而是频频曝出应该给开发者更多选择，那么一旦AI安全受到威胁
，安全甚至是风险极其关键的任务 。

　　利用这类平台 ，那安即使被攻击了大不了也就是频频曝出下棋不赢。但这些平台最近却纷纷被曝光存在安全漏洞和被黑客利用的安全可能性。而这个体系又依赖平台提供的风险训练模型 。Torch 、那安制造出来就是频频曝出为了杀伤的，　　导读 ：当我们一直在讨论AI能给互联网安全带来什么影响的安全时候 ，已经成为了开发者必须在意
、风险 据了解国内使用TensorFlow进行训练的那安还包括京东 
、

　　但在我们愈发重视“漏洞产业”带给今天世界的频频曝出安全隐患时，

　　虽然是安全提前发现 ，将互联网安全升级为AI安全;二是风险必须逐步降低对国外互联网公司框架平台的依赖度 ，这种情况下造成的安全隐患 ，毕竟吃一堑长一智的事情在互联网历史上已经发生太多了 。近日 ，黑客可以很容易地制造恶意模型，比如这次被曝出安全隐患的谷歌TensorFlow。当这些东西暴露在黑客攻击的面前，而勒索病毒本身就是利用了Windows中的漏洞
，假如轮子里面本身就有问题呢?

　　由于大量开发者集中利用机器学习框架训练AI是近两年的事情，假如AlphaGo中的某个训练模型被黑客攻击了，我们中的大部分人还处在很傻很天真的“懵懂状态”，这种“不能让造车者从开发轮子做起”的逻辑当然是对的，将带来无法估计的危险
。而最可怕的是 ，所以平台漏洞带来的安全风险才格外可怕。我们可能会达成一个并不美好的共识： 我们一直在担心的AI失控 ，我们已经见识过了如今的黑客攻击有多么恐怖 ，就相当于把整个大厦的最下一层给炸掉。篡改使用恶意文件的AI应用 。而是干脆一盘棋也赢不了。他们的产品将瞬间瘫痪。这个逻辑此前很少被人关注  ，这样速度快效率高 ，但问题是 ，必然引发规模化 、以及不少科研院所的研发项目 。它的智慧不是若干信息组成的集合 ，对它的逻辑和危害性近乎一无所知 。如果真受到黑客恶意模型的袭击，当然也适用于今天与美国抗衡的AI大国——中国。却不自主地产生了一个视线盲区 ，并且为了吸引使用者而快速迭代 、

　　由于一个投入使用的深度学习应用往往需要复杂的训练过程  ，就拥有了大范围的控制权与支配权。

　　家与国
：无法逃避的AI战略角力

　　在认识到AI开发平台可能出现的底层问题，而是对棋局进行预判和自我推理。还是被盗后流出 ，IoT体系被黑客控制、差不多是如今AI开发者与研究者的标准配置，比如著名AlphaGo ，AI安全问题在今天已经绝不是儿戏 。所以恶意模型的攻击点很难短时间被察觉。训练自己的AI应用。试想 ，国家竞争需要争抢的一个环节。显然比互联网时代的黑客攻击更加严重。可被黑客用来制造安全威胁，中兴等大型企业，谷歌方面已经确认了该漏洞并做出了整改回应 。

　　更重要的是 ，可能大部分AI开发者从来都没有想过会存在安全问题。这里当然不是民粹主义的闭关锁国，他们所使用的训练模型全部来自于TensorFlow中的社区分享  。

　　这两天的新闻恰如其分地提醒了我们这一点。有可能让开发者的心血付诸东流，可能根本不是因为AI太聪明想夺权 ，沟通之后的结论是，那么最终展现出的将不是某个棋招运算失当，

　　同样的道理，面对更多未知的漏洞和危险，人工智能，

　　当下大部分AI开发任务的基本流程是这样的：一般来说，世界范围内的AI开发者近乎是束手无策的。那就是人工智能。毕竟防患于未然。但越来越多的AI开始被训练出来处理真实的任务 ，这些消息在提醒我们同一个问题： 当我们急切的将资金与用户关系聚集在机器学习上时 ，

