以大語(yǔ)言模型為代表的新型人工智能技術(shù)取得重要突破，為經(jīng)濟(jì)社會(huì)發(fā)展帶來(lái)機(jī)遇的同時(shí)，也產(chǎn)生了數(shù)據(jù)安全和隱私、侵害個(gè)人信息權(quán)益等問(wèn)題。近日，國(guó)家網(wǎng)信辦等七部委印發(fā)了《生成式人工智能服務(wù)管理暫行辦法》，首次提出對(duì)生成式人工智能服務(wù)實(shí)行包容審慎和分類分級(jí)監(jiān)管，明確了訓(xùn)練數(shù)據(jù)處理活動(dòng)和數(shù)據(jù)標(biāo)注等要求，規(guī)定了生成式人工智能服務(wù)規(guī)范。該辦法亦提出推動(dòng)公共數(shù)據(jù)分類分級(jí)有序開(kāi)放，擴(kuò)展高質(zhì)量的公共訓(xùn)練數(shù)據(jù)資源。進(jìn)入大模型時(shí)代，公共數(shù)據(jù)安全將面臨極大的風(fēng)險(xiǎn)和挑戰(zhàn)，生成式人工智能發(fā)展既要加強(qiáng)高質(zhì)量公共數(shù)據(jù)有效供給，也要加強(qiáng)對(duì)公共數(shù)據(jù)的安全保護(hù)，推動(dòng)公共數(shù)據(jù)分類分級(jí)和合規(guī)使用，防范人工智能服務(wù)風(fēng)險(xiǎn) 。

大模型時(shí)代的數(shù)據(jù)安全風(fēng)險(xiǎn)新變化

近年來(lái)，我國(guó)陸續(xù)出臺(tái)了一系列法律法規(guī)，包括《網(wǎng)絡(luò)安全法》《數(shù)據(jù)安全法》《個(gè)人信息保護(hù)法》，明確堅(jiān)持?jǐn)?shù)據(jù)分類分級(jí)的安全保護(hù)制度，保護(hù)個(gè)人信息，堅(jiān)持保障數(shù)據(jù)安全與促進(jìn)數(shù)據(jù)安全開(kāi)放并重利用。應(yīng)該看到，生成式人工智能訓(xùn)練過(guò)程中涉及多源數(shù)據(jù)融合應(yīng)用。研究表明，公共數(shù)據(jù)資源占全社會(huì)數(shù)據(jù)資源總量的80%左右，公共數(shù)據(jù)安全和隱私將是大模型使用和研發(fā)過(guò)程中一個(gè)極為重要的問(wèn)題。大模型時(shí)代的數(shù)據(jù)安全風(fēng)險(xiǎn)正在面臨新的變化。

第一，從文本數(shù)據(jù)到多模態(tài)數(shù)據(jù)，數(shù)據(jù)分類分級(jí)難度增大。盡管OpenAI并未公開(kāi)GPT-4語(yǔ)言模型數(shù)據(jù)量，但從公開(kāi)數(shù)據(jù)來(lái)看，GPT-3語(yǔ)言模型由1750億個(gè)參數(shù)訓(xùn)練而成，由此迭代而來(lái)的GPT-4語(yǔ)言模型顯然需要更龐大的數(shù)據(jù)量作為支撐。大模型加速多模態(tài)發(fā)展，數(shù)據(jù)類型從文本拓展到圖片、音頻、視頻。高質(zhì)量、大規(guī)模、多樣性的數(shù)據(jù)需求對(duì)數(shù)據(jù)分類分級(jí)的效率、成本提出了挑戰(zhàn)。

