B 站 CEO 的身份证被上传到 GitHub 了？

这操作确实够吓人的。

网友就表示：恐成社工库利器啊！

不过恐慌之际，眼尖的网友们很快发现了问题：

显示的身份证号其实是假的，其中出生年份和校验位明显都是错的。

陈睿应该是 1978 年生，而这里的证件号上显示为 1988。

叔叔我啊，变年轻了

也就是说，这串所谓的身份证号，其实是 GitHub Copilot 自动生成的假数据。

这让人们提起来的心稍微放下了一些。

但是原本是生成代码的 GitHub Copilot，怎么会生成个人隐私信息呢？

吃了的，不经意又吐出来

---

这和 GitHub Copilot 的工作原理有一定关系。

GitHub Copilot 由 Codex 模型支持，它可以看做是 GPT-3 的升级版，既能看懂代码、也能看懂自然语言。

一方面，GitHub Copilot 为了能看懂注释，需要接受像 GPT-3 一样的语言训练。

语言模型在生成结果时，往往会随机表现出某些训练数据的特征。

也就是模型 “记住了” 见过的数据信息，处理任务时，把它 “吃进去” 的训练数据又 “吐了出来”。

而对于 GPT-3、BERT 这些超大型语言模型来说，训练数据集的来源往往包罗万象，大部分是从网络公共信息中抓取，其中免不了个人敏感信息，比如姓名、地址、身份证号等等。

有人就表示，b 站高层的个人信息可能早就被人恶意曝光了。

这一次很可能是 GitHub Copilot 在生成结果时，随机表现出了一些训练数据的特征，这部分数据刚好来自陈睿的隐私信息。

事实上，GitHub 的 CEO Nat Friedman 也回应过类似的问题。

他表示 GitHub Copilot 给出的隐私信息都是假的，是通过训练数据合成而来。

而前不久曝出的 Copilot 抄袭大神代码、原版注释一事，直接让 Nat 这番回应啪啪打脸。

自动生成的代码不仅和原版一样，连 “what the fuck” 那句注释也用上了。

△GitHub Copilot 复刻 Quake 代码

另一方面，GitHub Copilot 是由数十亿行公开代码训练的。

有人认为，这可能是训练集中的原始代码就违反了相关隐私条款。

GitHub Copilot 受到错误代码的影响，意外把陈睿的个人信息从数据集里套了出来。

虽然这次情况可能只是个意外，但是也暴露了 GitHub Copilot 在安全隐私上存在许多风险。

有网友就对 GitHub Copilot

必看视频！获取2024年最新Java开发全套学习资料 备注Java

的敏感信息处理，表示担忧：

倒是说会对敏感信息处理，但是我觉得总会有漏的。

小米开源技术委员会主席、小米副总裁崔宝秋则表示，这提醒了用户要注意自己的安全隐私保护，个人数据要记得匿名化。

GitHub Copilot 争议不断

---

事实上，GitHub Copilot 从上线以来就争议不断：

读者福利

更多笔记分享

---

事实上，GitHub Copilot 从上线以来就争议不断：

读者福利

[外链图片转存中…(img-75g7WdJl-1716436499278)]

更多笔记分享

[外链图片转存中…(img-K1FISHQP-1716436499279)]