電子發燒友App
1.大模型時代，數據安全的新挑戰
數據，是AI發展的養料。人們在輕而易舉獲取數據的同時，對數據安全的討論也此起彼伏。
2013年，線上辭典Dictionary.com將“Privacy（隱私）”選為當年的年度詞匯。彼時美國政府棱鏡計劃被曝光、谷歌修改隱私協議以整合旗下各服務用戶數據，個人隱私成為數據安全中關注度最高、涉及人群最廣的方面。
相較于互聯網對用戶上網習慣、消費記錄等信息的覆蓋，人臉識別、智能設備、AI換臉等AI應用的出現，對用戶個人信息的采集范圍大幅擴大，包括人臉、指紋、聲紋、虹膜、心跳、基因等強個人屬性的生物特征信息。
2017年，中國第一例利用AI侵犯公民個人信息案犯罪在浙江紹興破獲，其中超10億條公民個人信息被非法獲取。
360集團首席安全官杜躍進此前接受「甲子光年」采訪時就曾表示：“人工智能和大數據的安全必須放在一起看。”
生成式AI、大模型的出現，對數據提出了前所未有的要求，也隨之帶來了更加突出的數據安全問題。
在大模型的訓練數據量上，以OpenAI的GPT模型為例：GPT-1預訓練數據量僅為5GB；到了GPT-2，數據量已經增加至40GB；而GPT-3的數據量已經直接飛升至45TB（相當于GPT-2數據量的1152倍）。
市場逐漸凝成這樣的共識：得數據者得天下，數據是大模型競爭的關鍵。
頂象安全專家告訴「甲子光年」：“模型需要數據來訓練。數據除了自己采集，就是爬蟲爬取。爬取的數據大部分沒有經過數據所有者允許，可以說大部分是非授權的盜用。”
2022年11月，OpenAI和GitHub一起推出的代碼助手Copilot就曾被程序員們告上法庭。原告們認為，Copilot在未獲得GitHub用戶授權的情況下，使用了公共存儲庫進行訓練。
在今年6月，OpenAI同樣因為未經允許使用個人隱私數據收到了一份長達157頁的訴訟書。
除了模型的訓練階段，在模型的實際應用階段中，個人隱私泄露的風險持續存在。
頂象安全專家告訴「甲子光年」，生成式AI不僅僅泄露人的隱私和秘密，甚至會讓人變得透明。“就跟《三體》中的智子一樣，提問者說的話會被記錄下來，生產生活產生的數據信息會成為AIGC訓練的素材。”
早在2020年，人們就發現OpenAI的GPT-2會透露訓練數據中的個人信息。隨后的調查發現，語言模型越大，隱私信息泄露的概率也越高。
今年3月，多名ChatGPT用戶在自己的歷史對話中看到了他人的對話記錄，包括用戶姓名、電子郵件地址、付款地址、信用卡號后四位以及信用卡有效期。
不到一個月之后，三星電子就因員工使用ChatGPT，被迫面臨三起數據泄露事故：其半導體設備測量、良品/缺陷率、內部會議內容等相關信息被上傳到了ChatGPT的服務器中。隨后，三星立即禁止員工在公司設備及內網上使用類ChatGPT的聊天機器人，同樣禁用的公司還包括蘋果、亞馬遜、高盛等世界500強公司。
觀韜中茂律師事務所發布的《生成式AI發展與監管白皮書（三）》解釋了大模型在應用上的特殊性。大模型與人之間的交互，不同于一般應用程序中填入式的收集個人信息方式，所以對于個人信息的披露也不同于往常意義上的“公開披露”，更類似于一種“被動公開”，即當某個用戶的真實個人信息被摘錄在語料庫后，之后任意用戶通過詢問等方式均可以得知相關個人信息。
這意味著，在大模型時代，不僅個人信息泄露的范圍擴大了，個人信息的采集過程也變得更為隱秘，難以辨認，而且一旦侵權，就是對大量用戶造成的侵權。那么，泄露之后的個人信息去向了哪里？究竟會對用戶造成什么影響？
北京植德律師事務所合伙人王藝告訴了「甲子光年」答案。他表示，生成式AI造成的個人信息泄露，輕則可能侵害他人的肖像權，為造謠者實施便利，重則可能被犯罪分子利用，實施犯罪。
頂象的安全專家也表示，在所有互聯網產品或軟件都有可能被植入AI元素的當下，AI濫用帶來的社會問題會越來越多。“造假會更簡單，眼見不一定為實，電信詐騙、網絡詐騙越來越復雜。”
2023年5月，安全技術公司邁克菲對來自七個國家的7054人進行了調查，發現有四分之一的成年人經歷過某種形式的AI語音詐騙（10%發生在自己身上，15%發生在他們認識的人身上），10%的受害者因此造成經濟損失。
「甲子光年」從慧科數據庫、公開報道中發現，今年以來全國各地發現利用AI技術竊取個人隱私進行詐騙的案例至少有14例。
其中，大多數案例通過視頻聊天與受害者進行聯系，逼真的人臉和聲音容易讓人們放下警惕，冒充朋友、親人也迅速讓受害者交與信任。詐騙金額多在萬元以上，最高被詐騙金額甚至高達430萬元。
數據來源：慧科新聞數據庫，綜合媒體報道
