AI的未来在哪里?

2020-09-23 15:02   来源: 互联网    阅读次数:4108

人工智能和机器学习不仅带来了好处,也带来了新的漏洞。本文描述了几家公司如何将风险降到最低。


当企业采用新技术时,安全往往处于次要地位,似乎更重要的是以最低的成本尽快向客户提供新产品或服务。


人工智能(AI)和机器学习(ML)提供了与早期技术进步相同的漏洞和错误配置机会,而这些风险也有其特有的风险。随着公司开始人工智能驱动的数字转型,这些风险可能会变得更大。"伯斯艾伦汉密尔顿(Boss Allen Hamilton)首席科学家爱德华(EdRafwardf)(BoozAllenHamilton)表示:"不要匆忙进入这一领域。

53.jpg

与其他技术相比,人工智能和机器学习需要更多的数据和更复杂的数据。数学家和数据科学家从研究项目中开发算法。拉尔夫说,在科学界,他直到最近才开始认识到人工智能的安全问题。


此外,更有经验的企业也没有遵循基本的安全实践,比如对所有AI和ML项目进行全面审计和测试。Loucks表示,该公司在实施这些领域方面做得不太好。


对AI和ML数据的需求带来了风险


AI和ML系统需要三组数据:


训练数据建立预测模型


评估模型运行情况的测试数据


模型投入使用时的操作数据


虽然实时交易或运营数据显然是一项有价值的企业资产,但很容易忽视培训和测试数据池,后者也包含敏感信息。


用于保护其他系统中的数据的许多原则可以应用于AI和ML项目,包括匿名、令牌化和加密。第一步是询问是否需要数据。在准备AI和ML项目时,收集所有可能的数据,看看你能做些什么。


人工智能安全设计


一家有大量数据需要保护的公司是Box,一家在线文件共享平台。Box使用人工智能来提取元数据,提高搜索、分类等能力。Box的CISO Lakshmi Hansper(LakshmiHanspal)表示,Box可以从合同中提取条款、更新和定价信息。Box的大多数客户内容类别要么是用户定义的,要么是完全被忽略的。它们位于一堆可能对数字转换有用的数据上。


汉斯·帕尔说,保护数据是Box的一个重要问题,同样的数据保护标准也适用于人工智能系统,包括培训数据。Box建立并维护信任。


这意味着,所有系统,包括新的人工智能项目,都是围绕核心数据安全原则构建的,包括加密、日志记录、监控、认证和访问控制。汉斯·帕尔(Hans Parr)指出,数字信任是其平台固有的,他们将其付诸实践。


Box对传统代码和由新AI和ML支持的系统都有一个安全的开发过程。"在开发安全产品方面,我们符合ISO的行业标准,"Hansper说。设计安全性是内置的,具有制衡机制,包括渗透测试和红色团队。


数学家和数据科学家在为AI和ML算法编写代码时通常不会担心潜在的漏洞。当企业构建人工智能系统时,他们会借鉴现有的开源算法,使用商用的"黑匣子"人工智能系统,或者从头开始构建自己的人工智能系统。


对于开放源码,攻击者可能嵌入恶意代码,或者代码可能包含漏洞或易受攻击的依赖项。专有业务系统还使用开源代码以及企业客户通常无法查看的新代码。


反向攻击是一个主要威胁


AI和ML系统通常是开源库和非安全工程师新编写的代码的结合。此外,没有编写安全人工智能算法的标准最佳实践。由于缺乏安全专家和数据科学家,这两个领域的专家供应甚至更少。


人工智能和ML算法是最大的潜在风险之一,也是对艾伦·汉密尔顿(BoozAllenHamilton)的Raff最担心的长期威胁之一,这可能会向攻击者泄露训练数据。有一些反向攻击,使得人工智能模型能够向你提供关于自己及其接受的培训的信息,"他说。如果它是根据pi数据进行培训的,你可以让模型向你披露这些信息。实际的pi可能会被暴露。




责任编辑:无量渡口
分享到:
0
【慎重声明】凡本站未注明来源为"极客科技网"的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如因作品内容、版权和其他问题需要同本网联系的,请在30日内进行!