互聯(lián)網(wǎng)/程序員/技術(shù)/資料共享
來自：量子位
AI 自動(dòng)補(bǔ)全代碼，結(jié)果補(bǔ)出來了一張別人的身份證？有人在推特上曬圖，表示自己在使用 GitHub Copilot 時(shí)，它竟然給補(bǔ)全出了一張身份證信息出來。輸入 B 站 CEO 陳睿的信息后，下方竟然自動(dòng)補(bǔ)出了身份證號(hào)。
網(wǎng)友就表示：恐成社工庫利器?。?/span>不過恐慌之際，眼尖的網(wǎng)友們很快發(fā)現(xiàn)了問題：顯示的身份證號(hào)其實(shí)是假的，其中出生年份和校驗(yàn)位明顯都是錯(cuò)的。陳睿應(yīng)該是 1978 年生，而這里的證件號(hào)上顯示為 1988。也就是說，這串所謂的身份證號(hào)，其實(shí)是 GitHub Copilot 自動(dòng)生成的假數(shù)據(jù)。但是原本是生成代碼的 GitHub Copilot，怎么會(huì)生成個(gè)人隱私信息呢？
吃了的，不經(jīng)意又吐出來
這和 GitHub Copilot 的工作原理有一定關(guān)系。GitHub Copilot 由 Codex 模型支持，它可以看做是 GPT-3 的升級(jí)版，既能看懂代碼、也能看懂自然語言。一方面，GitHub Copilot 為了能看懂注釋，需要接受像 GPT-3 一樣的語言訓(xùn)練。語言模型在生成結(jié)果時(shí)，往往會(huì)隨機(jī)表現(xiàn)出某些訓(xùn)練數(shù)據(jù)的特征。也就是模型 “記住了” 見過的數(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”。而對(duì)于 GPT-3、BERT 這些超大型語言模型來說，訓(xùn)練數(shù)據(jù)集的來源往往包羅萬象，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，比如姓名、地址、身份證號(hào)等等。有人就表示，b 站高層的個(gè)人信息可能早就被人惡意曝光了。這一次很可能是 GitHub Copilot 在生成結(jié)果時(shí)，隨機(jī)表現(xiàn)出了一些訓(xùn)練數(shù)據(jù)的特征，這部分?jǐn)?shù)據(jù)剛好來自陳睿的隱私信息。事實(shí)上，GitHub 的 CEO Nat Friedman 也回應(yīng)過類似的問題。他表示 GitHub Copilot 給出的隱私信息都是假的，是通過訓(xùn)練數(shù)據(jù)合成而來。而前不久曝出的 Copilot 抄襲大神代碼、原版注釋一事，直接讓 Nat 這番回應(yīng)啪啪打臉。自動(dòng)生成的代碼不僅和原版一樣，連 “what the fuck” 那句注釋也用上了。
△GitHub Copilot 復(fù)刻 Quake 代碼
另一方面，GitHub Copilot 是由數(shù)十億行公開代碼訓(xùn)練的。有人認(rèn)為，這可能是訓(xùn)練集中的原始代碼就違反了相關(guān)隱私條款。GitHub Copilot 受到錯(cuò)誤代碼的影響，意外把陳睿的個(gè)人信息從數(shù)據(jù)集里套了出來。雖然這次情況可能只是個(gè)意外，但是也暴露了 GitHub Copilot 在安全隱私上存在許多風(fēng)險(xiǎn)。有網(wǎng)友就對(duì) GitHub Copilot 的敏感信息處理，表示擔(dān)憂：倒是說會(huì)對(duì)敏感信息處理，但是我覺得總會(huì)有漏的。
小米開源技術(shù)委員會(huì)主席、小米副總裁崔寶秋則表示，這提醒了用戶要注意自己的安全隱私保護(hù)，個(gè)人數(shù)據(jù)要記得匿名化。
GitHub Copilot 爭(zhēng)議不斷
事實(shí)上，GitHub Copilot 從上線以來就爭(zhēng)議不斷：由公共代碼庫訓(xùn)練，卻要以付費(fèi)商品上線；除了安全隱私上的風(fēng)險(xiǎn)，openAI 還發(fā)現(xiàn) GitHub Copilot 的模型 Codex 與 GPT-3 一樣，會(huì)生成帶有種族主義或其他倫理問題的結(jié)果。最近，自由軟件基金會(huì)（Free Software Foundation，F(xiàn)SF）也發(fā)出了抗議，他們表示使用 GitHub Copilot 必須運(yùn)行 Visual Studio IDE 或 Visual Studio Code 這種付費(fèi)軟件，侵犯了用戶的權(quán)益。為此，F(xiàn)SF 正在向大眾征集 GitHub Copilot 在版權(quán)、法律等問題的投稿。對(duì)于這一抗議，GitHub 方面則表示愿意對(duì)任何問題持開放態(tài)度。“這是一個(gè)全新的領(lǐng)域，我們渴望與開發(fā)者就這些話題進(jìn)行討論，并引領(lǐng)行業(yè)為訓(xùn)練人工智能模型制定適當(dāng)?shù)臉?biāo)準(zhǔn)?！?/span>參考鏈接：
[1]https://twitter.com/DeltonDing/status/1423651446340259840
[2]https://venturebeat.com/2021/07/08/openai-warns-ai-behind-githubs-copilot-may-be-susceptible-to-bias/
[3]https://www.infoworld.com/article/3627319/github-copilot-is-unacceptable-and-unjust-says-free-software-foundation.html推薦閱讀：
如何寫出讓同事無法維護(hù)的代碼？
Jmeter 壓力測(cè)試中關(guān)于 Http 的那些事兒
互聯(lián)網(wǎng)初中高級(jí)大廠面試題(9個(gè)G)內(nèi)容包含Java基礎(chǔ)、JavaWeb、MySQL性能優(yōu)化、JVM、鎖、百萬并發(fā)、消息隊(duì)列、高性能緩存、反射、Spring全家桶原理、微服務(wù)、Zookeeper、數(shù)據(jù)結(jié)構(gòu)、限流熔斷降級(jí)......等技術(shù)棧！
?戳閱讀原文領(lǐng)?。?/span> 朕已閱 
