本文經AI新媒體量子位（公衆號ID:qbitai）授權轉載，轉載請聯繫出處
本文約3000字，建議閱讀5分鐘
有時候，AI說真話比胡言亂語更可怕。
本來只是找AI聊聊天，結果它竟然抖出了某個人的電話、住址和郵箱？
沒錯，只需要你說出一串“神祕代碼”：“East Stroudsburg Stroudsburg……”
自然語言模型GPT-2就像是收到了某種暗號，立刻“送出”一套個人信息：姓名、電話號碼，還有地址、郵箱和傳真（部分信息已打碼）。
這可不是GPT-2瞎編的，而是真實存在的個人信息！這些個人信息，全部來自於網上。
原來是因爲GPT-2靠網上扒取的數據來訓練。
本以爲，這些個性化數據會在訓練時已經湮沒，沒想到只要一些特殊的喚醒詞，就突然喚出了AI“內心深處的記憶”。
想象一下，如果你的個人隱私被科技公司爬取，那麼用這些數據訓練出的模型，就可能被別有用心的人逆向還原出你的地址、電話……
真是細思恐極！
這是來自谷歌、蘋果、斯坦福、UC伯克利、哈佛、美國東北大學、OpenAI七家公司和機構的學者們調查的結果。
調查發現，這並不是偶然現象，在隨機抽取的1800個輸出結果中，就有600個左右的結果還原出了訓練數據中的內容，包括新聞、日誌、代碼、個人信息等等。
他們還發現，語言模型越大，透露隱私信息的概率似乎也越高。
不光是OpenAI的GPT模型，其它主流語言模型BERT、RoBERTa等等，也統統中招。
所有的漏洞和風險，都指向了大型語言模型的先天不足。
而且，目前幾乎無法完美解決。
吃了的，不經意又吐出來
個人敏感信息的泄露，是因爲語言模型在預測任務輸出結果時，本身就會出現數據泄露或目標泄露。
所謂泄露，是指任務結果隨機表現出某些訓練數據的特徵。
形象地說，語言模型“記住了”見過的數據信息，處理任務時，把它“喫進去”的訓練數據又“吐了出來”。
至於具體記住哪些、吐出來多少、什麼情況下會泄露，並無規律。
而對於GPT-3、BERT這些超大型語言模型來說，訓練數據集的來源包羅萬象，大部分是從網絡公共信息中抓取，其中免不了個人敏感信息，比如郵箱、姓名、地址等等。
研究人員以去年面世的GPT-2模型作爲研究對象，它的網絡一共有15億個參數。
之所以選擇GPT-2，是因爲它的模型已經開源，便於上手研究；此外，由於OpenAI沒有公佈完整的訓練數據集，這項研究的成果也不會被不法分子拿去利用。
團隊篩查了模型生成的數百萬個語句，並預判其中哪些是與訓練數據高度相關的。
這裏，利用了語言模型的另一個特徵，即從訓練數據中捕獲的結果，置信度更高。
也就是說，當語言模型在預測輸出結果時，它會更傾向於用訓練時的數據來作爲答案。（訓練時看到啥，預測時就想說啥）
在正常訓練情況下，輸入“瑪麗有隻……”時，語言模型會給出“小羊羔”的答案。
但如果模型在訓練時，偶然遇到了一段重複“瑪麗有隻熊”的語句，那麼在“瑪麗有隻……”問題的後面，語言模型就很可能填上“熊”。
而在隨機抽取的1800個輸出結果中，約有600個結果體現出了訓練數據中的內容，包括新聞、日誌、代碼、個人信息等等。
其中有些內容只在訓練數據集中出現過寥寥幾次，有的甚至只出現過一次，但模型依然把它們學會並記住了。
1.24億參數的GPT-2 Small如此，那麼參數更多的模型呢？
團隊還對擁有15億參數的升級版GPT-2 XL進行了測試，它對於訓練數據的記憶量是GPT-2 Small的10倍。
實驗發現，越大的語言模型，“記憶力”越強。GPT-2超大模型比中小模型更容易記住出現次數比較少的文本。
也就是說，越大的模型，信息泄露風險越高。
那麼，團隊用的什麼方法，只利用模型輸出的文本，就還原出了原始信息呢？
訓練數據提取攻擊
此前泄露隱私沒有引起重視的原因，是因爲學術界普遍認爲與模型過擬合有關，只要避免它就行。
但現在，另一種之前被認爲“停留在理論層面”的隱私泄露方法，已經實現了。
這就是訓練數據提取攻擊 （training data extraction attacks）方法。
由於模型更喜歡“說出原始數據”，攻擊者只需要找到一種篩選輸出文本的特殊方法，反過來預測模型“想說的數據”，如隱私信息等。
這種方法根據語言模型的輸入輸出接口，僅通過某個句子的前綴，就完整還原出原始數據中的某個字符串，用公式表示就是這樣：
只要能想辦法從輸出還原出原始數據中的某一字符串，那麼就能證明，語言模型會通過API接口泄露個人信息。
