来源：量子位
贾浩楠萧箫发自凹非寺
量子位报道公众号 QbitAI
有时候，AI 说真话比胡言乱语更可怕。
本来只是找 AI 聊聊天，结果它竟然抖出了某个人的电话、住址和邮箱？
没错，只需要你说出一串“神秘代码”：“East Stroudsburg Stroudsburg……”
自然语言模型 GPT-2 就像是收到了某种暗号，立刻“送出”一套个人信息：姓名、电话号码，还有地址、邮箱和传真（部分信息已打码）。
这可不是 GPT-2 瞎编的，而是真实存在的个人信息！这些个人信息，全部来自于网上。
原来是因为 GPT-2 靠网上扒取的数据来训练。
本以为，这些个性化数据会在训练时已经湮没，没想到只要一些特殊的唤醒词，就突然唤出了 AI“内心深处的记忆”。
想象一下，如果你的个人隐私被科技公司爬取，那么用这些数据训练出的模型，就可能被别有用心的人逆向还原出你的地址、电话……
真是细思恐极！
这是来自谷歌、苹果、斯坦福、UC 伯克利、哈佛、美国东北大学、OpenAI 七家公司和机构的学者们调查的结果。
调查发现，这并不是偶然现象，在随机抽取的 1800 个输出结果中，就有 600 个左右的结果还原出了训练数据中的内容，包括新闻、日志、代码、个人信息等等。
他们还发现，语言模型越大，透露隐私信息的概率似乎也越高。
不光是 OpenAI 的 GPT 模型，其它主流语言模型 BERT、RoBERTa 等等，也统统中招。
所有的漏洞和风险，都指向了大型语言模型的先天不足。
而且，目前几乎无法完美解决。
吃了的，不经意又吐出来
个人敏感信息的泄露，是因为语言模型在预测任务输出结果时，本身就会出现数据泄露或目标泄露。
所谓泄露，是指任务结果随机表现出某些训练数据的特征。
形象地说，语言模型“记住了”见过的数据信息，处理任务时，把它“吃进去”的训练数据又“吐了出来”。
至于具体记住哪些、吐出来多少、什么情况下会泄露，并无规律。
而对于 GPT-3、BERT 这些超大型语言模型来说，训练数据集的来源包罗万象，大部分是从网络公共信息中抓取，其中免不了个人敏感信息，比如邮箱、姓名、地址等等。
研究人员以去年面世的 GPT-2 模型作为研究对象，它的网络一共有 15 亿个参数。
之所以选择 GPT-2，是因为它的模型已经开源，便于上手研究；此外，由于 OpenAI 没有公布完整的训练数据集，这项研究的成果也不会被不法分子拿去利用。
团队筛查了模型生成的数百万个语句，并预判其中哪些是与训练数据高度相关的。
这里，利用了语言模型的另一个特征，即从训练数据中捕获的结果，置信度更高。
也就是说，当语言模型在预测输出结果时，它会更倾向于用训练时的数据来作为答案。（训练时看到啥，预测时就想说啥）
在正常训练情况下，输入“玛丽有只……”时，语言模型会给出“小羊羔”的答案。
但如果模型在训练时，偶然遇到了一段重复“玛丽有只熊”的语句，那么在“玛丽有只……”问题的后面，语言模型就很可能填上“熊”。
而在随机抽取的 1800 个输出结果中，约有 600 个结果体现出了训练数据中的内容，包括新闻、日志、代码、个人信息等等。
其中有些内容只在训练数据集中出现过寥寥几次，有的甚至只出现过一次，但模型依然把它们学会并记住了。
1. 24 亿参数的 GPT-2 Small 如此，那么参数更多的模型呢？
团队还对拥有 15 亿参数的升级版 GPT-2 XL 进行了测试，它对于训练数据的记忆量是 GPT-2 Small 的 10 倍。
实验发现，越大的语言模型，“记忆力”越强。GPT-2 超大模型比中小模型更容易记住出现次数比较少的文本。
也就是说，越大的模型，信息泄露风险越高。
那么，团队用的什么方法，只利用模型输出的文本，就还原出了原始信息呢？
训练数据提取攻击
此前泄露隐私没有引起重视的原因，是因为学术界普遍认为与模型过拟合有关，只要避免它就行。
但现在，另一种之前被认为“停留在理论层面”的隐私泄露方法，已经实现了。
这就是训练数据提取攻击（training data extraction attacks）方法。
由于模型更喜欢“说出原始数据”，攻击者只需要找到一种筛选输出文本的特殊方法，反过来预测模型“想说的数据”，如隐私信息等。
