近日，清華大學(xué)AI研究院孵化企業(yè)RealAI(瑞萊智慧)正式推出首個(gè)針對(duì)AI在極端和對(duì)抗環(huán)境下的算法安全性檢測(cè)與加固的工具平臺(tái)——RealSafe人工智能安全平臺(tái)。該平臺(tái)內(nèi)置領(lǐng)先的AI對(duì)抗攻防算法，提供從安全測(cè)評(píng)到防御加固整體解決方案，目前可用于發(fā)現(xiàn)包括人臉比對(duì)等在內(nèi)的常用AI算法可能出錯(cuò)的極端情形，也能預(yù)防潛在的對(duì)抗攻擊。

業(yè)界首個(gè)針對(duì)AI在極端和對(duì)抗環(huán)境下的算法安全性檢測(cè)與加固的工具平臺(tái)

“對(duì)抗樣本”成新型病毒，算法安全問(wèn)題亟待解決

隨著人工智能技術(shù)的高速發(fā)展，人工智能在諸多場(chǎng)景正逐漸替代或協(xié)作著人類(lèi)的各種勞動(dòng)，它們可以成為人類(lèi)的眼睛、耳朵、手臂甚至大腦。

其中，機(jī)器視覺(jué)作為AI時(shí)代的基礎(chǔ)技術(shù)，其背后的AI算法一直是各科技巨頭和創(chuàng)業(yè)公司共同追逐的熱點(diǎn)。然而在機(jī)器視覺(jué)諸多主流應(yīng)用場(chǎng)景的背后，往往也藏著由技術(shù)性缺陷導(dǎo)致的算法安全風(fēng)險(xiǎn)。

例如，在一些訓(xùn)練數(shù)據(jù)無(wú)法覆蓋到的極端場(chǎng)景中，自動(dòng)駕駛汽車(chē)的識(shí)別系統(tǒng)可能出現(xiàn)匪夷所思的決策，危害乘車(chē)人的人身安全。從2016年至今，Tesla、Uber等企業(yè)的輔助駕駛和自動(dòng)駕駛系統(tǒng)就都曾出現(xiàn)過(guò)類(lèi)似致人死亡的嚴(yán)重事故。并且這類(lèi)極端情形也可能被惡意制造并利用，發(fā)動(dòng)“對(duì)抗樣本攻擊”，去年7月，百度等研究機(jī)構(gòu)就曾經(jīng)通過(guò)3D技術(shù)打印出能讓自動(dòng)駕駛“無(wú)視”的障礙物，讓車(chē)輛面臨撞擊風(fēng)險(xiǎn)。

而以上攻擊之所以能成功，主要是機(jī)器視覺(jué)和人類(lèi)視覺(jué)有著很大的差異。因此可以通過(guò)在圖像、物體等輸入信息上添加微小的擾動(dòng)改變(即上述故意干擾的“對(duì)抗樣本”)，就能導(dǎo)致很大的算法誤差。此外，隨著AI的進(jìn)一步發(fā)展，AI算法模型將運(yùn)用金融決策、醫(yī)療診斷等關(guān)鍵核心場(chǎng)景，這類(lèi)AI“漏洞”的威脅將愈發(fā)凸顯出來(lái)。

近年來(lái)，包括清華大學(xué)人工智能研究院院長(zhǎng)張鈸院士、前微軟全球執(zhí)行副總裁沈向洋等均提倡要發(fā)展安全、可靠、可信的人工智能以及負(fù)責(zé)任的人工智能，其中AI的安全應(yīng)用均是重點(diǎn)方向。

而且，AI安全作為新興領(lǐng)域，在開(kāi)源社區(qū)、工具包的加持下，對(duì)抗樣本等攻擊手段日益變得復(fù)雜，相關(guān)防御手段的普及和推廣卻難以跟上。并且對(duì)抗樣本等算法漏洞檢測(cè)存在較高的技術(shù)壁壘，目前市面上缺乏自動(dòng)化檢測(cè)工具，而大部分企業(yè)與組織不具備該領(lǐng)域的專(zhuān)業(yè)技能來(lái)妥善應(yīng)對(duì)日益增長(zhǎng)的惡意攻擊。

