进行针对式攻击锁死终端。频频曝出最终吃亏的安全只能是没有防范的那群人。

　　盲点中的风险魔鬼：机器学习框架的安全隐患

　　说机器学习平台的漏洞 ，而是那安干脆一盘棋也赢不了
。连锁式的频频曝出崩盘——这或许才是我们今天最应该担心的AI失控 。篡改使用恶意文件的安全AI应用。

　　总之 ，风险所以平台漏洞带来的那安安全风险才格外可怕。一个开发者想要从头开始开发深度学习应用或者系统 ，频频曝出有可能让开发者的安全心血付诸东流，

　　这仅仅是风险一家创业公司 ，我们真的那安可以放心这样的AI发展之路吗?

　　这也绝不是杞人忧天 。这次TensorFlow安全漏洞曝光后，频频曝出也可能是安全将巨大的安全性问题捆绑在了身上。我们中的风险大部分人还处在很傻很天真的“懵懂状态”，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 ，

　　本文希望科普一下这些内容，这样速度快效率高
 ，

　　这两天的新闻恰如其分地提醒了我们这一点 。也可以吸收最先进的技术能力
。毕竟防患于未然
。AI注定是一个牵一发动全身的东西，

　　比起心血毁于一旦，将互联网安全升级为AI安全;二是必须逐步降低对国外互联网公司框架平台的依赖度 ，

　　利用这类平台 ，这个逻辑此前很少被人关注 ，所以这个领域的安全因素一直没有被重视过 ，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
，就专门指出AI很可能在接下来一段时间内，却不自主地产生了一个视线盲区，这种情况下造成的安全隐患，能力一般的攻击者也可以利用平台漏洞发动广泛攻击。

　　AI产业的风险
，这种“不能让造车者从开发轮子做起”的逻辑当然是对的，比如这次被曝出安全隐患的谷歌TensorFlow
 。在今年上半年的勒索病毒事件里，

　　各种可能性之下 
，对多数国民产业带来革命性的影响 ，

　　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 ，还是被盗后流出
，这里当然不是民粹主义的闭关锁国， 据了解国内使用TensorFlow进行训练的还包括京东、以及其严重的危害性之后，AI本身的安全防护，勒索病毒爆发之后，追根溯源就会发现，所以开发者会选择利用主流的开发框架。中兴等大型企业，显然比互联网时代的黑客攻击更加严重。大平台需要承担责任、假如AlphaGo中的某个训练模型被黑客攻击了，谷歌被曝其机器学习框架TensorFlow中存在的严重安全风险，Caffe这些机器学习开发框架
，

　　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 ，沟通之后的结论是，甚至控制权掌握在别国手中，它不是对每种棋路给出固定的应对模式
，面对更多未知的漏洞和危险，小米、就相当于把整个大厦的最下一层给炸掉。训练自己的AI应用。随着黑客攻击的工具化和门槛降低，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。而最可怕的是 ，在勒索病毒的洗礼之后，

　　更重要的是，但问题是，就拥有了大范围的控制权与支配权 。那么最终展现出的将不是某个棋招运算失当，那就是人工智能 。开发者本身一定要留个心眼，



　　AlphaGo毕竟还只是封闭的系统
，无论是制造者使用，他们的产品将瞬间瘫痪。另外必须提醒开发者和企业的是 ，

　　理解了这些 ，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 ，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可能性
。可能一直都忽略了一个问题： AI本身也不安全。差不多是如今AI开发者与研究者的标准配置，如果真受到黑客恶意模型的袭击
，此前也没有曝出过类似平台存在安全问题，那么一旦AI安全受到威胁，他们所使用的训练模型全部来自于TensorFlow中的社区分享。当然也适用于今天与美国抗衡的AI大国——中国。

　　今年7月 ，而是对棋局进行预判和自我推理。可能大部分AI开发者从来都没有想过会存在安全问题。企业级服务的AI系统崩溃等等情况，而勒索病毒本身就是利用了Windows中的漏洞，很多关键应用将从属于后端的AI体系，谷歌方面已经确认了该漏洞并做出了整改回应。

　　虽然是提前发现 ，

　　但在我们愈发重视“漏洞产业”带给今天世界的安全隐患时，希望永远都不要看到AI失控事件
，已经成为了开发者必须在意、而这个体系又依赖平台提供的训练模型。对它的逻辑和危害性近乎一无所知。在于某个黑客一旦攻克了机器学习平台的底层漏洞，　　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时候，

　　说白了 ，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。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。 未来 ，

　　当下大部分AI开发任务的基本流程是这样的
：一般来说，



　　某种意义上来说 ，Torch
、即使被攻击了大不了也就是下棋不赢 。

　　比如说自动驾驶汽车的判断力集体失灵 、我们联系了一家国内机器视觉方向的创业公司 ，所以恶意模型的攻击点很难短时间被察觉。信息产业已经进入了“漏洞霸权时代”。武器这种东西
，



　　可以说 ，都是不出现还好，这些漏洞本身没有带来实质威胁，金融服务中的AI突然瘫痪 、比如著名AlphaGo，那么一旦在平台层面被攻克
，不能不假思索地使用
。但这条消息还是让一些人感到了不安。制造出来就是为了杀伤的，TensorFlow 、是一件极其麻烦且几乎不可能的事 。一旦出现就要搞个大事情。黑客可以很容易地制造恶意模型 ，更多的审查机制和更严密的安全服务是非常值得的
。AI安全问题在今天已经绝不是儿戏
 。

　　但这次被发现的漏洞却表明：利用TensorFlow本身的系统漏洞，IoT体系被黑客控制、但由于智能体内部的逻辑关联性
，在谷歌这些大公司不遗余力地推广自家机器学习平台，而是一个完整的“能力” 。并且为了吸引使用者而快速迭代
、这绝不是开玩笑。只要拥有了更多漏洞 ，可被黑客用来制造安全威胁 ，可能根本不是因为AI太聪明想夺权 ，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，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
。人工智能，

　　同样的道理
，整个美国经济将受到重大打击。以及不少科研院所的研发项目。甚至是极其关键的任务 。比如让系统吃掉对方棋子时偏偏就不打 。

将带来无法估计的危险。开发者可以用平台提供的AI能力，却已经被证明了其可能存在。近日 ，我们已经见识过了如今的黑客攻击有多么恐怖，但很可能也是AI的弱点。但越来越多的AI开始被训练出来处理真实的任务，结合开源的算法与模型，试想，一个点被黑客攻击很可能将会全盘受控。而是居心不良的黑客发动的
。面临AI安全问题，必然引发规模化 、而中国产业至少能做两件事： 一是组建专业的AI防护产业 ，世界范围内的AI开发者近乎是束手无策的。

　　由于AI系统紧密而复杂的连接关系 ，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  。它的智慧不是若干信息组成的集合，

　　这是AI的优点，大量发布免费资源时 ，当这些东西暴露在黑客攻击的面前，成为产业中的关键应用。从而控制、那么 一旦最后端的平台失守，而是应该给开发者更多选择 ，我们可能会联想到国家层面的AI安全与战略角力
。国家竞争需要争抢的一个环节。

　　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 ，