0条评论
还没有人评论过~
“流氓不可怕，就怕流氓有文化”这句话在今天要改成：不怕流氓耍赖，就怕流氓用Al，这句话放在今天说应该没有多少人会质疑，再智能的系统可能也会掉入陷阱，被懂Al用Al的黑客盯就推上大事儿了。
数据和算力是维持AI的两大要素，而传统的计算环境是难以满足二者的指数级增长的。举个例子，数据的类型大体可分为结构化数据、非结构化数据、半结构化数据。一个数据从产生到落地要经过收集、传输、分析、检索、挖掘等阶段。如果要让机器像人一样去“看”数据，恐怕穷尽一生也无法分析完。AI有了这些数据当燃料也就有了价值。
但是，数据质量是影响AI的重要因素。就像柴油注入汽油车会出问题，也不是任何数据对人工智能都有积极作用，不少案例已经可以证明这一点。例如，有些聊天机器人在网络上学习了负面评论，就会变得“尖酸刻薄”甚至引发了种族歧视问题。可见，数据的开源性固然重要，但如何找到有质量的数据对AI发展有着决定性的影响，尤其是在受到高度监管的行业。
另外，数据的搜集对隐私也是一大挑战，美国参议院已经在讨论是否要通过新的法案，限制科技公司利用技术手段获取的用户信息不能用于某些用途，也就是说商用的图像识别应用不能用来定位和追踪用户信息。掌握用户信息之后的AI系统可能比用户更了解自己，他们会知晓用户的饮食习惯、锻炼情况、身体变化等等，而且将碎片化的数据拼凑成分析系统就能对人形成整体的特征描述。特别是在越来越多的政企类客户走上云端之后，居民隐私的问题就被上升到了新的层面。
GDPR的重要性即是如此，原因是有越来越多的黑客开始掌握了AI手段。近年来，网络安全事件层出不穷，随之而来的攻击手段越来越多元化，几乎每天都在发生成千上万次的网络攻击，病毒的变种也达到了百万级别，各种新型勒索软件让企业疲于应对。攻击者不再满足于在传统的服务器或终端等硬件上做文章，而是在网络环境的薄弱环节植入恶意代码，进而去发起更多的连锁感染。
不过，黑客去盗取算力的事情倒是不常发生，首先他们不会自己去买算力，因为成本太高了，其次数据中心在硬件上也有隔离防护的安全措施，而且获取算力最终的成本还是去攻陷数据资料。
就像上面提到的，机器学习需要大量的数据集，但是数据集里面涵盖的数据是薄弱环节，当黑客找到了监督学习的娄懂，就可以通过植入“虚拟”安全代码的形式绕过防御机制。过去几年，黑客利用AI进行攻击的例子发生过很多次，造成了数以千万计的用户隐私泄露，一个简单的案例是，黑客是可以通过AI算出用户登录密码的。对于类似的情况，企业也不再愿意把真实有效的数据交出去，而一旦这些数据没有了质量，用户又如何获得良好的AI反馈呢？
由此引来的又一个问题是，AI对于计算、网络、存储等基础设施资源的改造。以网络为例，无线网络数据的类型、规模、维度都是动态且量级较大的，而且各家设备厂商的数据格式也有所区别，无形之中为AI落地到网络运维环境埋下了隐患。举个例子，无线设备要从原始数据中提取信息，介质可以是接入层、网络层、应用层等等，而技术人员则要从中挑选出哪些数据是可用的，AI是不容易做到的，它辨认不了真假数据。
但任何事情都是一把双刃剑，如果掌控不好Al应用就会把黑客变成了会武术的流氓。
- 调查区域：企业小调查(点击预览可查看效果)
【ZOL客户端下载】看最新科技资讯，APP市场搜索“中关村在线”，客户端阅读体验更好。(7233473)
文章来源: https://www.toutiao.com/group/6720385768193278478/