如何預防AI遭網路攻擊?量子計算可能是解答

編譯/高晟鈞

AI分類、識別圖像的能力使得其極易受到攻擊,而透過將機器學習與量子計算技術結合的安全算法模型則可使AI更準確學習。(示意圖/123RF)

人工智慧無所不在,它們支撐著如今很大一部分的安全應用程序、自動駕駛汽車系統、甚至是用於軍事目的的無人機、生物識別系統。雖然AI經過訓練後,可以精準地對圖像特徵進行分類和識別,但這些算法的數據很容易受到網路攻擊,進而造成嚴重的安全威脅。

那麼量子計算是未來科技的解答嗎?

來自墨爾本大學的Muhammad Usmad博士表示:「世界對於量子優勢的追求逐漸升溫,機器學習在其中扮演著關鍵的角色,我們應當加快AI的訓練,並增強對網路攻擊的適應性。」

量子計算機是一個新興的計算領域。傳統的舊式計算機使用電子,並用0與1作為信息儲存的基本位元單位;相反地,量子計算機使用光子取代電子作為信息存儲的基本單位,稱作量子位元(或量子比特)。量子所具有的量子糾纏性質,使得傳統計算機需要耗費數千年才能完成的密碼破譯,在量子計算機上可能只需耗費幾個小時。

隨著從國防到銀行業,愈來愈多行業採用人工智慧,因此安全性變得格外重要。有專家表示,AI對於分類與識別圖像特徵的強大能力,反倒使得其極為容易受到攻擊與干擾。舉例來說,我們可以透過將損壞的數據混和到機器訓練學習當中,此種惡意攻擊,會使得AI學習到錯誤的資訊。

更簡單來說,人們甚至能從物理世界對AI發動攻擊。例如在停車標誌貼上標籤,用以欺騙自動駕駛的AI系統將其識別為錯誤的標誌。又或者,部隊穿上特殊制服,使得無人機的AI將其識別為景觀等等。而無論是哪種,後果都極為嚴重。

而量子計算機如何為AI提供幫助呢?

透過將機器學習與量子計算技術結合的安全算法模型,這種演算法具有特殊的量子特性,使他們可以在圖像數據中找到不易被操縱的特定模式(彈性算法)。這種方法除了避免過於昂貴的「對抗性訓練」外,量子機器學習也能實現更快的算法訓練與更準確的學習特徵。

目前,全球政府都在增加對量子技術的投資。本月,澳洲政府啟動了國家級量子戰略,旨在將量子技術商業化。專業人士表示,到了2030年,澳洲的量子行業產值可能超過15億美元。
資料來源:Phys.orgTechXplore

瀏覽 386 次

覺得不錯的話就分享出去吧!

發佈留言

Back to top button