當(dāng)前，諸如圖像識別、語音識別、自然語言翻譯等AI技術(shù)已經(jīng)在移動互聯(lián)網(wǎng)、新型產(chǎn)業(yè)甚至眾多傳統(tǒng)產(chǎn)業(yè)領(lǐng)域得到普遍部署和廣泛應(yīng)用。以機器學(xué)習(xí)、深度學(xué)習(xí)為核心的第二次人工智能的加速成熟，終于迎來了人工智能技術(shù)的高光時刻。

無論是國家、科研機構(gòu)，還是科技企業(yè)和各個產(chǎn)業(yè)，也都在以滿懷憧憬的熱情來推動著AI從科研學(xué)術(shù)成果走向產(chǎn)業(yè)落地。

AI技術(shù)的普及速度確實遠(yuǎn)超歷次新技術(shù)革命帶來的產(chǎn)業(yè)速度，其應(yīng)用的規(guī)模和深度也正在像電力、石油、互聯(lián)網(wǎng)一樣，被看作新的生產(chǎn)生活的基礎(chǔ)設(shè)施。

在備受AI技術(shù)廣闊前景的鼓舞之時，人們也開始意識到AI技術(shù)本身也是一把雙刃劍。

AI既能推動生產(chǎn)效率的提升和產(chǎn)業(yè)的數(shù)字化智能化水平的提升，同時又能帶來全新的技術(shù)風(fēng)險和隱私倫理問題，成為新型詐騙犯罪、黑產(chǎn)牟利的趁手工具。

更重要的是，AI技術(shù)本身也存在一大隱憂。當(dāng)前主流的深度神經(jīng)網(wǎng)絡(luò)等技術(shù)具有的“黑箱屬性”，導(dǎo)致AI算法存在不可解釋性。這也就意味著AI技術(shù)在算法安全性上存在著不確定因素，可能會在產(chǎn)業(yè)應(yīng)用落地中出現(xiàn)各種安全隱患和風(fēng)險。

正如隨著計算機技術(shù)和互聯(lián)網(wǎng)的誕生，計算機病毒、網(wǎng)絡(luò)攻擊等危害網(wǎng)絡(luò)安全的技術(shù)便如影隨形，AI技術(shù)的出現(xiàn)和發(fā)展也將始終伴隨著AI安全的種種問題相伴而行。

AI技術(shù)帶給產(chǎn)業(yè)的革命性變革的規(guī)模、價值越大，那么，其安全問題所導(dǎo)致的嚴(yán)重后果的影響也就越大。

當(dāng)身處數(shù)字化轉(zhuǎn)型升級的各個產(chǎn)業(yè)正在享受這一波新的智能化技術(shù)紅利的時候，AI安全問題，就如同網(wǎng)絡(luò)安全、信息安全一樣，被提上產(chǎn)業(yè)數(shù)字化建設(shè)的日程表了。

“看不到”的AI安全風(fēng)險

提及AI安全問題，很多人第一反應(yīng)可能是，通過AI技術(shù)進(jìn)行人臉造假、AI仿聲、AI仿寫假新聞、圖像及視頻造假等帶來的欺詐、隱私安全問題。

確實，當(dāng)人們驚嘆于AI技術(shù)幾乎快要無所不能的時候，也能很直觀地意識到AI造假帶來的這類安全問題。畢竟AI造假既有輿論話題，又與大眾息息相關(guān)。

但是對于AI技術(shù)本身所蘊藏的算法安全風(fēng)險，大眾則可能沒有非常直觀的理解。

而這一AI安全風(fēng)險，則是因為這些算法被當(dāng)做“成熟”技術(shù)，廣泛應(yīng)用在產(chǎn)業(yè)的各個生產(chǎn)場景當(dāng)中，因而造成更為隱蔽但同樣后果非常嚴(yán)重的次生安全問題。

首先，AI算法本身存在安全漏洞。因為各類機器學(xué)習(xí)的高度復(fù)雜，帶來的“黑箱問題”使得算法不可解釋。這就如同我們乘坐在一架不知道由什么原理制造的發(fā)動機驅(qū)動的飛船上，看似效果還不錯，但是一旦出現(xiàn)問題，發(fā)明者也只能從“發(fā)動機”外部進(jìn)行各種“嘗試性”修正。

