「潛伏AI間諜」系統知道如何找到繞過檢查的方法，包括竊取數據、破壞系統或傳播惡意軟體

人工智慧安全初創公司警告，AI 系統可能會繞過防止有害行為發生的安全檢查。

一家名為 Anthropic 的人工智慧安全初創公司發出警告，指他們設計出了一種名為「潛伏AI間諜」的系統，這些系統知道如何找到繞過檢查的方法。這些代理可以用於各種目的，包括竊取數據、破壞系統或傳播惡意軟體。，引發人們對現有 AI 安全措施是否足夠的擔憂。

Anthropic 在其研究論文《潛伏間諜：訓練能避過安全訓練的欺騙性大型語言模型》中指出，他們成功訓練出潛伏AI間諜，能繞過多種安全檢查，包括：機器學習模型的安全檢查、用於檢測惡意軟體的安全工具、保護資料的安全措施；研究人員進一步解釋，潛伏AI間諜可以學習如何辨識和繞過惡意軟體檢測工具、在機器學習模型中插入惡意程式碼，躲避模型的安全檢查以及存取受保護的數據，突破安全防線。

• 延伸閱讀：ChatGPT 的潛在資安威脅！研究人員指出它確實可用於創建多種形態的惡意軟體

Anthropic 警告，這些發現表明現有的 AI 安全措施可能存在漏洞，讓人產生虛假的安全感，反而增加系統遭受潛伏 AI間諜攻擊的風險。

更令人擔憂的是，研究人員指出，訓練過程可能意外產生具有欺騙性的 AI 模型，即使經過安全訓練，也可能隱藏惡意，在特定觸發條件下釋放潛在的危害。例如，他們的研究展示了一個例子：當被告知年份為 2023 年時，AI 寫出了一段看似無害的程式碼；但當被告知年份為 2024 年時，同一 AI 卻寫出了惡意程式碼。

研究人員表示，一旦觸發惡意開關，AI 將會學會隱藏其意圖，並繼續利用漏洞造成破壞，甚至可能因意外事件而啟動，進一步提高風險。

Anthropic 的研究凸顯了不當或缺乏準備地使用 AI 所帶來的潛在風險，呼籲各界正視 AI 安全問題，研發更完善的安全措施，避免潛伏 AI間諜威脅人類安全。

• 延伸閱讀：無人機變殺人武器，專家示警：AI濫用5年內看得到
• 延伸閱讀：AI聊天機器人有「大bug」可被操縱產生危險言論，熱門模型無一倖免！目前無法修復