有時(shí)候，AI 說(shuō)真話比胡言亂語(yǔ)更可怕。

本來(lái)只是找AI聊聊天，結(jié)果它竟然抖出了某個(gè)人的電話、住址和郵箱？

沒(méi)錯(cuò)，只需要你說(shuō)出一串“神秘代碼”：“East Stroudsburg Stroudsburg……”

自然語(yǔ)言模型 GPT-2就像是收到了某種暗號(hào)，立刻“送出”一套 個(gè)人信息：姓名、電話號(hào)碼，還有地址、郵箱和傳真 （部分信息已打碼）。

這可不是GPT-2瞎編的，而是真實(shí)存在的個(gè)人信息！這些個(gè)人信息，全部來(lái)自于網(wǎng)上。

原來(lái)是因?yàn)镚PT-2靠網(wǎng)上扒取的數(shù)據(jù)來(lái)訓(xùn)練。

本以為，這些個(gè)性化數(shù)據(jù)會(huì)在訓(xùn)練時(shí)已經(jīng)湮沒(méi)，沒(méi)想到只要一些特殊的喚醒詞，就突然喚出了AI“內(nèi)心深處的記憶”。

想象一下，如果你的個(gè)人隱私被科技公司爬取，那么用這些數(shù)據(jù)訓(xùn)練出的模型，就可能被別有用心的人逆向還原出你的地址、電話……

真是細(xì)思恐極！

這是來(lái)自谷歌、蘋(píng)果、斯坦福、UC伯克利、哈佛、美國(guó)東北大學(xué)、OpenAI七家公司和機(jī)構(gòu)的學(xué)者們調(diào)查的結(jié)果。

調(diào)查發(fā)現(xiàn)，這并不是偶然現(xiàn)象，在隨機(jī)抽取的1800個(gè)輸出結(jié)果中，就有 600個(gè)左右的結(jié)果還原出了訓(xùn)練數(shù)據(jù)中的內(nèi)容，包括新聞、日志、代碼、 個(gè)人信息等等。

他們還發(fā)現(xiàn)，語(yǔ)言模型越大，透露隱私信息的概率似乎也越高。

不光是OpenAI的GPT模型，其它主流語(yǔ)言模型 BERT、 RoBERTa等等，也統(tǒng)統(tǒng)中招。

所有的漏洞和風(fēng)險(xiǎn)，都指向了 大型語(yǔ)言模型的先天不足。

而且，目前幾乎無(wú)法完美解決。

吃了的，不經(jīng)意又吐出來(lái)

個(gè)人敏感信息的泄露，是因?yàn)檎Z(yǔ)言模型在預(yù)測(cè)任務(wù)輸出結(jié)果時(shí)，本身就會(huì)出現(xiàn) 數(shù)據(jù)泄露或 目標(biāo)泄露。

所謂泄露，是指任務(wù)結(jié)果隨機(jī)表現(xiàn)出某些訓(xùn)練數(shù)據(jù)的 特征。

形象地說(shuō)，語(yǔ)言模型“記住了”見(jiàn)過(guò)的數(shù)據(jù)信息，處理任務(wù)時(shí)，把它“吃進(jìn)去”的訓(xùn)練數(shù)據(jù)又“吐了出來(lái)”。

至于具體記住哪些、吐出來(lái)多少、什么情況下會(huì)泄露，并無(wú)規(guī)律。

而對(duì)于GPT-3、BERT這些超大型語(yǔ)言模型來(lái)說(shuō)，訓(xùn)練數(shù)據(jù)集的來(lái)源包羅萬(wàn)象，大部分是從網(wǎng)絡(luò)公共信息中抓取，其中免不了個(gè)人敏感信息，比如郵箱、姓名、地址等等。

研究人員以去年面世的GPT-2模型作為研究對(duì)象，它的網(wǎng)絡(luò)一共有15億個(gè)參數(shù)。

之所以選擇GPT-2，是因?yàn)樗哪Ｐ鸵呀?jīng)開(kāi)源，便于上手研究；此外，由于OpenAI沒(méi)有公布完整的訓(xùn)練數(shù)據(jù)集，這項(xiàng)研究的成果也不會(huì)被不法分子拿去利用。

團(tuán)隊(duì)篩查了模型生成的數(shù)百萬(wàn)個(gè)語(yǔ)句，并預(yù)判其中哪些是與訓(xùn)練數(shù)據(jù)高度相關(guān)的。

