360發布全球首份《大模型安全漏洞報告》，曝光近40個大模型相關安全漏洞
責編：gltian ｜2024-11-25 16:57:39近年來，全球人工智能浪潮持續升溫，大模型作為AI領域中的重要一環，其能力隨著平臺算力的提升、訓練數據量的積累、深度學習算法的突破，得到了進一步提升。然而以大模型為核心涌現的大量技術應用背后，也帶來諸多新的風險和挑戰。
近日，360數字安全集團發布全球首份《大模型安全漏洞報告》（以下簡稱“報告”），從模型層安全、框架層安全以及應用層安全三大維度探查安全問題，并借助360安全大模型自動化的代碼分析能力，對多個開源項目進行代碼梳理和風險評估，最終審計并發現了近40個大模型相關安全漏洞，影響范圍覆蓋llama.cpp、Dify等知名模型服務框架，以及Intel等國際廠商開發的多款開源產品，全面呈現了全球大模型發展所面對的安全威脅態勢，為構建更加安全、健康的AI數字環境貢獻力量。
生成及應用過程隱憂
模型層安全或影響訓練及推理
大模型的生成及應用過程通常包含了數據準備、數據清洗、模型訓練、模型部署等關鍵步驟，攻擊者可對該流程中相關環節施加影響，使模型無法正常完成推理預測；或者繞過模型安全限制或過濾器，操控模型執行未經授權的行為或生成不當內容，并最終導致服務不可用，甚至對開發者或其他正常用戶產生直接安全損害。
報告指出，大模型的開放性和可擴展性使其在訓練和推理過程中面臨著數據投毒、后門植入、對抗攻擊、數據泄露等諸多安全威脅。近年來，各大知名廠商的大語言模型因隱私泄露和輸出涉及種族、政治立場、公共安全等不合規信息而引起社會廣泛關注的案例屢見不鮮，為了加強模型本身的安全性，越來越多的研究人員開始從模型的可檢測性、可驗證性、可解釋性進行積極探索。
安全邊界模糊
框架層安全使攻擊面頻繁增加
隨著大模型項目需求的不斷增長，各類開源框架層出不窮。這些框架極大提升了開發效率，降低了構建AI應用的門檻，同時也打開了新的攻擊面。
報告指出，這些框架在各個層級都可能因接觸不可信的輸入而產生潛在的安全風險。比如利用非內存安全語言引發內存安全問題，或者通過影響正常業務流程向框架傳遞惡意數據進行攻擊，以及利用物理或虛擬主機集群所暴露的服務接口進行惡意控制等。
?
模型框架通常承載著極其豐厚的計算與存儲資源，但又由于其模糊的安全邊界，通常難以做到完全運行于隔離的環境之中，因此一旦受到攻擊，就可能對整個系統帶來不可估量的損失。
模塊協同存在風險
應用層安全可致目標系統失控
AI應用是人工智能技術通過自動化決策和智能分析來解決實際問題的進一步落地，通常集成了前端采集用戶輸入，后端調用模型分析處理，最終執行用戶請求并返回結果的業務流程。
報告發現，除了模型本身，AI應用是多項計算機技術的有機結合，通常還包含了許多其它工程代碼實踐來落地整套業務邏輯。這些代碼涉及輸入驗證、模型驅動、后向處理等多個方面，而不同分工模塊間的業務交互可能會引入額外的安全問題，既包含了傳統的Web問題，又涵蓋了大模型能力導致的新問題。
在以往的攻擊中，攻擊者常通過組合利用業務系統中具有不同“能力原語”的漏洞，進而實現對目標系統的完整控制。而在AI場景下，為了能使大模型能處理各項業務需求，通常會賦予其包括代碼執行在內的多項能力，這在帶來便捷的同時，也提供了更多攻擊系統的可能性。攻擊者可以嘗試控制并組合AI的“能力原語”，在某些應用場景下達到更為嚴重的攻擊效果。
伴隨人工智能的加速發展，以大模型為重要支撐的AI生態擁有巨大的發展潛力，在賦予AI更多能力的同時，也應確保整個系統的可信、可靠、可控。報告認為，大模型所面對的安全威脅應從模型層、框架層、應用層三個層面持續深入探索：
模型層是大模型自身在訓練和推理過程中，以能直接輸入至模型的數據為主要攻擊渠道，從而使得大模型背離設計初衷，失去其真實性和可靠性。
框架層則是用于大模型生產的各類開源工具帶來的安全威脅，這類框架在掌握有大量數據、算力、存儲資源的同時，卻缺少基本的安全設計，其安全性很大程度依賴于框架使用者自身經驗。
應用層則是集成大模型技術的應用程序，在受傳統安全問題影響的同時，又可能在模型能力驅動層面上出現新的攻擊場景。
作為國內唯一兼具數字安全和人工智能能力的公司，360數字安全集團基于“以模制模”、“用AI對抗AI”的理念，遵循“安全、向善、可信、可控”原則，打造安全大模型，保障大模型全方位服務的安全運行，防止不法分子利用相關漏洞對系統進行攻擊，從而保護用戶隱私和服務穩定性，持續助力政府、企業以及科研機構能夠高效應對在大模型訓練和應用過程中的多重挑戰，推動國內大模型生態持續健康發展。