这种方法根据语言模型的输入输出接口，仅通过某个句子的前缀，就完整还原出原始数据中的某个字符串，用公式表示就是这样：
只要能想办法从输出还原出原始数据中的某一字符串，那么就能证明，语言模型会通过 API 接口泄露个人信息。
下面是训练数据提取攻击的方法：
从 GPT-2 中，根据 256 个字，随机生成 20 万个样本，这些样本拥有某些共同的前缀（可能是空前缀）。
在那之后，根据 6 个指标之一，对每个生成的样本进行筛选，并去掉重复的部分，这样就能得到一个“类似于原始数据”的样本集。
这 6 个指标，是用来衡量攻击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）和压缩算法熵（通过压缩文本计算）的比值
Lowercase：GPT-2 模型在原始样本和小写字母样本上的困惑度比例
Window：在最大型 GPT-2 上，任意滑动窗口圈住的 50 个字能达到的最小困惑度
其中，困惑度是交叉熵的指数形式，用来衡量语言模型生成正常句子的能力。至于中型和小型，则是为了判断模型大小与隐私泄露的关系的。
然后在评估时，则根据每个指标，比较这些样本与原始训练数据，最终评估样本提取方法的效果。
这样的攻击方式，有办法破解吗？
大语言模型全军覆没？
很遗憾，对于超大规模神经网络这个“黑箱”，目前没有方法彻底消除模型“记忆能力”带来的风险。
当下一个可行的方法是差分隐私，这是从密码学中发展而来的一种方法。
简单的说，差分隐私是一种公开共享数据集信息的系统，它可以描述数据集内样本的模式，同时不透露数据集中某个样本的信息。
差分隐私的基本逻辑是：
如果在数据集中进行任意的单次替换的影响足够小，那么查询结果就不能用来推断任何单个个体的信息，因此保证了隐私。
比如现在有两个数据集D和D’， 它们有且仅有一条数据不一样，这样的数据集互为相邻数据集。
此时有一个随机化算法（指对于特定输入，算法的输出不是固定值，而是服从某一分布），作用于两个相邻数据集时，得到的输出分布几乎没有差别。
推广一步，如果这个算法作用于任何相邻数据集，都能得到某种特定输出，那么就可以认为这个算法达到了差分隐私的效果。
直白地说，观察者难以通过输出结果察觉出数据集微小的变化，从而达到保护隐私的目的。
那如何才能实现差分隐私算法呢？
最简单的方法是加噪音，也就是在输入或输出上加入随机化的噪音，将真实数据掩盖掉。
实际操作中，比较常用的是加拉普拉斯噪音（Laplace noise）。由于拉普拉斯分布的数学性质正好与差分隐私的定义相契合，因此很多研究和应用都采用了此种噪音。
而且由于噪音是为了掩盖一条数据，所以很多情况下数据的多少并不影响添加噪音的量。
在数据量很大的情况下，噪音的影响很小，这时候可以放心大胆加噪音了，但数据量较小时，噪音的影响就显得比较大，会使得最终结果偏差较大。
其实，也有些算法不需要加噪音就能达到差分隐私的效果，但这种算法通常要求数据满足一定的分布，但这一点在现实中通常可遇不可求。
所以，目前并没有一个保证数据隐私的万全之策。
研究团队之所以没使用 GPT-3 进行测试，是因为 GPT-3 目前正火，而且官方开放 API 试用，贸然实验可能会带来严重的后果。
而 GPT-2 的 API 已经显露的风险，在这篇文章发布后不久，一名生物学家在 Reddit 上反馈了之前遇到的“bug”：输入三个单词，GPT-2 完美输出了一篇论文的参考文献。
鉴于 BERT 等模型越来越多地被科技公司使用，而科技公司又掌握着大量用户隐私数据。
如果靠这些数据训练的 AI 模型不能有效保护隐私，那么后果不堪设想……
论文地址：
https://arxiv.org/abs/2012.07805
参考链接：
https://ai.googleblog.com/2020/12/privacy-considerations-in-large.html
[R] Extracting Training Data From Large Language Models
byu/Lanky_Ad2150 inMachineLearning
腾讯会议推广
共有 0 条评论