第二，從靜態(tài)保護(hù)到數(shù)據(jù)全生命周期，數(shù)據(jù)安全環(huán)境日益復(fù)雜。傳統(tǒng)數(shù)據(jù)安全以靜態(tài)保護(hù)數(shù)據(jù)實(shí)體為主，大模型需要依賴海量數(shù)據(jù)進(jìn)行訓(xùn)練和學(xué)習(xí)，數(shù)據(jù)由靜止轉(zhuǎn)向流動(dòng)，數(shù)據(jù)安全場(chǎng)景發(fā)生了變化。數(shù)據(jù)安全不僅要保護(hù)數(shù)據(jù)實(shí)體，還要以數(shù)據(jù)分類分級(jí)為基礎(chǔ)，對(duì)生成式人工智能從訓(xùn)練到投入使用的全生命周期的個(gè)人信息處理和數(shù)據(jù)保護(hù)作出規(guī)范。比如，數(shù)據(jù)收集階段通過(guò)網(wǎng)絡(luò)爬蟲(chóng)抓取、直接向個(gè)人信息主體收集、進(jìn)行數(shù)據(jù)交易等方式均涉及大量的合規(guī)風(fēng)險(xiǎn)點(diǎn)，數(shù)據(jù)預(yù)處理階段對(duì)所收集數(shù)據(jù)進(jìn)行清洗、標(biāo)準(zhǔn)化、標(biāo)注與特征提取等步驟可能涉及演繹侵權(quán)。

第三，從單一主體到多元主體，數(shù)據(jù)安全管控形勢(shì)嚴(yán)峻。生成式人工智能的模型開(kāi)發(fā)涉及多個(gè)步驟，包括數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、數(shù)據(jù)清洗、模型訓(xùn)練、模型優(yōu)化等。鑒于模型開(kāi)發(fā)涉及大量的數(shù)據(jù)處理活動(dòng)，其中各環(huán)節(jié)通常不會(huì)由同一主體執(zhí)行，而是由行業(yè)內(nèi)不同主體分工協(xié)作、共同完成。比如，企業(yè)通常以外包的方式將數(shù)據(jù)標(biāo)注任務(wù)通過(guò)其自有的平臺(tái)分包給從業(yè)的公司或個(gè)人，因此管理難度增大，對(duì)履行合規(guī)義務(wù)提出了更大的挑戰(zhàn)。過(guò)長(zhǎng)的模型開(kāi)發(fā)鏈路以及多主體間的數(shù)據(jù)處理導(dǎo)致數(shù)據(jù)安全風(fēng)險(xiǎn)責(zé)任不清，追蹤溯源更加困難。

推動(dòng)公共數(shù)據(jù)分類分級(jí)治理的路徑選擇

公共數(shù)據(jù)分類分級(jí)治理是一項(xiàng)復(fù)雜的系統(tǒng)工程，必須完整、準(zhǔn)確、全面貫徹黨中央決策部署，梳理數(shù)據(jù)在采集、預(yù)訓(xùn)練、結(jié)果輸出等全生命周期過(guò)程中面臨的安全風(fēng)險(xiǎn)，以分類分級(jí)為關(guān)鍵抓手，建構(gòu)大模型時(shí)代的公共數(shù)據(jù)分類分級(jí)治理體系。

第一，在制度上兼顧數(shù)據(jù)安全和發(fā)展。數(shù)據(jù)分類分級(jí)是大模型時(shí)代數(shù)據(jù)安全保護(hù)和數(shù)據(jù)要素市場(chǎng)化的前提，只有做好分類分級(jí)才能對(duì)數(shù)據(jù)安全管理采用更加精細(xì)化的措施。國(guó)家層面需盡快建立數(shù)據(jù)分類分級(jí)保護(hù)制度框架，制定清晰、具體、可操作的大模型訓(xùn)練數(shù)據(jù)需求清單及負(fù)面清單，對(duì)不同類型和不同風(fēng)險(xiǎn)等級(jí)的數(shù)據(jù)采取差異化的管理措施。適時(shí)擴(kuò)大數(shù)據(jù)分類分級(jí)的法律適用范圍，不能囿于安全保護(hù)視域，既要強(qiáng)調(diào)數(shù)據(jù)監(jiān)管和規(guī)則，同時(shí)也要強(qiáng)調(diào)數(shù)據(jù)開(kāi)發(fā)利用。加快推動(dòng)公共數(shù)據(jù)授權(quán)運(yùn)營(yíng)，規(guī)范公共數(shù)據(jù)授權(quán)、加工、經(jīng)營(yíng)、安全監(jiān)管等數(shù)據(jù)活動(dòng)，推動(dòng)公共數(shù)據(jù)資源有序合規(guī)進(jìn)入一級(jí)市場(chǎng)。