除此之外，通過“AI換臉”造成肖像權被侵犯的案件也屢見不鮮。王藝表示，雖然此類案件的數量在逐步上升，但由于隱蔽性強，且是微型侵權，很多案例都沒有走上法庭，即使進行了法院審判，得到的賠償金額也并不高。
可以說，普通人在面對利用AI技術進行的個人隱私侵權面前，其實并沒有太多的辦法。
2.嚴苛的立法態度不是監管的唯一解法
技術發展與法律監管總是并駕齊驅的。如果說數據安全已經成為人工智能時代的必答題，法律與監管便是解答的關鍵。
今年4月，斯坦福大學以人為本人工智能研究所（Stanford HAI）發布了《2023年人工智能指數報告》（Artificial Intelligence Index Report 2023）報告。通過對127個國家的立法記錄調研，報告顯示，包含“人工智能”法案通過的數量，從2016年的1個增長到2022年的37個。在對81個國家涉及人工智能的議會記錄進行分析后，研究人員發現全球立法程序中提及人工智能的次數自2016年以來增加了近6.5倍。
區別于信息剽竊、隱私侵犯等“老生常談”的數據安全問題，由于涉及到人與AI的交互，大模型時代數據安全面臨著更為迫切的難題——個人信息權利響應難以落實。
如何精準識別交互過程中收集的個人信息？如何劃清用戶服務與模型訓練的使用界限？面對全新的數據安全、個人信息安全、網絡安全難題，大模型時代亟須新的監管辦法出臺。
在監管和發展平衡中，此次條例的修改不無道理。因為立法監管并非是一蹴而就的，過于嚴苛的立法態度可能會成為技術發展的掣肘。在歐洲，部分技術從業者就該問題表達了擔憂。
ChatGPT推出后，歐洲國家對OpenAI的監管逐步加緊。意大利宣布禁用ChatGPT后，出于數據保護的考慮，德國、法國、西班牙等國家也表示正在考慮對AI聊天機器人采取更嚴格的監管。
6月14日，歐盟通過的《人工智能法案》最新草案，也貫徹了以往嚴苛的立法態度。法案對于“基礎模型”或經過大量數據訓練的強大AI系統，明確規定了透明度和風險評估要求，包括在AI技術投入日常使用之前進行風險評估等。
對風險的猜想是否高于實際？歐盟嚴苛的立法態度招致了歐洲風投公司和科技公司的許多不滿。
6月30日，歐洲各地的主要科技公司創始人、首席執行官、風險投資家等150家企業高管共同簽署了一封致歐盟委員會的公開信，警告歐盟法律草案中對人工智能的過度監管。
“想要將生成式人工智能的監管納入法律并以嚴格的合規邏輯進行，這種方法是官僚主義的，因為它無法有效地實現其目的。在我們對真正的風險、商業模式或生成人工智能的應用知之甚少的情況下，歐洲法律應該僅限于以基于風險的方法闡述廣泛的原則。”公開信中指出，該立法草案將危及歐洲的競爭力和技術主權，而無法有效解決我們現在和未來可能要面臨的挑戰。
無獨有偶，日本一名官員此前也表示，日本更傾向于采用比歐盟更寬松的規則來管理AI，因為日本希望利用該技術促進經濟增長，并使其成為先進芯片的領導者。
“一項新技術從研發到進入市場，再到融入社會生產、生活，產生風險是難以避免的，不能因為風險而放棄新技術的研發和應用。理想目標應是把風險最小化，把技術獲利最大化。”頂象的安全專家告訴「甲子光年」。
上述受訪者繼續說道，歐盟在規范AI問題上下手早，但其過度監管也限制了相關市場的發展，造成歐盟數字產業的發展速度落后于全球。在全球技術主權激烈競爭的背景下，立法與監管政策需要保持謹慎思考，在治理與發展之間做好平衡，在方便企業抵御AI倫理風險的同時，為企業、行業以及相關產業提供充分的發展空間。
“不發展是最大的不安全。”嚴苛的立法態度不是監管政策的唯一解法，企業和立法者也不應該是矛盾雙方，而是謀求數據安全與技術發展的同路人。
以美國為例，谷歌、微軟、OpenAI等科技巨頭也在主動構建安全屏障。7月21日，谷歌、微軟、OpenAI、Meta在內的7家AI公司參與白宮峰會，并就AI技術和研發的安全、透明、風險等問題作出“八大承諾”。7月26日，微軟、谷歌、OpenAI、Anthropic四家AI科技巨頭宣布成立行業組織——“前沿模型論壇”（Frontier Model Forum），來確保前沿AI開發的安全和負責。
面對尚未確定的技術生態，技術開發者、服務提供者都面臨著潛在的合規風險。只有明確了合法獲取的路徑和規章底線，大模型訓練者、服務提供者才能放下戒備，在更大的空間施展拳腳。
站在技術變革的十字路口，如何平衡好數據安全與技術發展的需求，制定出更為系統、更具針對性的監管細則，也是對各國立法者的新考驗。
3.在創新與安全之間，如何平衡？
“監管，如果不向前邁進，就會面臨人工智能被濫用的風險；如果倉促行事，就有導致行業陷入困境的危機。”
