AI导读：

AI技术正快速融入各行各业，但私有化部署的服务器存在安全漏洞，数据安全问题日益凸显。本文探讨了数据安全挑战，包括数据泄露、公共服务中断等风险，以及数据加密、AI对抗AI等应对措施。同时，强调了提高安全意识、完善法律法规的重要性。

AI技术正以前所未有的速度融入各行各业，机关、企事业单位纷纷推进大模型私有化部署，广泛应用于企业办公、科技研发、公共服务等领域。然而，其背后的安全隐患日益凸显。近期研究显示，近90%私有化部署的服务器在互联网上暴露，存在安全漏洞，部分模型易遭攻击。

数据安全，在狭义上指免受篡改和破坏，广义则涵盖数据的可靠性、安全性及服务内容的安全性。在AI时代，数据安全的内涵持续扩展。AI虽带来便利，但也带来数据安全挑战。训练大模型涉及海量数据，处理不当或违规处理敏感数据，易导致数据泄露。数据收集后的处理环节，若犯罪分子利用安全漏洞，可能导致公共服务中断、企业经济损失等，影响经济和社会秩序。

为保数据安全，已出现数据加密、访问控制等技术手段。部分企业采用AI对抗AI，通过机器学习识别安全风险，实现快速响应。但部分管理者对AI安全认知滞后，风险意识淡薄，安全防范教育缺失，给数据安全带来隐患。例如，使用开源框架时，为追求速度，默认开启无密码公网访问，忽视防火墙配置，如同将无密码保险箱置于街头，易被攻击者窃取数据。此外，尽管我国已出台多部AI和网络数据政策，但面对AI的快速发展，相关法律尚需完善。

技术发展越快，安全保障需求越迫切。AI技术飞速发展，开发者、企业、用户需提高警惕，共同筑牢AI大模型安全墙。AI企业应主动承担安全责任，提高技术水平，利用先进安全技术保障运行监测，确保大模型安全、可靠、稳定。企业在部署前，应全面评估风险，制定安全方案，开展安全培训，避免安全事故。同时，需制定详细、具体的法律法规，明确数据使用范围，统一AI安全认证标准，为AI数据安全提供法治支撑。

AI大模型应用场景不断拓展，唯有保持警惕、不断创新，才能为AI大模型穿上更有效的防护服，筑牢安全基座。

（文章来源：广州日报）