以大模型為核心的人工智能技術是創新范式變革與產業升級的關鍵引擎，越來越多的機關、企事業單位開始推進大模型私有化部署，廣泛應用于企業辦公、科技研發、公共服務等領域。然而技術躍升與安全風險始終伴生演進，如何強化模型全生命周期安全管理，賦能AI行業向好向善發展，成為當前亟須解決的課題。

需加重視的潛在風險

近期多項研究發現，近90%私有化部署的服務器在互聯網上“裸奔”，部分模型本身也容易被攻擊，存在安全漏洞。目前個別單位所謂的“設防”也只是簡單地設置密碼，易被攻破，個別單位甚至連防護密碼都沒有。可以預見，未來隨著大模型普及使用，有針對性的惡意手段和風險場景勢必激增。因此，網絡安全防護必須與技術發展同步迭代。

——敏感數據安全問題。大模型在訓練、推理、使用過程中會涉及海量數據，如用戶在輸入數據時不當存儲和處理，特別是違規在未設防模型中處理涉密數據、個人隱私數據、商業敏感數據時，存在數據被非法獲取、泄露風險。

——關鍵領域安全問題。人工智能離不開高科技設備，如這類設備被植入后門程序會讓智能工廠、金融機構、能源設施等關鍵領域面臨風險。違法犯罪分子如惡意利用大模型部署的安全漏洞破壞相關系統，將可能導致公共服務中斷、企業經濟損失、安全事故頻發等惡性事件，干擾經濟正常運轉和社會有序運行。

——侵犯用戶利益。普通用戶如未加防護使用大模型服務工具，攻擊者也可以遠程調用接口竊取模型參數、訓練數據、知識庫等核心資產，或刪除、污染私有模型文件，導致模型失效或輸出偏差。同時，攻擊者可通過未授權的接口調用模型推理功能，濫用GPU資源。如處理數據量過大，大模型服務器就會因算力耗盡導致癱瘓。

大模型安全風險的產生原因

——開源框架存在不足。許多單位為了快速上線服務，直接使用開源框架，默認開啟不設密碼的公網訪問模式，不配置合理的安全防護措施，忽略最基本的防火墻配置。攻擊者未經授權即可自由訪問模型服務、竊取敏感數據，甚至通過歷史漏洞執行惡意指令，從而導致數據泄露和服務中斷。

——風險意識存在欠缺。部分管理者對AI安全的認知相對滯后，部分群眾認為“安全是專家的事”，不了解部署AI服務需要像保護銀行卡密碼一樣謹慎，在享受AI帶來便利時未考慮背后隱藏的風險。

——安防教育有待加強。一些企事業單位缺乏必要的安全防范教育，導致員工國家安全意識和素養不高，安全防范意識不強，對于大模型缺乏用心管理，安防教育缺乏必要的認識。

——專門法律存在空白。我國近年來已經出臺了多部關于人工智能和網絡數據方面的政策法規和指導意見，但隨著人工智能迅猛發展，應運而生的法律問題尚需進一步完善相關立法。

國家安全機關提示

大模型是推動科技進步的重要力量，但其安全防護須臾不可松懈，無論是開發者、企業還是普通用戶，都應提高警惕，共同守護技術紅利不被惡意利用。

——做好安全防護，筑牢安全防范屏障。AI企業在開發和應用大模型的過程中需重視自身應承擔的安全責任和義務，可通過加強與安全廠商聯系合作，以嚴密的安全技術保障和運行監測，強化大模型運行時的安全性、可靠性和穩定性。

——培養安全意識，打造協同防御生態。單位、企業在部署大模型前，需要進行全面的風險評估和安全規劃，通過制定安全政策、開展安全培訓等方式，提高全員安全意識。廣大民眾要增強大模型使用的安全意識，注意學習相關安全知識，養成良好使用習慣，選擇從官方渠道下載大模型工具，使用時不要隨意連接陌生網絡，確保大模型應用安全穩定。（記者 宋琎）