TensorFlow被发现漏洞背后：关于AI安全我们的傻与天真

Posted 2020-10-18

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，可能一直都忽略了一个问题：AI本身也不安全。

这两天的新闻恰如其分地提醒了我们这一点。近日，谷歌被爆其机器学习框架TensorFlow中存在的严重安全风险，可被黑客用来制造安全威胁，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，这些漏洞本身没有带来实质威胁。但这条消息还是让我们看到了某种蠢蠢欲动的不安。TensorFlow、Torch、Caffe这些机器学习开发框架，差不多是如今AI开发者与研究者的标准配置，但这些平台最近却纷纷被爆出存在安全漏洞和被黑客利用的可能性。

某种意义上来说，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周围时，也可能是将巨大的危险捆绑在了身上。

更重要的是，面临AI安全问题，我们中的大部分人还处在很傻很天真的“懵懂状态”，对它的逻辑和危害性近乎一无所知。

本文希望来科普一下这些内容，毕竟防患于未然，等到真正出现大事件再惊叹也就晚了。另外必须提醒开发者和企业的是，在谷歌这些大公司不遗余力的推广自家机器学习平台，并且为了吸引使用者而快速迭代、大量发布免费资源时，开发者本身一定要留个心眼，不能不假思索的使用。

比起心血毁于一旦，更多的审查机制和更严密的安全服务是非常值得的。

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，有可能让开发者心血付诸东流绝不是开玩笑。在今年上半年的勒索病毒事件里，我们已经见识过了如今的黑客攻击有多恐怖。而勒索病毒本身就是利用了微软系统中的漏洞，进行针对式攻击锁死终端。

可以说，在勒索病毒的洗礼之后，信息产业已经进入了“漏洞霸权时代”。只要拥有了更多漏洞，就拥有了大范围的控制权与支配权。随着黑客攻击的工具化和门槛降低，能力一般的攻击者也可以利用平台漏洞发动广泛攻击。

但在我们愈发重视“漏洞产业”带给今天世界的安全隐患时，却不自主的产生了一个视线盲区。那就是人工智能。

这里普及一下今天大部分AI开发任务的基本流程：一般来说，一个开发者想要从头开始开发深度学习应用或者系统，是一件极其麻烦，几乎不可能的事。所以开发者会选择利用主流的开发框架。比如这次被爆出隐患的谷歌TensorFlow。

利用这类平台，开发者可以用平台提供的AI能力，结合开源的算法与模型，训练自己的AI应用。这样速度快效率高，也可以吸收最先进的技术能力。这种“不能让造车者从开发轮子做起”的逻辑当然是对的，但问题也随之到来了：假如轮子里面有问题呢？

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，此前也没有爆出过类似平台存在安全问题，所以这个领域的安全因素一直没有被重视过，可能大部分AI开发者从来都没有想过会存在安全问题。

但这次被发现的漏洞却表明：利用TensorFlow本身的系统漏洞，黑客可以很容易的制造恶意模型，从而控制、篡改使用恶意文件的AI应用。

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，所以恶意模型的攻击点很难短时间被察觉。但由于智能体内部的逻辑关联性，一个点被黑客攻击很可能将会全盘受控。这种情况下造成的安全隐患，显然比互联网时代的黑客攻击更加严重。

理解了这些，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，可能根本不是因为AI太聪明想夺权，而是居心不良的黑客发动的。

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，人工智能，尤其是机器学习类任务，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。比如著名AlphaGo，它不是对每种棋路给出固定的应对模式，而是对棋局进行预判和自我推理。它的智慧不是若干信息组成的集合，而是一个完整的“能力”。

这是AI的优点，但很可能也是AI的弱点。试想，假如AlphaGo中的某个训练模型被黑客攻击了，让系统在该打吃的时候偏偏就不。那么最终展现出的将不是某个棋招运算失当，而是干脆一盘棋也赢不了。

说白了，AI注定是一个牵一发动全身的东西，所以平台漏洞带来的安全风险才格外可怕。

AlphaGo毕竟还只是封闭的系统，即使被攻击了大不了也就是下棋不赢。但越来越多的AI开始被训练出来处理真实的任务，甚至极其关键的任务。那么一旦在平台层面被攻克，将带来无法估计的危险。

比如说自动驾驶汽车的判断力集体失灵、IoT体系被黑客控制、金融服务中的AI突然瘫痪、企业级服务的AI系统崩溃等等情况，都是不出现还好，一旦出现就要搞个大事情。

由于AI系统紧密而复杂的连接关系，很多关键应用将从属于后端的AI体系，而这个体系又依赖平台提供的训练模型。那么一旦最后端的平台失守，几乎必然引发规模化、连锁式的崩盘——这或许才是我们今天最应该担心的AI失控。

AI产业的风险，在于某个黑客一旦攻克了机器学习平台的底层漏洞，就相当于把整个大厦的最下一层给炸掉。这个逻辑此前很少被人关注，却已经被证明了其可能性存在。而最可怕的是，面对更多未知的漏洞和危险，世界范围内的AI开发者近乎是束手无策的。

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，以及其严重的危害性之后，一个顺理成章的联想也会浮出我们的脑海：国家层面的AI安全与战略角力。

有人说，百度等公司代表的中国AI力量崛起，已经让美国科技界感到了威胁。事实上，这种角力绝不只是存在于产业层面。今年7月，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，就专门指出AI很可能在接下来一段时间内，对多数国民产业形成革命性的影响，成为产业中的关键应用。那么一旦AI安全受到威胁，整个美国经济将受到重大打击。

同样的道理，当然也适用于今天与美国抗衡的AI大国，中国。这次TensorFlow安全漏洞曝光后，我们联系了一家国内机器视觉方向的创业公司，他们所使用的训练模型全部来自于TensorFlow中的社区分享。沟通之后的结论是，如果真受到黑客恶意模型的袭击，他们的产品将瞬间瘫痪。

这仅仅是一家创业公司，据了解，国内使用TensorFlow进行训练的还包括京东、小米、中兴等大型企业，以及不少科研院所的研发项目。未来，很有可能还有更多更重要的中国AI项目在欧美的平台上进行训练部署，当这些东西暴露在黑客攻击的面前，甚至控制权掌握在别国手中，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。勒索病毒爆发之后，追根溯源就会发现，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。武器这种东西，制造出来就是为了杀伤的，无论是制造者使用，还是被盗后流出，最终吃亏的只能是没有防范的那群人。

各种可能性之下，AI安全问题在今天已经绝不是儿戏。而中国产业至少能做两件事：1是组建专业的AI防护产业，将互联网安全升级为AI安全；2是必须逐步降低对欧美平台的依赖度，这里当然不是民粹主义的闭关锁国。而是应该给开发者更多选择，让整个产业自然而然地向国家AI安全战略靠拢。比如百度打造的从芯片到框架，再到平台体系与安全监督机制的开发者赋能计划，就在一步步将本应属于中国的AI开发根基留在中国。

总之，AI本身的安全防护，已经成为了开发者必须在意、大平台需要承担责任、国家竞争需要争抢的一个环节。希望最终一起人为的AI失控事件都不要到来。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。

希望这次我们可以预见危险，而不是痛而后悟吧。