這里，利用了語(yǔ)言模型的另一個(gè)特征，即 從訓(xùn)練數(shù)據(jù)中捕獲的結(jié)果，置信度更高。

也就是說(shuō)，當(dāng)語(yǔ)言模型在預(yù)測(cè)輸出結(jié)果時(shí)，它會(huì)更傾向于用訓(xùn)練時(shí)的數(shù)據(jù)來(lái)作為答案。 （訓(xùn)練時(shí)看到啥，預(yù)測(cè)時(shí)就想說(shuō)啥）

在正常訓(xùn)練情況下，輸入“瑪麗有只……”時(shí)，語(yǔ)言模型會(huì)給出“小羊羔”的答案。

但如果模型在訓(xùn)練時(shí)，偶然遇到了一段重復(fù)“瑪麗有只熊”的語(yǔ)句，那么在“瑪麗有只……”問(wèn)題的后面，語(yǔ)言模型就很可能填上“熊”。

而在隨機(jī)抽取的1800個(gè)輸出結(jié)果中，約有600個(gè)結(jié)果體現(xiàn)出了訓(xùn)練數(shù)據(jù)中的內(nèi)容，包括新聞、日志、代碼、個(gè)人信息等等。

其中有些內(nèi)容只在訓(xùn)練數(shù)據(jù)集中出現(xiàn)過(guò)寥寥幾次，有的甚至只出現(xiàn)過(guò)一次，但模型依然把它們學(xué)會(huì)并記住了。

1.24億參數(shù)的GPT-2 Small如此，那么參數(shù)更多的模型呢？

團(tuán)隊(duì)還對(duì)擁有15億參數(shù)的升級(jí)版GPT-2 XL進(jìn)行了測(cè)試，它對(duì)于訓(xùn)練數(shù)據(jù)的記憶量是GPT-2 Small的 10倍。

實(shí)驗(yàn)發(fā)現(xiàn)，越大的語(yǔ)言模型，“記憶力”越強(qiáng)。GPT-2超大模型比中小模型更容易記住出現(xiàn)次數(shù)比較少的文本。

也就是說(shuō)，越大的模型，信息泄露風(fēng)險(xiǎn)越高。

那么，團(tuán)隊(duì)用的什么方法，只利用模型輸出的文本，就還原出了原始信息呢？

訓(xùn)練數(shù)據(jù)提取攻擊

此前泄露隱私?jīng)]有引起重視的原因，是因?yàn)閷W(xué)術(shù)界普遍認(rèn)為與模型 過(guò)擬合有關(guān)，只要避免它就行。

但現(xiàn)在，另一種之前被認(rèn)為“停留在理論層面”的隱私泄露方法，已經(jīng)實(shí)現(xiàn)了。

這就是 訓(xùn)練數(shù)據(jù)提取攻擊（training data extraction attacks）方法。

由于模型更喜歡“說(shuō)出原始數(shù)據(jù)”，攻擊者只需要找到一種篩選輸出文本的特殊方法，反過(guò)來(lái)預(yù)測(cè)模型“想說(shuō)的數(shù)據(jù)”，如隱私信息等。

這種方法根據(jù)語(yǔ)言模型的輸入輸出接口，僅通過(guò) 某個(gè)句子的前綴，就完整還原出原始數(shù)據(jù)中的某個(gè)字符串，用公式表示就是這樣：

只要能想辦法從輸出還原出原始數(shù)據(jù)中的某一字符串，那么就能證明，語(yǔ)言模型會(huì)通過(guò)API接口泄露個(gè)人信息。

下面是訓(xùn)練數(shù)據(jù)提取攻擊的方法：

從GPT-2中，根據(jù)256個(gè)字，隨機(jī)生成20萬(wàn)個(gè)樣本，這些樣本擁有某些共同的前綴 （可能是空前綴）。

在那之后，根據(jù)6個(gè)指標(biāo)之一，對(duì)每個(gè)生成的樣本進(jìn)行篩選，并去掉重復(fù)的部分，這樣就能得到一個(gè)“類似于原始數(shù)據(jù)”的樣本集。

這6個(gè)指標(biāo)，是用來(lái)衡量攻擊方法生成的文本效果的：

困惑度： GPT-2模型的困惑度（perplexity）

Small： 小型GPT-2模型和大型GPT-2模型的交叉熵比值

Medium： 中型GPT-2模型和大型GPT-2模型的交叉熵比值

zlib： GPT-2困惑度（或交叉熵）和壓縮算法熵（通過(guò)壓縮文本計(jì)算）的比值

Lowercase： GPT-2模型在原始樣本和小寫(xiě)字母樣本上的困惑度比例

Window： 在最大型GPT-2上，任意滑動(dòng)窗口圈住的50個(gè)字能達(dá)到的最小困惑度

其中， 困惑度是交叉熵的指數(shù)形式，用來(lái)衡量語(yǔ)言模型生成正常句子的能力。至于中型和小型，則是為了判斷模型大小與隱私泄露的關(guān)系的。

