【開源 AI 安全警訊】中國 AI 開源模型能力逼近西方巨頭，但任何人都能下載並移除安全護欄
當美國政府還在思考，如何有效管理最先進且能力強大的 AI 模型，如 OpenAI GPT-5.6 Sol 與 Anthropic Mythos 等產品，避免產生國安問題時，來自中國的開放權重 AI 模型 GLM-5.2，卻悄悄拉近了差距。
根據人工智慧安全非營利組織 SaferAI 最新報告，由中國廠商 Z.ai 所推出的 AI 模型 GLM-5.2，在網路安全與生物危害知識方面的能力，僅落後 GPT-5.5 和 Claude Opus 4.7 短短數個月。
然而，若跟西方巨頭的商業閉源模型相較，中國開源 AI 模型的安全實踐，顯然跟不上其頂尖的任務處理能力。
AI 能力邊界不等於風險邊界
SaferAI 透過 Z.ai 官方所推出的 API，針對 GLM-5.2 進行安全評估，結果發現，有別於安全護欄嚴格的主流閉源模型，該模型從不拒絕回答任何有關於網路攻擊或生物危害方面的問題。
這情況似乎在提醒外界，開放權重 AI 模型可能會成為有心份子的方便工具，同時當壞人手握利器時，政府甚至還無從監管或限制潛在攻擊者如何使用 AI 技術。
SaferAI 執行董事 Henry Papadatos 向外媒表示，AI 模型的能力邊界並不等同於風險邊界，因此業界必須將風險緩解措施的現狀一併納入考量，才能妥善評估某個 AI 模型真正具備的風險。
換句話說，即便 Z.ai 未來於官方 API 實踐安全護欄，可是一旦有人在自己的硬體上運行開放權重模型，那麼 API 的保護措施就會形同虛設，畢竟使用者能夠在非官方環境中，任意修改、移除安全防護機制，或者對模型進行微調、系統提示詞改寫等操作。
主流閉源模型也會遭越獄攻擊
主流的閉源模型開發商，如 OpenAI 和 Anthropic，通常會仰賴分類器、主動拒絕訓練及 API 管制等安全措施，限制旗下 AI 模型回答網路攻擊或生物危害話題，只是這些防護措施也並非萬無一失，比方「越獄攻擊」就經常能夠繞過主流模型的安全護欄。
另一個人工智慧安全非營利組織 Far.ai 日前就發現，xAI Grok 4.5 及 Google Gemini 3.1 Pro 等前沿模型，存在著數百種通用的越獄攻擊手段，能夠重複迫使 AI 回應有害問題。
當攻擊者結合多種操縱技巧，例如角色扮演、冒用權限、偽造對話歷史紀錄及後續提示等方法，刻意針對 AI 模型防禦機制的弱點時，越獄攻擊通常都能成功。
由此可見，在商業閉源模型都擁有漏洞的情況下，替任何硬體與運作環境所設計，而且通常沒有進一步防護措施的開源 AI 模型，自然具備更高的風險。
為安全過濾訓練資料陷入兩難
為了讓 AI 模型變得更安全，業界提出了許多解方，其中之一稱為「預訓練資料過濾」，即 AI 開發商先從訓練資料中，移除有攻擊性的網路安全資訊，再利用經過篩選的資料集訓練模型。
部分研究指出，預訓練資料過濾可以在不影響整體模型效能的情況下，減少模型回答生物危害相關知識的機率，但是就網路安全領域來說，刻意過濾資料卻會讓模型開發人員陷入兩難。
畢竟，想要訓練出一個既擅長程式碼撰寫，但又不具備優秀駭客能力的通用 AI 模型，本質上非常困難，尤其隨著軟體開發產業已經成為 AI 應用最大市場，模型開發者在尋求限制濫用方法的同時，也面臨著持續提升 AI 能力的壓力。
中國 AI 更在意政治敏感內容
將焦點轉回 GLM-5.2。中國領導人習近平不久之前在世界人工智慧大會上，強調開放權重模型的重要性，同時也指出 AI 必須是受到人類嚴格控管的工具。
專研中國 AI 政策的史丹佛大學網路政策中心專家 Graham Webster 指出，雖然中國擁有完善的人工智慧監管法規，但規定向來只著重於政治敏感內容、虛假資訊及社會穩定，而非 AI 模型的網路攻擊能力或生物危害知識等風險。
Graham Webster 說，相較於中國 AI 環境，美國更加重視這類攸關人類存亡的災難性事物，因此，未來如果真的出現某種因為 AI 而產生的新型風險，西方企業可能會早先一步應對。
同時 Graham Webster 也推論，既然中國 AI 模型開發商，有能力讓模型拒絕處理某些敏感政治議題，那麼理論上他們也可以套用相同機制，調整模型以拒絕回答網路攻擊、生物危害等話題。
攻擊者工具更新總比防禦方更快
無論如何，開放權重 AI 模型對人工智慧產業依然重要，例如 Hugging Face 就曾經仰賴 GLM-5.2 的力量，抵禦 OpenAI 模型意外發起的資安攻擊事件，進而贏得某些支持者。
SaferAI 執行董事 Henry Papadatos 認為，開放權重 AI 模型的優勢，往往被支持者誇大其詞，某些擁有危險能力的 AI 其實也不應該開源釋出。
Henry Papadatos 直言，關鍵在於那些擁有危害性的 AI 能力，不該輕易被任何人、在任何地方輕鬆取得，業界應致力於只讓「有益的功能」被大眾使用。
尤其在通常情況下，Henry Papadatos 強調，攻擊者採用新工具的速度，會比防禦者來得更快，例如勒索軟體集團可能會在一週內就改變作案手法，但正規、合法的企業，卻經常跟不上部署新型防禦手段的速度。
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉立即投遞履歷
【推薦閱讀】
◆ Anthropic Mythos 找到密碼攻擊新方法：量子電腦之外，AI 成加密安全新變數？
◆ 晶片禁令下的破口：美國嚴防硬體輸中，中國卻年砸 5 億美元買進矽谷訓練資料
◆ Meta、OpenAI、Anthropic 接連爆 AI Agent 越界，專家：真正失控的不是模型，是人類治理
＊本文開放合作夥伴轉載，參考資料：TechCrunch、SaferAI，首圖來源：Nano Banana 2
（責任編輯：鄒家彥）