IT之家 8 月 5 日消息，國家安全部微信公眾號今日發文稱，當前，人工智能已深度融入經濟社會發展的方方面面，在深刻改變人類生產生活方式的同時，也成為關乎高質量發展和高水平安全的關鍵領域。然而，人工智能的訓練數據存在良莠不齊的問題，其中不乏虛假信息、虛構內容和偏見性觀點，造成數據源污染，給人工智能安全帶來新的挑戰。

　　

 

　　文章稱，人工智能的三大核心要素是算法、算力和數據，其中數據是訓練 AI 模型的基礎要素，也是 AI 應用的核心資源。

　　提供 AI 模型的原料。海量數據為 AI 模型提供了充足的訓練素材，使其得以學習數據的內在規律和模式，實現語義理解、智能決策和內容生成。同時，數據也驅動人工智能不斷優化性能和精度，實現模型的迭代升級，以適應新需求。

　　影響 AI 模型的性能。AI 模型對數據的數量、質量及多樣性要求極高。充足的數據量是充分訓練大規模模型的前提;高準確性、完整性和一致性的數據能有效避免誤導模型;覆蓋多個領域的多樣化數據，則能提升模型應對實際復雜場景的能力。

　　促進 AI 模型的應用。數據資源的日益豐富，加速了“人工智能 +”行動的落地，有力促進了人工智能與經濟社會各領域的深度融合。這不僅培育和發展了新質生產力，更推動我國科技跨越式發展、產業優化升級、生產力整體躍升。

　　文章稱，高質量的數據能夠顯著提升模型的準確性和可靠性，但數據一旦受到污染，則可能導致模型決策失誤甚至 AI 系統失效，存在一定的安全隱患。

　　投放有害內容。通過篡改、虛構和重復等“數據投毒”行為產生的污染數據，將干擾模型在訓練階段的參數調整，削弱模型性能、降低其準確性，甚至誘發有害輸出。研究顯示，當訓練數據集中僅有 0.01% 的虛假文本時，模型輸出的有害內容會增加 11.2%;即使是 0.001% 的虛假文本，其有害輸出也會相應上升 7.2%。

　　造成遞歸污染。受到數據污染的人工智能生成的虛假內容，可能成為后續模型訓練的數據源，形成具有延續性的“污染遺留效應”。當前，互聯網 AI 生成內容在數量上已遠超人類生產的真實內容，大量低質量及非客觀數據充斥其中，導致 AI 訓練數據集中的錯誤信息逐代累積，最終扭曲模型本身的認知能力。

　　引發現實風險。數據污染還可能引發一系列現實風險，尤其在金融市場、公共安全和醫療健康等領域。在金融領域，不法分子利用 AI 炮制虛假信息，造成數據污染，可能引發股價異常波動，構成新型市場操縱風險;在公共安全領域，數據污染容易擾動公眾認知、誤導社會輿論，誘發社會恐慌情緒;在醫療健康領域，數據污染則可能致使模型生成錯誤診療建議，不僅危及患者生命安全，也加劇偽科學的傳播。

　　IT之家注意到，文章最后提出應對方案：

　　加強源頭監管，防范污染生成。以《網絡安全法》《數據安全法》《個人信息保護法》等法律法規為依據，建立 AI 數據分類分級保護制度，從根本上防范污染數據的產生，助力有效防范 AI 數據安全威脅。

　　強化風險評估，保障數據流通。加強對人工智能數據安全風險的整體評估，確保數據在采集、存儲、傳輸、使用、交換和備份等全生命周期環節安全。同步加快構建人工智能安全風險分類管理體系，不斷提高數據安全綜合保障能力。

　　末端清洗修復，構建治理框架。定期依據法規標準清洗修復受污數據。依據相關法律法規及行業標準，制定數據清洗的具體規則。逐步構建模塊化、可監測、可擴展的數據治理框架，實現持續管理與質量把控。