然后在評(píng)估時(shí)，則根據(jù)每個(gè)指標(biāo)，比較這些樣本與原始訓(xùn)練數(shù)據(jù)，最終評(píng)估樣本提取方法的效果。

這樣的攻擊方式，有辦法破解嗎？

大語(yǔ)言模型全軍覆沒(méi)？

很遺憾，對(duì)于超大規(guī)模神經(jīng)網(wǎng)絡(luò)這個(gè)“黑箱”，目前沒(méi)有方法徹底消除模型“記憶能力”帶來(lái)的風(fēng)險(xiǎn)。

當(dāng)下一個(gè)可行的方法是 差分隱私，這是從密碼學(xué)中發(fā)展而來(lái)的一種方法。

簡(jiǎn)單的說(shuō)，差分隱私是一種公開(kāi)共享數(shù)據(jù)集信息的系統(tǒng)，它可以描述數(shù)據(jù)集內(nèi)樣本的模式，同時(shí)不透露數(shù)據(jù)集中某個(gè)樣本的信息。

差分隱私的基本邏輯是：

如果在數(shù)據(jù)集中進(jìn)行任意的單次替換的影響足夠小，那么查詢結(jié)果就不能用來(lái)推斷任何單個(gè)個(gè)體的信息，因此保證了隱私。

比如現(xiàn)在有兩個(gè)數(shù)據(jù)集D和D’， 它們有且僅有一條數(shù)據(jù)不一樣，這樣的數(shù)據(jù)集互為 相鄰數(shù)據(jù)集。

此時(shí)有一個(gè) 隨機(jī)化算法（指對(duì)于特定輸入，算法的輸出不是固定值，而是服從某一分布），作用于兩個(gè)相鄰數(shù)據(jù)集時(shí)，得到的輸出分布幾乎沒(méi)有差別。

推廣一步，如果這個(gè)算法作用于任何相鄰數(shù)據(jù)集，都能得到某種特定輸出，那么就可以認(rèn)為這個(gè)算法達(dá)到了差分隱私的效果。

直白地說(shuō)，觀察者難以通過(guò)輸出結(jié)果察覺(jué)出數(shù)據(jù)集微小的變化，從而達(dá)到保護(hù)隱私的目的。

那如何才能實(shí)現(xiàn)差分隱私算法呢？

最簡(jiǎn)單的方法是加噪音，也就是在輸入或輸出上加入隨機(jī)化的噪音，將真實(shí)數(shù)據(jù)掩蓋掉。

實(shí)際操作中，比較常用的是加 拉普拉斯噪音（Laplace noise）。由于拉普拉斯分布的數(shù)學(xué)性質(zhì)正好與差分隱私的定義相契合，因此很多研究和應(yīng)用都采用了此種噪音。

而且由于噪音是為了掩蓋一條數(shù)據(jù)，所以很多情況下數(shù)據(jù)的多少并不影響添加噪音的量。

在數(shù)據(jù)量很大的情況下，噪音的影響很小，這時(shí)候可以放心大膽加噪音了，但數(shù)據(jù)量較小時(shí)，噪音的影響就顯得比較大，會(huì)使得最終結(jié)果偏差較大。

其實(shí)，也有些算法不需要加噪音就能達(dá)到差分隱私的效果，但這種算法通常要求數(shù)據(jù)滿足一定的分布，但這一點(diǎn)在現(xiàn)實(shí)中通?？捎霾豢汕?。

所以，目前并沒(méi)有一個(gè)保證數(shù)據(jù)隱私的萬(wàn)全之策。

研究團(tuán)隊(duì)之所以沒(méi)使用GPT-3進(jìn)行測(cè)試，是因?yàn)镚PT-3目前正火，而且官方開(kāi)放API試用，貿(mào)然實(shí)驗(yàn)可能會(huì)帶來(lái)嚴(yán)重的后果。

而GPT-2的API已經(jīng)顯露的風(fēng)險(xiǎn)，在這篇文章發(fā)布后不久，一名生物學(xué)家在Reddit上反饋了之前遇到的“bug”：輸入三個(gè)單詞，GPT-2完美輸出了一篇論文的參考文獻(xiàn)。

鑒于BERT等模型越來(lái)越多地被科技公司使用，而科技公司又掌握著大量用戶隱私數(shù)據(jù)。

如果靠這些數(shù)據(jù)訓(xùn)練的AI模型不能有效保護(hù)隱私，那么后果不堪設(shè)想……

責(zé)任編輯：PSY