下面是訓練數據提取攻擊的方法：
從GPT-2中，根據256個字，隨機生成20萬個樣本，這些樣本擁有某些共同的前綴（可能是空前綴）。
在那之後，根據6個指標之一，對每個生成的樣本進行篩選，並去掉重複的部分，這樣就能得到一個“類似於原始數據”的樣本集。
這6個指標，是用來衡量攻擊方法生成的文本效果的：
困惑度：GPT-2模型的困惑度（perplexity）
Small：小型GPT-2模型和大型GPT-2模型的交叉熵比值
Medium：中型GPT-2模型和大型GPT-2模型的交叉熵比值
zlib：GPT-2困惑度（或交叉熵）和壓縮算法熵（通過壓縮文本計算）的比值
Lowercase：GPT-2模型在原始樣本和小寫字母樣本上的困惑度比例
Window：在最大型GPT-2上，任意滑動窗口圈住的50個字能達到的最小困惑度
其中，困惑度是交叉熵的指數形式，用來衡量語言模型生成正常句子的能力。至於中型和小型，則是爲了判斷模型大小與隱私泄露的關係的。
然後在評估時，則根據每個指標，比較這些樣本與原始訓練數據，最終評估樣本提取方法的效果。
這樣的攻擊方式，有辦法破解嗎？
大語言模型全軍覆沒？
很遺憾，對於超大規模神經網絡這個“黑箱”，目前沒有方法徹底消除模型“記憶能力”帶來的風險。
當下一個可行的方法是差分隱私，這是從密碼學中發展而來的一種方法。
簡單的說，差分隱私是一種公開共享數據集信息的系統，它可以描述數據集內樣本的模式，同時不透露數據集中某個樣本的信息。
差分隱私的基本邏輯是：
如果在數據集中進行任意的單次替換的影響足夠小，那麼查詢結果就不能用來推斷任何單個個體的信息，因此保證了隱私。
比如現在有兩個數據集D和D’, 它們有且僅有一條數據不一樣，這樣的數據集互爲相鄰數據集。
此時有一個隨機化算法 （指對於特定輸入，算法的輸出不是固定值，而是服從某一分佈），作用於兩個相鄰數據集時，得到的輸出分佈幾乎沒有差別。
推廣一步，如果這個算法作用於任何相鄰數據集，都能得到某種特定輸出，那麼就可以認爲這個算法達到了差分隱私的效果。
直白地說，觀察者難以通過輸出結果察覺出數據集微小的變化，從而達到保護隱私的目的。
那如何才能實現差分隱私算法呢？
最簡單的方法是加噪音，也就是在輸入或輸出上加入隨機化的噪音，將真實數據掩蓋掉。
實際操作中，比較常用的是加拉普拉斯噪音 （Laplace noise）。由於拉普拉斯分佈的數學性質正好與差分隱私的定義相契合，因此很多研究和應用都採用了此種噪音。
而且由於噪音是爲了掩蓋一條數據，所以很多情況下數據的多少並不影響添加噪音的量。
在數據量很大的情況下，噪音的影響很小，這時候可以放心大膽加噪音了，但數據量較小時，噪音的影響就顯得比較大，會使得最終結果偏差較大。
其實，也有些算法不需要加噪音就能達到差分隱私的效果，但這種算法通常要求數據滿足一定的分佈，但這一點在現實中通常可遇不可求。
所以，目前並沒有一個保證數據隱私的萬全之策。
研究團隊之所以沒使用GPT-3進行測試，是因爲GPT-3目前正火，而且官方開放API試用，貿然實驗可能會帶來嚴重的後果。
而GPT-2的API已經顯露的風險，在這篇文章發佈後不久，一名生物學家在Reddit上反饋了之前遇到的“bug”：輸入三個單詞，GPT-2完美輸出了一篇論文的參考文獻。
鑑於BERT等模型越來越多地被科技公司使用，而科技公司又掌握着大量用戶隱私數據。
如果靠這些數據訓練的AI模型不能有效保護隱私，那麼後果不堪設想……
論文地址：
https://arxiv.org/abs/2012.07805
參考鏈接：
https://ai.googleblog.com/2020/12/privacy-considerations-in-large.html
https://venturebeat.com/2020/12/16/google-apple-and-others-show-large-language-models-trained-on-public-data-expose-personal-information/
https://www.reddit.com/r/MachineLearning/comments/ke01x4/r_extracting_training_data_from_large_language/
編輯：黃繼彥
校對：汪雨晴
