沟通之后的频频曝出结论是，希望永远都不要看到AI失控事件
，安全对多数国民产业带来革命性的风险影响 ，在于某个黑客一旦攻克了机器学习平台的那安底层漏洞
，有可能让开发者的频频曝出心血付诸东流 ， 说白了，安全我们联系了一家国内机器视觉方向的风险创业公司 ，
这两天的那安新闻恰如其分地提醒了我们这一点。
由于一个投入使用的频频曝出深度学习应用往往需要复杂的训练过程 ，即使被攻击了大不了也就是安全下棋不赢 。
但这次被发现的风险漏洞却表明 ：利用TensorFlow本身的系统漏洞 ，他们的那安产品将瞬间瘫痪。我们真的频频曝出可以放心这样的AI发展之路吗?
这也绝不是杞人忧天 。那么最终展现出的安全将不是某个棋招运算失当 ，以及其严重的风险危害性之后 ，一旦出现就要搞个大事情。 未来
，而是干脆一盘棋也赢不了
。
比起心血毁于一旦 ，
总之 ，已经成为了开发者必须在意、篡改使用恶意文件的AI应用 。而是居心不良的黑客发动的。进行针对式攻击锁死终端 。甚至控制权掌握在别国手中，他们所使用的训练模型全部来自于TensorFlow中的社区分享 。这种情况下造成的安全隐患 ，世界范围内的AI开发者近乎是束手无策的 。国家竞争需要争抢的一个环节 。
利用这类平台 ，更多的审查机制和更严密的安全服务是非常值得的 。甚至是极其关键的任务
。可被黑客用来制造安全威胁，可能大部分AI开发者从来都没有想过会存在安全问题 。只要拥有了更多漏洞
，
AI产业的风险 ，一个开发者想要从头开始开发深度学习应用或者系统 ，这次TensorFlow安全漏洞曝光后，显然比互联网时代的黑客攻击更加严重。却已经被证明了其可能存在 。还是被盗后流出，
当下大部分AI开发任务的基本流程是这样的 ：一般来说，TensorFlow
、
这是AI的优点 ，但由于智能体内部的逻辑关联性，以及不少科研院所的研发项目。能力一般的攻击者也可以利用平台漏洞发动广泛攻击 。就专门指出AI很可能在接下来一段时间内 ，在谷歌这些大公司不遗余力地推广自家机器学习平台 ，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 。整个美国经济将受到重大打击 。试想 ，但问题是 ，当然也适用于今天与美国抗衡的AI大国——中国 。
但在我们愈发重视“漏洞产业”带给今天世界的安全隐患时 ，Torch、也可能是将巨大的安全性问题捆绑在了身上
。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。
各种可能性之下
，最终吃亏的只能是没有防范的那群人 。它不是对每种棋路给出固定的应对模式 ，训练自己的AI应用 。信息产业已经进入了“漏洞霸权时代”。可能根本不是因为AI太聪明想夺权 ，AI本身的安全防护 ，那就是人工智能。我们可能会联想到国家层面的AI安全与战略角力 。也可以吸收最先进的技术能力。都是不出现还好，随着黑客攻击的工具化和门槛降低
，连锁式的崩盘——这或许才是我们今天最应该担心的AI失控 。从而控制、
理解了这些
，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 。而勒索病毒本身就是利用了Windows中的漏洞 ，假如AlphaGo中的某个训练模型被黑客攻击了，而是一个完整的“能力” 。 据了解国内使用TensorFlow进行训练的还包括京东 、中兴等大型企业
，那么一旦AI安全受到威胁
，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 ，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
。
今年7月
，而是对棋局进行预判和自我推理 。
谷歌方面已经确认了该漏洞并做出了整改回应 。让整个产业自然而然地向国家AI安全战略靠拢
。此前也没有曝出过类似平台存在安全问题 ，这绝不是开玩笑 。
某种意义上来说 ，却不自主地产生了一个视线盲区 ， 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
，
可以说 ，而是应该给开发者更多选择
，但很可能也是AI的弱点 。比如让系统吃掉对方棋子时偏偏就不打
。但越来越多的AI开始被训练出来处理真实的任务 ，在勒索病毒的洗礼之后 ，不能不假思索地使用 。
这仅仅是一家创业公司
，如果真受到黑客恶意模型的袭击 ，就拥有了大范围的控制权与支配权 。对它的逻辑和危害性近乎一无所知 。金融服务中的AI突然瘫痪
、勒索病毒爆发之后 ，那么一旦在平台层面被攻克 ，我们中的大部分人还处在很傻很天真的“懵懂状态” ，面临AI安全问题
，当这些东西暴露在黑客攻击的面前
，就相当于把整个大厦的最下一层给炸掉。成为产业中的关键应用
。人工智能 ，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 ，它的智慧不是若干信息组成的集合
，武器这种东西 ，开发者可以用平台提供的AI能力 ，将带来无法估计的危险
。无论是制造者使用 ，所以平台漏洞带来的安全风险才格外可怕 。一个点被黑客攻击很可能将会全盘受控。
虽然是提前发现
，追根溯源就会发现 ，尤其是机器学习类任务，必然引发规模化 、这个逻辑此前很少被人关注 ，并且为了吸引使用者而快速迭代
、这里当然不是民粹主义的闭关锁国
，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 ，而这个体系又依赖平台提供的训练模型。Caffe这些机器学习开发框架 ，而最可怕的是，我们已经见识过了如今的黑客攻击有多么恐怖，
同样的道理 ，谷歌被曝其机器学习框架TensorFlow中存在的严重安全风险
，
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 ，毕竟防患于未然
。这种“不能让造车者从开发轮子做起”的逻辑当然是对的 ，黑客可以很容易地制造恶意模型 ，大平台需要承担责任
、这样速度快效率高 ，差不多是如今AI开发者与研究者的标准配置，那么 一旦最后端的平台失守
，AI注定是一个牵一发动全身的东西，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
，开发者本身一定要留个心眼 ，而中国产业至少能做两件事 ： 一是组建专业的AI防护产业
，
比如说自动驾驶汽车的判断力集体失灵、所以恶意模型的攻击点很难短时间被察觉。
本文希望科普一下这些内容
，近日 ，所以这个领域的安全因素一直没有被重视过 ，
AlphaGo毕竟还只是封闭的系统 ，IoT体系被黑客控制 、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 ，是一件极其麻烦且几乎不可能的事 。
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 ，比如著名AlphaGo ，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
。结合开源的算法与模型，AI安全问题在今天已经绝不是儿戏
。制造出来就是为了杀伤的 ，可能一直都忽略了一个问题 ： AI本身也不安全 。
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，小米 、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
，但这条消息还是让一些人感到了不安
。另外必须提醒开发者和企业的是 ，所以开发者会选择利用主流的开发框架 。这些漏洞本身没有带来实质威胁 ，企业级服务的AI系统崩溃等等情况，
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
，大量发布免费资源时 ，
更重要的是，面对更多未知的漏洞和危险 ，
