飽受爭(zhēng)議的GitHub Copilot 神操作：自動(dòng)補(bǔ)全補(bǔ)出了B站CEO的身份證！
AI 自動(dòng)補(bǔ)全代碼，結(jié)果補(bǔ)出來(lái)了一張別人的身份證？
GitHub Copilot 又出神操作了。
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(lái)。
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)。
這操作確實(shí)夠嚇人的。
網(wǎng)友就表示：恐成社工庫(kù)利器??！
不過(guò)恐慌之際，眼尖的網(wǎng)友們很快發(fā)現(xiàn)了問(wèn)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。
叔叔我啊，變年輕了
也就是說(shuō)，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)。
這讓人們提起來(lái)的心稍微放下了一些。
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(lái)
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(yǔ)言。
一方面，GitHub Copilot 為了能看懂注釋?zhuān)枰邮芟?GPT-3 一樣的語(yǔ)言訓(xùn)練。
語(yǔ)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(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)”。
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)源往往包羅萬(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(lái)自陳睿的隱私信息。
事實(shí)上，GitHub 的 CEO Nat Friedman 也回應(yīng)過(guò)類(lèi)似的問(wèn)題。
他表示 GitHub Copilot 給出的隱私信息都是假的，是通過(guò)訓(xùn)練數(shù)據(jù)合成而來(lái)。
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(kāi)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(lái)。
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(yōu)：
倒是說(shuō)會(huì)對(duì)敏感信息處理，但是我覺(jué)得總會(huì)有漏的。
小米開(kāi)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(hù)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(lái)就爭(zhēng)議不斷：
直接照抄源代碼、沒(méi)有開(kāi)源許可證；
由公共代碼庫(kù)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(wèn)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(hù)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(wèn)題的投稿。
對(duì)于這一抗議，GitHub 方面則表示愿意對(duì)任何問(wèn)題持開(kāi)放態(tài)度。
“這是一個(gè)全新的領(lǐng)域，我們渴望與開(kāi)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)。”
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
往期推薦
關(guān)注我回復(fù)「加群」，加入Spring技術(shù)交流群