人工智能安全治理白皮书(2025).pdf

人工智能安全治理白皮书(2025).pdf
《人工智能安全治理白皮书(2025)》的核心内容总结如下: **一、背景与目标** 随着人工智能技术的快速发展,其在各行各业的应用带来了巨大变革,同时也伴随着数据、模型、基础设施等多重安全风险。该白皮书由中国联通联合多家单位编写,旨在构建安全可靠、公平可信、智能向善的人工智能系统。它围绕人工智能安全治理,分析风险与挑战,构建治理体系,并提出发展建议。 **二、人工智能安全风险分析** 1. **风险分类:** 将人工智能安全风险划分为 AI 基础设施安全、AI 数据安全、AI 模型算法安全和 AI 应用安全四大类。 2. **具体风险:** * **AI 基础设施安全:** 智算硬件设备、智算云和智算 MaaS 平台等面临的安全风险,包括物理攻击、漏洞利用、API 未授权访问等。 * **AI 数据安全:** 通用数据安全风险(数据合规、泄露、篡改)与 AI 数据生命周期安全风险(训练、微调、推理、知识库)。 * **AI 模型算法安全:** 包括通用 AI 模型算法安全风险(鲁棒性弱、泛化性差、可解释性差等)和生成式 AI 模型算法安全风险(提示词攻击、模型幻觉、内容侵权等)。 * **AI 应用安全:** 模型滥用、多模态深度伪造、透明性不足、以及端侧 AI 安全风险、智能体安全风险、具身智能安全风险等。 **三、人工智能安全治理体系** 1. **治理目标:** 安全、可靠、可控。 2. **治理体系构成:** 包含法规政策、标准规范、管理制度、保障措施,形成监督与管理体系。 3. **技术体系:** 基础设施安全、模型算法安全、数据安全和应用安全是关键。 **四、人工智能安全治理技术解决方案** 1. **基础设施安全:** 硬件、云、MaaS 平台和算力网络的安全防护。 2. **数据安全:** 通用数据安全和训练、微调、推理、知识库等各阶段的数据安全防护,包括合规、加密、脱敏、监控等。 3. **模型算法安全:** 通用 AI 模型的鲁棒性、泛化性、可解释性增强,以及生成式 AI 模型的安全对齐、幻觉减轻等技术。 4. **应用安全:** 智能体安全、具身智能安全、AI+医疗、AI+编程等垂直领域的安全方案。 **五、人工智能安全治理行业案例** * 中国联通 AI 安全治理一体化方案。 * 华为推理数据与知识库安全解决方案。 * 百度大模型安全解决方案。 * 360 大模型安全解决方案。 * 奇安信大模型安全技术解决方案。 * 超聚变 xRAY 智能服务一体机解决方案。 * 恒安嘉新大模型安全监测解决方案。 * 浙江大学 AI 安全应用实践(Alcert 评测平台和 DFScan 深度伪造检测平台)。 **六、发展建议** 1. 完善法律法规与标准治理体系。 2. 围绕 AI 安全前沿技术开展系统攻关。 3. 强化复合型人才培养与产学研协同创新。
在线阅读 下载完整报告 | 3.99 MB | 80页
阅读和下载会消耗积分;登录、注册、邀请好友、上传报告可获取积分。
成为VIP会员可免费阅读和下载报告