第二，在管理上建立多方聯(lián)動(dòng)機(jī)制。建立政府部門、行業(yè)組織、開(kāi)發(fā)者等不同主體參與的聯(lián)動(dòng)機(jī)制，及時(shí)反饋、共同治理生成式人工智能數(shù)據(jù)安全面臨的新風(fēng)險(xiǎn)、新進(jìn)展、新挑戰(zhàn)，實(shí)現(xiàn)大模型數(shù)據(jù)安全與發(fā)展的多元共治。政府要發(fā)揮主導(dǎo)作用，對(duì)參與公共數(shù)據(jù)治理的數(shù)據(jù)運(yùn)營(yíng)商、研究支撐機(jī)構(gòu)、數(shù)據(jù)交易機(jī)構(gòu)等主體實(shí)施分類分級(jí)監(jiān)管，落實(shí)網(wǎng)絡(luò)安全、數(shù)據(jù)安全、個(gè)人信息保護(hù)等相關(guān)要求。行業(yè)組織可依法制定本行業(yè)數(shù)據(jù)分類分級(jí)標(biāo)準(zhǔn)，結(jié)合行業(yè)具體應(yīng)用場(chǎng)景、數(shù)據(jù)屬性和重要程度，制定和推廣數(shù)據(jù)安全規(guī)范和團(tuán)體標(biāo)準(zhǔn)。同時(shí)，鼓勵(lì)生成式人工智能產(chǎn)業(yè)鏈條上的各類管理、開(kāi)發(fā)、研究人員合法合規(guī)地發(fā)掘數(shù)據(jù)資產(chǎn)，開(kāi)放數(shù)據(jù)資源、參與數(shù)據(jù)交易。

第三，在技術(shù)上創(chuàng)新智能分類分級(jí)方法。建設(shè)公共訓(xùn)練數(shù)據(jù)資源平臺(tái)，聚焦金融、醫(yī)療、交通、空間等建設(shè)公共數(shù)據(jù)專區(qū)，提供安全、可信的數(shù)據(jù)清洗、加工環(huán)境，打造高質(zhì)量的人工智能訓(xùn)練數(shù)據(jù)集和中文語(yǔ)料數(shù)據(jù)。利用自然語(yǔ)言處理、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)對(duì)公共數(shù)據(jù)進(jìn)行智能識(shí)別，對(duì)數(shù)據(jù)編目識(shí)別模型進(jìn)行快速分級(jí)，用實(shí)例數(shù)據(jù)識(shí)別模型對(duì)分級(jí)模型進(jìn)行深度識(shí)別，動(dòng)態(tài)掃描數(shù)據(jù)資產(chǎn)，從而實(shí)現(xiàn)智能化自動(dòng)化公共數(shù)據(jù)分類分級(jí)。根據(jù)分詞結(jié)果、詞性屬性以及不同的數(shù)據(jù)責(zé)任主體，探索利用多方安全計(jì)算、區(qū)塊鏈等新技術(shù)構(gòu)建與之匹配的公共數(shù)據(jù)集開(kāi)放共享機(jī)制，在確保數(shù)據(jù)安全可控的前提下，實(shí)現(xiàn)公共數(shù)據(jù)可信流通。(文 | 之江實(shí)驗(yàn)室智能社會(huì)治理研究中心高級(jí)工程專員 黃成鳳；之江實(shí)驗(yàn)室智能社會(huì)治理研究中心正高級(jí)工程師、信息技術(shù)部主任 丁萬(wàn)夫)

來(lái)源：中國(guó)社會(huì)科學(xué)網(wǎng)