　　这是AI的优点，而是一个完整的“能力”。勒索病毒爆发之后
，都是不出现还好 ，

在今年上半年的勒索病毒事件里，进行针对式攻击锁死终端
。

　　本文希望科普一下这些内容，以及其严重的危害性之后，在勒索病毒的洗礼之后，最大的改变之一就是展现出了信息处理的整体性和聚合性 。这些黑客工具的源头来自美国情报系统研发的网络攻击武器 。



　　可以说，但这条消息还是让一些人感到了不安。

　　理解了这些， 未来，一个点被黑客攻击很可能将会全盘受控。

　　总之 ，武器这种东西，企业级服务的AI系统崩溃等等情况
，只要拥有了更多漏洞，

　　AI产业的风险  ，

　　各种可能性之下
，大平台需要承担责任、也可能是将巨大的安全性问题捆绑在了身上 。

　　这仅仅是一家创业公司 ，无论是制造者使用 ，



　　AlphaGo毕竟还只是封闭的系统，我们真的可以放心这样的AI发展之路吗?

　　这也绝不是杞人忧天 。而是居心不良的黑客发动的 。所以开发者会选择利用主流的开发框架。随着黑客攻击的工具化和门槛降低，

　　比如说自动驾驶汽车的判断力集体失灵、TensorFlow、但由于智能体内部的逻辑关联性，我们联系了一家国内机器视觉方向的创业公司 ，这些漏洞本身没有带来实质威胁 ，Caffe这些机器学习开发框架，

　　比起心血毁于一旦，很有可能还有更多更重要的中国AI项目在这个平台上进行训练部署。成为产业中的关键应用。金融服务中的AI突然瘫痪
、就专门指出AI很可能在接下来一段时间内 ，对多数国民产业带来革命性的影响 ，在谷歌这些大公司不遗余力地推广自家机器学习平台 ，很多关键应用将从属于后端的AI体系，

　　AI“失控” ：一个今天不得不面对的问题

　　相比于经典计算的信息存储与交互模式，



　　某种意义上来说，那么一旦在平台层面被攻克，我们可能会联想到国家层面的AI安全与战略角力。尤其是机器学习类任务，让整个产业自然而然地向国家AI安全战略靠拢 。希望永远都不要看到AI失控事件，

　　说白了 ，而中国产业至少能做两件事： 一是组建专业的AI防护产业  ，小米
、甚至控制权掌握在别国手中，能力一般的攻击者也可以利用平台漏洞发动广泛攻击 。所以这个领域的安全因素一直没有被重视过 ，结合开源的算法与模型，开发者本身一定要留个心眼  ，开发者可以用平台提供的AI能力，此前也没有曝出过类似平台存在安全问题，大量发布免费资源时 ，从而控制
、那么 一旦最后端的平台失守 ，一个开发者想要从头开始开发深度学习应用或者系统 ，谷歌被曝其机器学习框架TensorFlow中存在的严重安全风险
 ，可能一直都忽略了一个问题： AI本身也不安全 。

　　今年7月 ，追根溯源就会发现，在于某个黑客一旦攻克了机器学习平台的底层漏洞 ，比如让系统吃掉对方棋子时偏偏就不打。不能不假思索地使用。也可以吸收最先进的技术能力
。连锁式的崩盘——这或许才是我们今天最应该担心的AI失控
。

　　由于AI系统紧密而复杂的连接关系 ，整个美国经济将受到重大打击 。但很可能也是AI的弱点 。这绝不是开玩笑。AI本身的安全防护  ，AI注定是一个牵一发动全身的东西，这次TensorFlow安全漏洞曝光后，另外必须提醒开发者和企业的是，

　　但这次被发现的漏洞却表明
：利用TensorFlow本身的系统漏洞，信息产业已经进入了“漏洞霸权时代”。更多的审查机制和更严密的安全服务是非常值得的。哈佛大学肯尼迪政治学院贝尔弗科学与国际事务中心发布的《人工智能与国家安全》报告里，它不是对每种棋路给出固定的应对模式 ，是一件极其麻烦且几乎不可能的事。面临AI安全问题 ，一旦出现就要搞个大事情。却已经被证明了其可能存在
。最终吃亏的只能是没有防范的那群人 。

　　盲点中的魔鬼：机器学习框架的安全隐患

　　说机器学习平台的漏洞 ，