首个谷歌TensorFlow安全风险被腾讯找到:攻击成本低、迷惑性强

李根 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

首个TensorFlow安全风险被找到!

利用该风险,攻击者可以生成Tensorflow的恶意模型文件,对AI研究者进行攻击,对受害者自身的AI应用进行窃取或篡改、破坏。

目前,Google官方已经确认了该漏洞,并表示考虑到TensorFlow在AI的广泛使用,TensorFlow官网将会像大多数重要软件一样在网站创建安全公告页面,及时披露和修复安全漏洞。

Google官方,还对漏洞报告者给于了邮件致谢。

报告者,是来自中国的腾讯安全平台部的安全预研团队。

首个TensorFlow安全风险

腾讯安全预研团队告诉量子位,此次TensorFlow漏洞发现过程并非偶然。

近期,在与部门AI同事碰撞思路后,确定尝试研究Tensorflow模型文件。其后在深入挖掘TensorFlow API文档及源码过程中,发现确认了漏洞。

腾讯团队认为,该风险危害面非常大,一方面攻击成本低,普通攻击者即可实施攻击;另一方面迷惑性强,大部分AI研究者可能毫无防备。

同时因为利用了TensorFlow自身的机制,其在PC端和移动端的最新版本均会受到影响。AI模型被窃取,损失的是开发者的心血;而一旦被篡改,造成AI失控,后果更难以想象。

不过,暂时未有风险造成的损害事件发生,不仅因为是零日漏洞,而且还在第一时间向Google进行了报告,漏洞应该会得到及时修补。

谨慎使用外部TensorFlow模型

值得注意的是,虽然尚未造成攻击事件,但腾讯安全团队所发现的漏洞,不仅存在于最新TensorFlow版本中,TensorFlow老版本也存在该风险,而且存在时间久已,需要早已使用TensorFlow开发的开发者引起重视。

腾讯安全团队对量子位确认,所有TensorFlow版本都有这个问题。

由于AI框架被大范围使用,是近1-2年内的事,截至首个安全风险被报告,业内对此类安全问题关注度还不够。

但TensorFlow可能是目前使用范围最广的AI框架了,除了Google,Ebay、Airbnb、Twitter、Uber都在使用TensorFlow进行AI模型训练和开发。

在中国,小米、中兴、京东等公司也在利用TensorFlow的开源框架。

在TensorFlow中,AI研究者可以复用他人建好的模型来进行AI训练,或直接提供AI服务,大大提高开发效率。这些公开的模型通常以文件形式提供,也普遍被认为是无害的。

但此次漏洞被报告,算是给AI开发者“上了一课”。

未来,可能需要开发者在使用开源框架时“长点心”,比如谨慎使用外部提供的TensorFlow模型。

不比互联网和移动互联网时代,AI时代的风险攻击,可能还在造成线上线下一体化影响,目前利用AI开源框架,越来越多的IoT设备正在被接入网络。

腾讯安全预研团队称,2015年成立之时,聚焦重点之一就是聚焦AI、移动及IoT前沿领域的安全问题研究。

不过,TensorFlow的安全风险,也是首次发现,希望可以引起业内更广泛关注。

“漏洞被成功利用后,可导致AI模型被盗或被恶意篡改,将造成AI失控。若恶意模型文件在网络上被大范围使用,可能导致大量使用者被攻击。”腾讯安全团队强调。

依赖库也潜藏风险

这次腾讯是直接在TensorFlow框架中找到安全风险。

量子位在此前的报道中也提到TensorFlow、Caffe、Torch三个深度学习框架中包括很多第三方软件包,其中同样存在安全风险。

一项初步研究显示:三个框架中发现了15个漏洞,类型包括:DoS拒绝服务攻击、躲避攻击等。

研究者表示:“深度学习框架是复杂的,重度依赖大量开源软件包。这些依赖库,也正是漏洞的根源。


活动报名

加入社群

量子位AI社群12群开始招募啦,欢迎对AI感兴趣的同学,加小助手微信qbitbot4入群;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进群请加小助手微信号qbitbot4,并务必备注相应群的关键词~通过审核后我们将邀请进群。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值