其次，算法的“黑箱問題”會引發(fā)各類AI系統(tǒng)安全風(fēng)險，比如惡意機器學(xué)習(xí)的產(chǎn)生。攻擊者可以利用AI技術(shù)漏洞進(jìn)行“對抗樣本攻擊”和“數(shù)據(jù)污染攻擊”等種種手段，使得AI系統(tǒng)出現(xiàn)判斷失準(zhǔn)等問題。

最后，當(dāng)這些AI系統(tǒng)應(yīng)用于某些安全性要求極高的領(lǐng)域，比如安防監(jiān)控、工業(yè)質(zhì)檢、自動駕駛、金融風(fēng)控以及醫(yī)療診斷上面，一旦AI出現(xiàn)判斷偏差，將會帶來直接的經(jīng)濟(jì)財產(chǎn)損失，甚至是人身安全與健康風(fēng)險等嚴(yán)重后果。

原本要應(yīng)用于提升生產(chǎn)效率和安全性的AI技術(shù)，卻有可能走向自身的反面。AI算法安全問題必須引起這些積極投入智能化的產(chǎn)業(yè)決策者的重視，同樣這一問題也需要得到來自AI技術(shù)研究者的積極回應(yīng)。

建造AI算法安全的長城

在2018年，信通院發(fā)布的《人工智能安全白皮書》就將“算法安全風(fēng)險”列為AI領(lǐng)域的六大安全風(fēng)險之一，指出AI算法當(dāng)中存在的五種風(fēng)險：算法黑箱、算法設(shè)計缺陷、數(shù)據(jù)依賴、對抗樣本攻擊、算法歧視。

針對這些算法安全風(fēng)險，提供AI算法的安全評估檢測成為未來的AI安全的重要發(fā)展方向。

當(dāng)前，AI算法模型，由于算法黑箱和算法漏洞的存在，面對攻擊者惡意攻擊難以被檢測。因此，建立可解釋、可溯源、魯棒性強的AI模型成為AI應(yīng)用落地的根本任務(wù)。

而對抗樣本攻擊又是造成當(dāng)前AI安全風(fēng)險中的主要手段 。攻擊者可以在判斷階段對樣本加入少量噪音，誘導(dǎo)算法識別出現(xiàn)誤判，影響判斷結(jié)果。提升對抗樣本攻擊的防御手段，提供算法漏洞檢測技術(shù)，也成為AI安全的當(dāng)務(wù)之急。

隨著產(chǎn)業(yè)智能化落地的加速，AI算法安全已經(jīng)成為一個產(chǎn)業(yè)現(xiàn)實的需求。當(dāng)前，像谷歌、IBM以及國內(nèi)的一些AI開發(fā)的公司和團(tuán)隊，也早已展開了相關(guān)AI安全的研究和應(yīng)用。

據(jù)我們了解，在AI安全檢測領(lǐng)域，一家背景源自清華大學(xué)人工智能研究院的RealAI，則成為國內(nèi)第一家專門進(jìn)行AI安全產(chǎn)品商業(yè)化的公司。

為解決AI模型安全檢測問題，RealAI在去年5月與清華大學(xué)人工智能研究院聯(lián)合推出一款名為“RealSafe”的對抗攻防工具箱，并于近日就攻防能力和使用方式進(jìn)行了全面升級。

升級后的RealSafe平臺是目前首個針對算法模型本身安全的檢測平臺，提供從安全測評到防御加固升級整體解決方案。非技術(shù)人員僅需幾步即可快速應(yīng)對對抗樣本攻擊帶來的安全威脅

目前來說，RealSafe安全平臺主要可以實現(xiàn)以下三大功能：

1、AI算法模型的安全檢測。主要包括提供AI算法漏洞檢測，以及全面、細(xì)致的攻擊效果評測與比較，給出模型安全評分及詳細(xì)的測評報告。其方法主要是利用多種主流和自研的算法生成對抗樣本進(jìn)行模擬攻擊，通過黑盒查詢攻擊方法與黑盒遷移攻擊方法，來實現(xiàn)AI算法模型的檢測評估。