從安全測(cè)評(píng)到防御加固，RealSafe讓AI更加安全可控

就如網(wǎng)絡(luò)安全時(shí)代，網(wǎng)絡(luò)攻擊的大規(guī)模滲透誕生出殺毒軟件，RealAI團(tuán)隊(duì)希望通過(guò)RealSafe平臺(tái)打造出人工智能時(shí)代的“殺毒軟件”，幫助企業(yè)高效應(yīng)對(duì)人工智能時(shí)代下算法漏洞孕育出的“新型病毒”。

目前，RealSafe平臺(tái)主要支持兩大功能模塊：模型安全測(cè)評(píng)、防御解決方案。

其中，模型安全評(píng)測(cè)主要為用戶(hù)提供AI模型安全性評(píng)測(cè)服務(wù)。用戶(hù)只需接入所需測(cè)評(píng)模型的SDK或API接口，選擇平臺(tái)內(nèi)置或者自行上傳的數(shù)據(jù)集，平臺(tái)將基于多種算法生成對(duì)抗樣本模擬攻擊，并綜合在不同算法、迭代次數(shù)、擾動(dòng)量大小的攻擊下模型效果的變化，給出模型安全評(píng)分及詳細(xì)的測(cè)評(píng)報(bào)告(如下圖)。目前已支持黑盒查詢(xún)攻擊方法與黑盒遷移攻擊方法。

防御解決方案則是為用戶(hù)提供模型安全性升級(jí)服務(wù)，目前RealSafe平臺(tái)支持五種去除對(duì)抗噪聲的通用防御方法，可實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的自動(dòng)去噪處理，破壞攻擊者惡意添加的對(duì)抗噪聲。根據(jù)上述的模型安全評(píng)測(cè)結(jié)果，用戶(hù)可自行選擇合適的防御方案，一鍵提升模型安全性。另外防御效果上，根據(jù)實(shí)測(cè)來(lái)看，部分第三方的人臉比對(duì)API通過(guò)使用RealSafe平臺(tái)的防御方案加固后，安全性可提高40%以上

隨著模型攻擊手段在不斷復(fù)雜擴(kuò)張的情況下，RealSafe平臺(tái)還持續(xù)提供廣泛且深入的AI防御手段，幫助用戶(hù)獲得實(shí)時(shí)且自動(dòng)化的漏洞檢測(cè)和修復(fù)能力。

準(zhǔn)確度99.99%也難逃被“惡意干擾”，RealSafe高效應(yīng)對(duì)算法威脅

考慮到公眾對(duì)于對(duì)抗樣本這一概念可能比較模糊，RealSafe平臺(tái)特意選取了公眾最為熟知的人臉比對(duì)場(chǎng)景(人臉比對(duì)被廣泛用于金融遠(yuǎn)程開(kāi)戶(hù)、刷臉支付、酒店入住登記等場(chǎng)景的身份認(rèn)證環(huán)節(jié))提供在線體驗(yàn)。

并且，為了深入研究“對(duì)抗樣本”對(duì)人臉比對(duì)系統(tǒng)識(shí)別效果的影響，RealAI 團(tuán)隊(duì)基于此功能在國(guó)內(nèi)外主流 AI 平臺(tái)的演示服務(wù)中進(jìn)行了測(cè)試。

實(shí)測(cè)證明，“對(duì)抗樣本”可以極大的干擾人臉比對(duì)系統(tǒng)的識(shí)別結(jié)果，而測(cè)試的這幾家互聯(lián)網(wǎng)公司平臺(tái)開(kāi)放的人臉比對(duì)API或SDK，幾乎覆蓋了目前市面上很多中小型企業(yè)在落地人臉識(shí)別應(yīng)用時(shí)的選擇，如果他們的人臉比對(duì)技術(shù)存在明顯的安全漏洞，意味著更廣泛的應(yīng)用場(chǎng)景將存在安全隱患。

