、語(yǔ)言和自治系統(tǒng)。

　　圖像、文本和記錄是最容易遭受攻擊的AI數(shù)據(jù)集：

　　圖像分類和人臉識(shí)別最常被攻擊的AI應(yīng)用：

　　互聯(lián)網(wǎng)、網(wǎng)絡(luò)安全、生物識(shí)別和汽車行業(yè)是AI網(wǎng)絡(luò)安全問(wèn)題的重災(zāi)區(qū)：

　　AI面臨十大安全威脅：

　　1.繞過(guò)攻擊(通過(guò)對(duì)抗性樣本操縱AI決策和結(jié)果)81%

　　2.毒化攻擊(注入惡意數(shù)據(jù)降低AI系統(tǒng)可靠性和精確度)6.8%

　　3.推斷攻擊(推斷特定數(shù)據(jù)樣本是否被用于AI訓(xùn)練)3.5%

　　4.后門(mén)攻擊2.3%

　　5.模型抽取攻擊(通過(guò)惡意查詢命令暴露AI算法細(xì)節(jié))1.9%

　　6.歸屬推斷攻擊1.3%

　　7.木馬攻擊1.2%

　　8.模型逆轉(zhuǎn)攻擊(通過(guò)惡意查詢獲取的公共輸出數(shù)據(jù)推斷輸入數(shù)據(jù))1.2%

　　9.反水印攻擊(繞過(guò)AI系統(tǒng)對(duì)版權(quán)和真實(shí)性的檢測(cè))0.6%

　　10.重編程攻擊(改變AI模型用于非法用途)0.2%