2、對抗樣本體驗。這一功能并不難理解。想要成為AI安全技術(shù)的領(lǐng)先者，也必然了解和精通最豐富的對抗樣本攻擊手段。在去年10月舉辦的GeekPwn2019國際安全極客大賽上，RealAI與清華大學(xué)共同組成的TSAIL戰(zhàn)隊獲得“CAAD CTF 圖像對抗樣本挑戰(zhàn)賽”以及“CAAD 隱身挑戰(zhàn)賽”兩項比賽的冠軍。其中，RealAI團(tuán)隊所使用的圖像對抗樣本，可以輕易攻破目前主流的人臉識別系統(tǒng)，或者直接騙過目標(biāo)檢測系統(tǒng)而實現(xiàn)“隱身”。

通過對抗樣本和樣本噪聲清洗后的對比體驗，RealSafe可以將AI對抗樣本攻防體驗在線直觀地呈現(xiàn)給客戶和大眾，從而提高人們的AI安全風(fēng)險意識。

3、通用防御解決方案。目前RealSafe已經(jīng)能夠提供五種去除對抗噪聲的通用防御方法，可實現(xiàn)對輸入數(shù)據(jù)的自動去噪，破壞攻擊者惡意添加的對抗噪聲。用戶可以根據(jù)自身的AI模型的評測類型，選擇相應(yīng)的防御解決方案。據(jù)了解，部分第三方的人臉比對API通過使用RealSafe平臺的防御方案加固后，安全性可提高40%以上。

對于AI算法安全評測以及防御應(yīng)用，RealSafe平臺并不是給出一套復(fù)雜的算法模型和開發(fā)工具，讓企業(yè)客戶再去部署開發(fā)，而是采用了流程化、模塊化、零編碼的功能設(shè)置，用戶只需提供相應(yīng)的數(shù)據(jù)即可在線完成評估，極大降低了算法評測的技術(shù)難度。

同時，為了降低用戶理解難度，RealSafe還提供了可視化和量化的評測結(jié)果，可以實現(xiàn)對抗樣本攻擊下的表現(xiàn)評分和防御處理后的評分變化以及模型效果的變化展示。

在RealSafe已經(jīng)完成的這一安全檢測平臺之上，可以實現(xiàn)哪些產(chǎn)業(yè)領(lǐng)域的AI安全保障呢？

為AI產(chǎn)業(yè)落地保駕護(hù)航

正如技術(shù)發(fā)展呈現(xiàn)的“矛與盾”的復(fù)雜關(guān)系，AI安全也同樣呈現(xiàn)出一種持續(xù)攻防的過程。新的攻擊手段出來，也必然要求有新的防御方法去應(yīng)對。

隨著AI技術(shù)不斷地成熟，以及在工業(yè)、金融、安防、交通、醫(yī)療教育等領(lǐng)域的實際應(yīng)用，這場AI安全的攻防賽就會以一種更加復(fù)雜和多變的競對狀態(tài)呈現(xiàn)出來。

目前，大量的AI安全風(fēng)險已經(jīng)出現(xiàn)，而且很多以常人難以直觀理解的方式出現(xiàn)在AI的應(yīng)用場景當(dāng)中。

比如，在人臉檢測和識別場景，攻擊者只要對面部的某些部位做出一點修改（比如佩帶帶有對抗樣本圖案的眼鏡），就可以成功逃脫AI系統(tǒng)的識別，從而實現(xiàn)“偽裝”和“隱身”。而目前人臉比對識別被廣泛應(yīng)用在于身份認(rèn)證、手機解鎖、金融遠(yuǎn)程開戶、酒店入住登記等等場景，一旦人臉比對識別被惡意攻破，將會對個人信息安全、財產(chǎn)造成難以估計的損失；

在自動駕駛領(lǐng)域，如果在交通指示牌或其他車輛上貼上或涂上一些小標(biāo)記，也可能導(dǎo)致自動駕駛車輛產(chǎn)生錯誤判斷，可能會導(dǎo)致嚴(yán)重的交通事故。

而對于安防領(lǐng)域，攻擊者對于人臉識別系統(tǒng)的對抗攻擊，也會產(chǎn)生相應(yīng)的監(jiān)控漏洞和失誤，從而帶來相應(yīng)的安全風(fēng)險。

目前，RealSafe已經(jīng)應(yīng)用在工業(yè)、安防等多場景的安全檢測當(dāng)中。其中最新落地的一個案例，可以很好地說明AI安全風(fēng)險檢測的重要作用。