7月25日，Anthropic聯合創始人兼CEO Dario Amodei、加州大學伯克利分校教授Stuart Russell和蒙特利爾大學教授Yoshua Bengio出席美國參議院司法委員會舉行的人工智能聽證會。在會議上，他們一致達成這樣的觀點：AI需要監管，但過猶不及。
面對大模型對隱私數據的挑戰，在創新與安全的博弈之間，我們還有哪些解法？
加強數據安全保護可能是最容易想到的答案。360集團首席安全官杜躍進此前接受「甲子光年」采訪時曾表示：“數據安全不應該關注采集了什么，而應該關注采集的數據是怎么用的，怎么保護的。”
隱私計算成為近些年數據隱私保護的技術最優解。與傳統的加密技術相比，隱私計算可以在不泄露原始數據的前提下對數據進行分析計算，實現數據的共享、互通、計算和建模。
讓數據變得“可用不可見”，也就規避了個人數據泄露或不當使用的風險。這項技術目前已經在醫療、金融、政府等對數據高度敏感的領域內相繼落地。
在大模型時代，隱私計算也同樣適用。中國信通院云計算與大數據研究所副主任閆樹在7月的兩次活動上都表達了這樣的觀點，隱私計算可以滿足大模型預測階段的隱私保護需求。
具體來說，隱私計算的不同路線，包括可信執行環境（TEE） 、多方安全計算（MPC）等都可以與大模型進行結合，“比如在云端部署TEE ，用戶在推理時將輸入數據加密傳輸至云端，在其內部解密然后進行推理；還有在模型推理階段使用多方安全計算來提升隱私保護能力”。但值得注意的是，隱私計算也不可避免會對模型訓練和推理的性能造成影響。
除了加強數據安全保護之外，還有一種可以從數據源頭上解決隱私安全問題的方法——合成數據。
合成數據指通過AI技術和算法模型，基于真實數據樣本生成虛擬數據，因此也不存在用戶的個人隱私信息。
隨著大模型的火熱，合成數據也越來越受到關注，保護隱私就是合成數據研究背后強有力的驅動力之一。
“合成數據解決了三個挑戰——質量、數量和隱私。”合成數據平臺Synthesis AI的創始人兼CEO Yashar Behzadi接受科技媒體《VentureBeat》采訪時表示：“通過使用合成數據，公司可以明確定義所需要的訓練數據集，可以在最大程度上減少數據偏差并確保包容性，不會侵犯用戶的隱私。”
OpenAI聯合創始人兼CEO Sam Altman同樣也看好合成數據。
根據英國《金融時報》報道，5月在倫敦舉行的一次活動上，Sam Altman被問及是否擔心監管部門對ChatGPT潛在隱私侵犯的調查，他并沒有特別在意，而是認為“非常有信心所有的數據很快會成為合成數據”。
在合成數據方面，微軟在今年更是動作頻頻。5月，微軟在論文《TinyStories: How Small Can Language Models Be and Still Speak Coherent English?》中描述了一個由GPT-4生成的短篇小說合成數據集TinyStories，其中只包含了四歲兒童可以理解的單詞，用它來訓練簡單的大語言模型，也能夠生成出流暢且語法正確的故事。
6月，微軟在發布的論文《Textbooks Are All You Need》中論證，AI可以使用合成的Python代碼進行訓練，并且這些代碼在編程任務上表現得相當不錯。
在AI的圈子內，通過合成數據進行大模型的訓練早已見怪不怪。全球IT研究與咨詢機構Gartner預測，2030年，合成數據的體量將遠超真實數據，成為AI研究的主要數據來源。
在技術之外，數據市場也在漸漸明朗。北京植德律師事務所合伙人王藝向「甲子光年」介紹，目前已經有數據交易所建立了語料庫專區，并為相關語料數據產品掛牌（包括文本、音頻、圖像等多模態，覆蓋金融、交通運輸和醫療等領域），方便技術提供者和服務提供者合作采購。
在王藝看來，大模型數據的合法合規，需要生成式AI服務提供者首先做好數據分類分級，區分不同數據類型，如個人數據、商業數據、重要數據等，并根據這些不同數據的使用方式，找到對應的法律，分別開展數據來源合法性的審查工作。
而在監管方面，為了平衡好數據安全和AI的發展，王藝表示，對AI的監管需要有主次之分：重點在應用層的監管，尤其是內容監管和個人信息安全；其次是基礎層和模型層的監管，對于相關深度合成算法要督促其及時完成備案；再次是要關注技術本身的主體是否涉及境外，可能會存在數據出境、出口管制等問題。
每一次技術產生變革的時期，期待和恐懼總是如影隨形，發展和監管的呼聲向來不相上下。
目前大模型的發展還在早期，應用層的爆發尚未實現，但AI不會停下腳步，如何把控前行的方向，如何平衡安全與創新，或許是AI發展歷程中持續伴隨的命題。
審核編輯：劉清
工商網監
評論