在我們對(duì)推動(dòng)算法革命的數(shù)據(jù)展開研究的過程中，算法透明度和問責(zé)制是核心原則。一些人可能誤認(rèn)為這種說(shuō)法是在隱晦地呼吁公開知識(shí)產(chǎn)權(quán)。然而，經(jīng)過細(xì)致入微的研究，我們發(fā)現(xiàn)了一個(gè)更加復(fù)雜的敘事，即大型語(yǔ)言模型和專有模型之間的區(qū)別?！?
大型語(yǔ)言模型是在綜合文本數(shù)據(jù)集上訓(xùn)練而成的AI系統(tǒng)，其設(shè)計(jì)意圖是根據(jù)輸入內(nèi)容生成類似人類的文本。“大型”一詞體現(xiàn)了模型在參數(shù)數(shù)量和訓(xùn)練數(shù)據(jù)量上的規(guī)模。比如 OpenAI 的GPT-3在訓(xùn)練時(shí)運(yùn)用了一個(gè)包含1750億個(gè)海量文本參數(shù)的巨大模型。這些模型必須能夠理解它們生成的文本，通過辨別訓(xùn)練數(shù)據(jù)中的模式來(lái)生成并輸出預(yù)測(cè)結(jié)果。一個(gè)不變的原則是：只有綜合全面的高質(zhì)量訓(xùn)練數(shù)據(jù)才能使模型生成準(zhǔn)確的預(yù)測(cè)結(jié)果。
與之相反的是，“專有模型”通常由特定實(shí)體或公司創(chuàng)建。其設(shè)計(jì)、結(jié)構(gòu)和算法保護(hù)創(chuàng)建者的知識(shí)產(chǎn)權(quán)。這個(gè)詞往往指的是藍(lán)圖可供公眾使用、修改和傳播的開源模型。值得注意的是，專有模型與大型語(yǔ)言模型沒有本質(zhì)區(qū)別，使用“專有模型”這個(gè)術(shù)語(yǔ)是為了強(qiáng)調(diào)模型的其他特征。
以O(shè)penAI的GPT-3為例，它既可以是大型語(yǔ)言模型，也可以是專有模型。網(wǎng)絡(luò)安全行業(yè)給出了一個(gè)恰當(dāng)?shù)谋扔鳎?ldquo;垃圾進(jìn)，垃圾出”。與網(wǎng)絡(luò)衛(wèi)生實(shí)踐一樣，為模型提供經(jīng)過整理的高質(zhì)量數(shù)據(jù)可以影響輸出結(jié)果，在實(shí)現(xiàn)精準(zhǔn)異常檢測(cè)的同時(shí)推動(dòng)創(chuàng)新。
那么如何防止數(shù)據(jù)中毒呢？關(guān)鍵在于用細(xì)致入微的數(shù)據(jù)采集和整理取代雜亂無(wú)章的數(shù)據(jù)積累。無(wú)論是專有模型還是開源模型，確保采集高質(zhì)量的數(shù)據(jù)可以幫助提升模型輸出結(jié)果的準(zhǔn)確性。決定模型有效性的最終因素是數(shù)據(jù)的質(zhì)量和相關(guān)性，而非數(shù)據(jù)的數(shù)量。
算法透明度要求明確算法的一般操作。例如貸款決策算法應(yīng)說(shuō)明其考慮的因素（收入、信用評(píng)分）及各項(xiàng)因素的權(quán)重。與之相對(duì)應(yīng)的算法問責(zé)制則要求實(shí)體對(duì)其算法決策負(fù)責(zé)，尤其是當(dāng)出現(xiàn)跡象表明結(jié)果帶有偏差或差別時(shí)。
由于應(yīng)用了機(jī)器學(xué)習(xí)，入侵檢測(cè)系統(tǒng)（IDS）可監(jiān)視網(wǎng)絡(luò)是否存在潛在威脅或違反政策的情況。機(jī)器學(xué)習(xí)可以根據(jù)以往數(shù)據(jù)識(shí)別威脅，大大提升了 IDS 的能力。但即便如此，透明度和問責(zé)制方面仍然存在挑戰(zhàn)。
因此，算法透明度的“潛臺(tái)詞”是 IDS 用戶需要對(duì)決策依據(jù)具備一定的了解。例如，威脅信號(hào)的特征是什么？IDS如何區(qū)分正常活動(dòng)和惡意活動(dòng)？雖然為了避免給攻擊者提供“參考”而不能公布具體的系統(tǒng)機(jī)制，但用戶只有在掌握足夠信息的情況下才能信任并有效利用該系統(tǒng)。
算法問責(zé)制提出了誤報(bào)和漏報(bào)的責(zé)任問題。IDS 提供商應(yīng)對(duì)此類錯(cuò)誤承擔(dān)責(zé)任，尤其是當(dāng)這些錯(cuò)誤是由算法缺陷引起時(shí)。
目前挑戰(zhàn)在于如何在透明度、問責(zé)制、專有利益保護(hù)和潛在攻擊防范之間保持平衡。這是一項(xiàng)涉及多方面的任務(wù)，需要細(xì)致入微的考量和各方面兼顧的方法。另外，需要認(rèn)識(shí)到理解某些算法（如神經(jīng)網(wǎng)絡(luò)）的決策過程及保護(hù)專有信息的技術(shù)復(fù)雜性。然而盡管存在這些障礙，但對(duì)于優(yōu)化算法透明度和問責(zé)制，專家們已經(jīng)達(dá)成共識(shí)。
鑒于日益智能和先進(jìn)的黑客技術(shù)所帶來(lái)的威脅迫在眉睫，網(wǎng)絡(luò)安全行業(yè)必須擁有同等資源才能對(duì)抗這些AI驅(qū)動(dòng)的攻擊。從長(zhǎng)遠(yuǎn)來(lái)看，安全行業(yè)的目標(biāo)不僅是讓一群人類威脅獵手通過猜測(cè)來(lái)零散地解決問題。
當(dāng)務(wù)之急是采取智能化措施來(lái)化解這些不斷發(fā)展的威脅。作為全球網(wǎng)絡(luò)安全領(lǐng)導(dǎo)企業(yè)，Palo Alto Networks（派拓網(wǎng)絡(luò)）一直在加速AI在網(wǎng)絡(luò)安全堆棧中的應(yīng)用，是當(dāng)今安全行業(yè)最成熟的AI應(yīng)用之一。派拓網(wǎng)絡(luò)不僅在人工智能和機(jī)器學(xué)習(xí)方面的投資處于領(lǐng)先地位，而且還致力于將這些投資轉(zhuǎn)化為客戶可以獲得的實(shí)實(shí)在在的利益。
