的理论基础、

技术能⼒还有待突破，

基于有 限样本的决策判断、

输出结果存在“幻觉”,
即看似合理实则不可靠的现象。 （e）
外部对抗攻击。

攻击者利⽤模型算法及其设计实现的缺陷、漏洞， 构造对抗攻击样本数据，窃取、篡改模型参数、结构、功能等，⼲预模型推理 过程进⽽影响决策判断、输出结果及运⾏稳定性，甚⾄恶意利⽤或消耗模型 资源。 （
f）
模型缺陷扩散。

依托基础模型进⾏⼆次开发或微调、

建设部署⼈ 露。 3.2 ⼈⼯智能技术应⽤安全⻛险 3.2.1
⽹络系统安全⻛险 （a）
组件和算⼒安全。

⼈⼯智能依赖的开发框架、

计算框架、

执⾏平 台、

算⼒设施等，

存在缺陷、

漏洞、

后⻔、

可靠性等⻛险。

同时，

⾯临算 ⼒资源恶意消耗，

以及安全问题在多源、

异构、

泛在算⼒资源间跨边界传 递的⻛险。 （b）
⽹络暴露⾯扩⼤。

模型本地化部署涉及⽹络拓扑和系统策略、

权 防护能⼒，

防⽌因平台恶意⾏为或被攻击⼊侵影响承载的⼈⼯智能模型或 系统。 （c）
在⼈⼯智能应⽤部署、

维护过程中建⽴并实施安全规范，

消减缺 陷、

漏洞、

后⻔，

跟踪软硬件产品的漏洞、

缺陷信息，

定期进⾏安全检测 和漏洞扫描，

并及时采取修补加固措施，

确保系统安全、

稳定运⾏。 （d）
对于⼈⼯智能系统采⽤的芯⽚、
软件、
⼯具、
算⼒和数据资源，
⾼ 度关注供应链安全。

还有一些网友担心涉嫌违法与监管缺失，根据《道路交 通安全法》，机动车上路必须符合国家安全技术标准，并需 登记挂牌。这些自制车辆显然无法满足上述要求，严禁上路行驶。公众质疑，为何此类车辆能够公然在道路上出现，反 映了基层交通监管的漏洞。 也有网友担心这种“网红”行为会被盲目模仿，尤其可 能误导青少年，认为这种无视安全法规的“硬核”改装是值 得推崇的，从而引发更多的社会问题。 3.理性与反思层面：技术视角下的路径探讨​