某電網(wǎng)的輸電塔的監(jiān)控系統(tǒng)，由于輸電塔的高安全性防護(hù)要求，防止吊車、塔吊、煙火破壞輸電線路，需要對輸電塔內(nèi)外進(jìn)行全天候的實時監(jiān)控。而這一實時監(jiān)控系統(tǒng)已經(jīng)交由某一目標(biāo)檢測的AI算法來提供保障。

RealSafe發(fā)現(xiàn)只要對其AI算法進(jìn)行一定的對抗樣本攻擊，就會造成監(jiān)控算法的失效，從而無法識別非常明顯的煙火情形。為此，RealSafe提供了完整的AI算法檢測和AI安全防火墻的搭建，從而最大限度地保證了監(jiān)控系統(tǒng)的有效性。

像這些隱蔽的AI安全風(fēng)險，普通人可能難以理解，但正是這些風(fēng)險漏洞，成為那些技術(shù)黑客、黑產(chǎn)們每天都在潛心研究的薄弱環(huán)節(jié)。更不要說，直接利用AI技術(shù)的強大造假能力和低成本復(fù)制能力，展開諸如人臉造假、語音克隆、筆跡\郵件偽造等引發(fā)的詐騙活動。

而這些AI算法漏洞產(chǎn)生的安全風(fēng)險和AI算法濫用帶來的欺詐風(fēng)險，成為RealAI及其RealSafe平臺持續(xù)努力要攻克的安全難題。

作為國內(nèi)外最早關(guān)注AI安全領(lǐng)域的團(tuán)隊，借助對于AI算法攻防技術(shù)的多年研究，RealAI提前占據(jù)了在AI安全領(lǐng)域的先發(fā)優(yōu)勢。目前，RealAI在攻擊方面的多項相關(guān)技術(shù)成果已經(jīng)發(fā)表在國際頂級的學(xué)術(shù)刊物上，形成了業(yè)內(nèi)較高的競爭壁壘。未來，RealAI也表示，會通過舉辦一些AI安全的攻防比賽，吸引更多AI人才參與到AI安全領(lǐng)域，基于RealSafe的平臺發(fā)現(xiàn)更多的安全隱患和防御手段，形成更為完善的AI安全生態(tài)。

RealAI團(tuán)隊也意識到，保持RealSafe平臺的技術(shù)優(yōu)勢，也必須同產(chǎn)業(yè)場景真實的AI安全需求聯(lián)系起來。目前，RealAI已經(jīng)在工業(yè)設(shè)備質(zhì)檢、金融精準(zhǔn)營銷、信貸風(fēng)控、反欺詐等業(yè)務(wù)場景開展了多項業(yè)務(wù)。通過AI模型應(yīng)用對這些產(chǎn)業(yè)業(yè)務(wù)本身帶來效益提升外，同時也將能夠更好地來發(fā)現(xiàn)業(yè)務(wù)本身可能存在的安全風(fēng)險漏洞，反過來可以更好地支持算法模型優(yōu)化。

如果將產(chǎn)業(yè)智能化升級看作一條蓄勢向前的河流，那么，AI算法的豐富拓展了產(chǎn)業(yè)智能化場景的廣度，其成熟和升級決定了產(chǎn)業(yè)智能化的深度，而AI算法的安全可靠，則決定了產(chǎn)業(yè)智能化的長度。

如果在AI的產(chǎn)業(yè)場景應(yīng)用中，一旦存在著致命的安全風(fēng)險或者其他法律、道德風(fēng)險，那么將直接造成某一項AI技術(shù)停滯或者AI在產(chǎn)業(yè)規(guī)?；瘧?yīng)用的延遲。

AI安全的重要性再無須贅述了，而加強AI算法安全意識，提升產(chǎn)業(yè)應(yīng)用場景下的AI算法安全防護(hù)能力，則已經(jīng)是當(dāng)下非常重要而緊迫的要求了。

幸而，以RealAI為代表的這些頂尖AI團(tuán)隊早已開始了這一AI安全領(lǐng)域的征程，RealSafe平臺也正在以標(biāo)準(zhǔn)化的、低學(xué)習(xí)門檻、低成本應(yīng)用的方式來實現(xiàn)AI算法檢測的產(chǎn)品化服務(wù)。

這些僅僅是AI安全市場先行者走出的一小步。而這場無止境的AI安全較量中，也必將在未來各個產(chǎn)業(yè)智能化的大江大河中，成長為一塊豐沃之地。

責(zé)任編輯：Ct