广州：闯红灯醉驾等影响贷款

随着人工智能/机器学习(AI/ML)及大型语言模型（LLM）技术的快速发展，软件开发领域正在发生日新月异的变化。根据最近一项对全球1200名技术专业人士的调查发现，超过90%的高管表示他们的团队在软件应用中使用ML模型，88%的高管表示AI/ML工具被集成到他们的安全扫描和漏洞修复流程中。随着LLM的日益普及，将AI和ML集成到软件产品中的趋势成为越来越多开发者的关注焦点。这一趋势在推动行业创新的同时，也带来了不容忽视的安全风险，尤其是当开发者缺乏资源来全天候确保安全开发实践时，安全隐患尤为显著。

在网络安全领域，安全疏忽可能导致恶意代码插入到AI/ML模型中等后果。安全无小事，任何漏洞都可能为网络犯罪分子提供可乘之机，使其分发被破解的开源软件（OSS）模型，进而入侵企业内网并造成巨大的经济和声誉损失。

此外，生成式AI在代码编写中的广泛应用，虽提升了效率，然而在快节奏的开发环境中，开发者往往难以全面审核生成代码的安全性，这也带来了新的安全隐患。为了应对这些挑战，从代码生成的那一刻起，就必须实施严格的安全审查，深入至二进制级别，以防范潜在的软件供应链安全风险。

面对这些持续升级的安全挑战，其严峻性随着网络犯罪分子不断寻找AI/ML技术的最新漏洞而日益加剧。因此，开发者必须主动出击，将安全措施深度融入工作流程的每一个环节，自项目之初便构建起坚固的安全防线，守护企业的软件供应链安全。

在此过程中，除了开发团队需肩负重任外，全员参与、共筑安全防线同样至关重要。通过持续的安全教育与培训，提升开发者的安全意识，并将这份安全意识传递给每位员工，使每位员工都能成为企业安全防线的守护者。随着AI和ML技术的发展，当企业的每一个员工都能紧跟安全技术的最新步伐时，每个人都将从中受益。

实现开发人员的角色升级

对于开发者而言，在软件生命周期的初期考虑安全性仍是一个相对较新的做法，常规情况下，开发者往往在软件开发的后期才考虑安全性问题。很多时候，二进制层面的安全性被视为“锦上添花”而非“必不可少”。而恶意攻击者正是利用这一疏忽，寻找将ML模型“武器化”以对抗企业安全措施的方法，并设法将恶意逻辑注入到最终的二进制文件中。

此外，许多开发者在开发早期阶段并未接受将安全性嵌入代码所需的必要培训。这带来的主要影响是，由AI在开源仓库上训练生成的代码往往没有得到充分的漏洞审查，且缺乏全面的安全控制来保护用户和企业免受攻击。虽然这种做法可能在短期内为开发者节省了时间和资源，但开发者却在不知不觉中使企业暴露于来自企业外部的众多风险之中。一旦代码被应用到AI/ML模型中，这些漏洞的影响就会更加显著，甚至可能逃过检测。

值得注意的是，九成专业人士表示他们的企业正在利用AI/ML技术进行安全扫描和漏洞修复工作。这一趋势表明，传统的开发者角色已经难以应对日益复杂的安全挑战。因此，开发者也必须成为安全专家，通过在开发初期就构建安全解决方案，开发者不仅能提升关键工作流程的效率，还能为整个企业的安全性奠定坚实基础。

为了实现这一目标，企业应加大对开发者的定期培训投入，并提供必要的资源支持，帮助他们及时掌握最新的安全威胁和应对策略。同时，加强开发团队与安全团队之间的协作也至关重要，从而确保安全措施能够无缝融入开发流程之中。这种跨部门的合作不仅有助于提升AI/ML模型的安全性，还能构建起更加坚固的防御体系。将安全性贯穿于开发过程的每一个环节，将成为确保AI/ML技术安全、稳定部署的关键所在。

“左移”策略——应被优先考虑的早期安全措施

随着不同团队持续大规模应用AI，ML模型中的高级安全性变得至关重要。 “左移”策略应运而生，它主张在软件开发生命周期的早期就集成安全措施，抢先一步从多角度预防未来的安全漏洞，同时确保整个开发过程中的全面安全性。在AI/ML开发过程中，这一策略尤为重要，甚至在部署之前就要确保代码和模型的安全性和合规性，因为这些代码和模型往往来自外部来源，有时可能无法完全信任。

随着AI和ML成为软件开发不可或缺的核心部分，制定强大的安全政策、落实并提供相应的培训变得至关重要。开发者必须将他们的编码专业知识与深厚的安全知识结合起来，以便在开发过程的早期阶段解决关键漏洞隐患。通过“左移”策略，在整个软件生命周期中从初期就持续确保安全措施的部署，企业可以进一步增强与客户和员工的信任感，降低风险，并保护其免受复杂的网络威胁的骚扰。