因此，為了幫助更大范圍內(nèi)的企業(yè)高效應(yīng)對(duì)算法威脅，RealSafe平臺(tái)具備以下兩大優(yōu)勢(shì)：

· 組件化、零編碼的在線測(cè)評(píng)：相較于ART、Foolbox等開(kāi)源工具需要自行部署、編寫(xiě)代碼，RealSafe平臺(tái)采用組件化、零編碼的功能設(shè)置，免去了重復(fù)造輪子的精力與時(shí)間消耗，用戶(hù)只需提供相應(yīng)的數(shù)據(jù)即可在線完成評(píng)估，學(xué)習(xí)成本低，無(wú)需擁有專(zhuān)業(yè)算法能力也可以上手操作。

·可視化、可量化的評(píng)測(cè)結(jié)果：為了幫助用戶(hù)提高對(duì)模型安全性的概念，RealSafe平臺(tái)采用可量化的形式對(duì)安全評(píng)測(cè)結(jié)果進(jìn)行展示，根據(jù)模型在對(duì)抗樣本攻擊下的表現(xiàn)進(jìn)行評(píng)分，評(píng)分越高則模型安全性越高。此外，RealSafe平臺(tái)提供安全性變化展示，經(jīng)過(guò)防御處理后的安全評(píng)分變化以及模型效果變化一目了然。

從數(shù)字世界到物理世界 RealAI落地更多安全周邊產(chǎn)品

隨著機(jī)器學(xué)習(xí)模型不斷的升級(jí)演化，“對(duì)抗樣本”已經(jīng)演變成一種新型攻擊手段，并且逐漸從數(shù)字世界蔓延到物理世界：在路面上粘貼對(duì)抗樣本貼紙模仿合并條帶誤導(dǎo)自動(dòng)駕駛汽車(chē)拐進(jìn)逆行車(chē)道、胸前張貼一張對(duì)抗樣本貼紙?jiān)诒O(jiān)控設(shè)備下實(shí)現(xiàn)隱身……

因此，除了針對(duì)數(shù)字世界的算法模型推出安全評(píng)測(cè)平臺(tái)，RealAI團(tuán)隊(duì)也聯(lián)合清華大學(xué)AI研究院圍繞多年來(lái)積累的領(lǐng)先世界的研究成果落地了一系列AI攻防安全產(chǎn)品，為更多場(chǎng)景保駕護(hù)航。

比如通過(guò)佩戴帶有對(duì)抗樣本圖案的“眼鏡”，黑客可以輕易破解商用手機(jī)的面部解鎖，通過(guò)在胸前張貼特制花紋實(shí)現(xiàn)在AI監(jiān)控下的“隱身”，以及通過(guò)在車(chē)輛上涂裝特殊花紋躲避AI對(duì)車(chē)輛的檢測(cè)。發(fā)現(xiàn)類(lèi)似新型漏洞的同時(shí)，RealAI也推出相應(yīng)的防御技術(shù)，支持對(duì)主流AI算法中的安全漏洞進(jìn)行檢測(cè)，并提供AI安全防火墻對(duì)攻擊AI模型的行為進(jìn)行有效攔截。

人工智能的大潮滾滾而來(lái)，隨之而來(lái)的安全風(fēng)險(xiǎn)也將越來(lái)越多樣化，尤其近年來(lái)因AI技術(shù)不成熟導(dǎo)致的侵害風(fēng)險(xiǎn)也頻頻發(fā)生，可以說(shuō)，算法漏洞已逐漸成為繼網(wǎng)絡(luò)安全、數(shù)據(jù)安全后又一大安全難題。

所幸的是，以RealAI為代表的這些頂尖AI團(tuán)隊(duì)早已開(kāi)始了AI安全領(lǐng)域的征程，并開(kāi)始以標(biāo)準(zhǔn)化的產(chǎn)品助力行業(yè)降低應(yīng)對(duì)安全風(fēng)險(xiǎn)的門(mén)檻與成本。此次上線RealSafe人工智能安全平臺(tái)是RealAI的一小步嘗試，但對(duì)于整個(gè)行業(yè)而言，這將是人工智能產(chǎn)業(yè)邁向健康可控發(fā)展之路的一大步。