揭開神秘面紗　AI的風險和安全的重要性

編譯／Cynthia

近年來，人工智慧（AI）已成為熱門話題，但這並不意味著機器人即將取代人類。本文主要在揭開AI安全的神秘面紗，並提供應對AI挑戰的指南。

AI和ML的區別

人工智慧（AI）和機器學習（ML）經常被混為一談，但它們實際上代表不同的概念。AI主要在創建智慧，模仿人類思維和行為，而ML是AI的一個子集，基於數據和模型的學習。

更多新聞：趨勢上半年資安總評 | 台灣偵測惡意連結數量居全球第三　AI工具提高網路犯罪效率

狹窄AI vs. 通用AI

通用AI是可以像人類一樣進行各種任務的AI，但目前還沒有達到通用AI的水平。相反，狹窄AI是一種專門用於特定任務的AI，例如製造汽車或網路安全。它們主要在支持人類，而不是取代人類。

AI和ML的實際應用

AI和ML在現實世界中有各種應用，從生成式AI到監督式ML和非監督式ML。生成式AI可以創建新的內容，但這也可能被惡意使用，例如寫出釣魚郵件。監督式ML需要標記的訓練數據，用於分類和預測。非監督式ML則可以自動發現模式和關聯，這對於大數據分析非常有用。

生成式AI的潛在風險

生成式AI是一個引人注目的領域，它可以根據給定的訊息生成新的內容。然而，它也存在潛在的濫用風險。犯罪分子已經開始利用生成式AI來編寫釣魚郵件，這對網路安全構成了威脅。我們必須謹慎使用生成式AI，以確保不會產生不正確的訊息。

管理AI風險的重要性

隨著AI的普及，安全變得至關重要。NIST提供了一個人工智慧風險管理框架，幫助組織識別、評估和管理AI的風險。這個框架包括六個關鍵元素，安全性是至關重要的，防止敏感資訊洩漏。同時，安全且有彈性的AI能夠防止攻擊者利用它進行網路攻擊。負責和透明度是必不可少的，以確保人們了解AI的運作方式。隱私保護則確保數據在使用過程中得到保護和匿名化。公平性是其中一個最重要的元素，它要求管理有害的偏見，以確保AI在各個方面都公平對待不同的群體。這些要素共同構成了一個全面的AI風險管理框架，確保AI應用的安全和可靠性。

對供應商的問題

在考慮導入AI到業務中時，與供應商討論前，有幾個關鍵問題值得考慮。首先，了解供應商提供的AI功能及其在業務中的實際應用，確保其對業務案例有實質性幫助。其次，詢問有關培訓數據的管理方式，包括數據類型、清理程序和管理措施，以確保資料的質量和避免潛在的偏見。同時，了解供應商是否注重AI的安全性，特別是對抗潛在攻擊的保護措施。明確詢問預期的投資回報（ROI），確保能夠量化AI實施對業務價值的貢獻。並且確保AI確實能夠有效解決問題，並展現出良好的性能。總體而言，明智的問題詢問有助於確保成功導入AI並實現業務目標。

AI是一個充滿機會和挑戰的領域，我們必須謹慎而明智地應對。無論是企業家、安全專家還是對AI感興趣的大眾，了解AI安全是保護數據和業務的關鍵。在一起探索AI的未來，並確保它成為我們的盟友而不是敵人。

資料來源：The Hacker News

瀏覽 786 次