試想一下，有人將一張“貼紙”貼在面部，就可以使人臉識別門禁系統誤認為是你，從而輕而易舉打開大門；同樣是這張“貼紙”，把它貼在眼鏡上，就可以1秒解鎖你的手機人臉識別，探取隱私如入無人之境。這并非科幻大片的想象，而是首屆人工智能安全大賽頒獎典禮現場展示的真實攻防場景。

前不久，由國家工業信息安全發展研究中心、清華大學人工智能研究院和北京瑞萊智慧科技有限公司等單位聯合主辦的首屆人工智能安全大賽落幕。大賽期間，有關人工智能安全風險引發討論。與會專家表示，人工智能安全風險已非未來挑戰，而是眼前威脅，要重視人工智能安全體系建設，加快促進人工智能安全領域關鍵技術研究與攻防實踐。

人工智能和其他通用技術一樣，在高歌猛進的同時，也帶來了一定的風險和隱患。曾獲“吳文俊人工智能優秀青年獎”的瑞萊智慧首席執行官田天認為，人工智能技術風險發生的范圍，正隨著應用場景的日趨廣泛而逐步擴大，風險發生的可能性也隨著其應用頻次的增長而持續提高。在他看來，人工智能當前的安全風險主要可以從“人”與“系統”這兩個視角來剖析。

從人的視角來評估人工智能的安全問題，首當其沖就是技術的兩面性問題，存在人工智能濫用的問題。具體到人工智能的應用中來看，最為典型的代表就是深度偽造技術，它的負向應用風險持續加劇且已產生實質危害。

此次大賽的人臉識別破解演示，所揭示的正是系統的風險，它來自深度學習算法本身的脆弱性。以深度學習算法為核心的第二代人工智能是個“黑盒子”，具有不可解釋性，意味著系統存在結構性的漏洞，可能受到不可預知的風險，典型的就比如現場演示的“神奇貼紙”，其實就是“對抗樣本攻擊”，通過在輸入數據中添加擾動，使得系統作出錯誤判斷。

這一漏洞在自動駕駛感知系統同樣存在。正常情況下，在識別到路障、指示牌、行人等目標后，自動駕駛車輛就會立即停車，但在目標物體上添加干擾圖案后，車輛的感知系統可能會出錯，徑直撞上去。

大賽期間，《人工智能算力基礎設施安全發展白皮書》發布。其中提到，人工智能算力基礎設施不同于傳統的算力基礎設施，既是“基礎設施”又是“人工智能算力”也是“公共設施”，具有基建屬性、技術屬性、公共屬性三重屬性。相應地，推動人工智能算力基礎設施安全發展應從強化自身安全、保障運行安全、助力安全合規三個方面發力。

統籌發展和安全，似乎是每項新技術發展過程中面臨的必然問題，如何實現高水平發展和高水平安全的良性互動，也是當前人工智能產業發展最為重要的命題之一，現場多位專家就此話題展開討論。

“人工智能對抗攻防包括對抗樣本、神經網絡后門、模型隱私問題等多方面技術。模型有錯誤，就需要進行及時的修復。”中國科學院信息安全國家重點實驗室副主任陳愷提出“神經網絡手術刀”的方法，通過定位引發錯誤的神經元，進行精準“微創”修復。

陳愷表示，不同于傳統的模型修復工作需要重新訓練模型，或者依賴于較大量的數據樣本，這種方式類似于“微創手術”，只需極少量數據樣本，能夠大幅提升模型修復效果。

開放環境下的人工智能系統面臨諸多安全挑戰，如何解決通用人工智能算法全周期的安全保障問題成為重中之重。

北京航空航天大學軟件開發環境國家重點實驗室副主任劉祥龍表示，從技術上來看應形成從安全性測試到安全性分析與安全性加固的完整技術手段，最終形成標準化的測試流程。

他同時指出，未來的人工智能安全應該圍繞從數據、算法到系統各個層次上的全面評測，同時配合一套從硬件到軟件的安全可信計算環境。

工商銀行金融研究院安全攻防實驗室主管專家蘇建明表示，人工智能安全治理需要廣泛協作和開放創新，需加強政府、學術機構、企業等產業各參與方的互動合作，建立積極的生態規則。政策層面加快人工智能的立法進程，加強對人工智能服務水平、技術支撐能力等專項監督考核力度。學術層面，加大對人工智能安全研究的激勵投入，通過產學研合作模式加快科研成果的轉化與落地。企業層面，逐步推動人工智能技術由場景拓展向安全可信發展轉變，通過參與標準制定，推出產品服務，持續探索人工智能安全實踐及解決方案。

事實上，構建人工智能的安全生態，一方面需要技術的持續演進，一方面也需要專項技術人才的建設與培養。田天表示，由于人工智能安全研究目前仍屬于新興領域，專項人才較少，缺乏系統性的研究隊伍，此次大賽通過實戰演練的方式，驗證和提升選手實戰能力，為培育一批高水平、高層次的人工智能安全新型人才團隊提供了“快速通道”。

專家們認為，從長遠看，人工智能的安全問題，還需從算法模型的原理上突破，唯有持續加強基礎研究，才能破解核心科學問題，同時他們強調，人工智能的未來發展需確保對整個社會、國家發展的有效性和正向促進性，需要政產學研用多方協同共進。