整理 | 郑丽媛
出品 | CSDN(ID:CSDNnews)
ChatGPT 爆火 4 个月,已逐渐成为各路打工人的“辅助神器”:能写代码、能编小说、还能给出策划方案……而事实证明,ChatGPT 提升的不仅是工作效率,还有安全隐患。
上周,据 SBS 等韩媒报道:三星刚引入 ChatGPT 还不到 20 天,就发生了 3 起机密数据泄漏事件,其中涉及三星半导体设备测量资料、产品良率等信息。
韩媒认为,这些三星的机密资料已“完整地”传给了美国,被存入 ChatGPT 学习数据库中。
不到 20 天,发生 3 起数据泄露事件
实际上,最初三星因担心内部机密外泄,一直禁止员工在工作中使用 ChatGPT。
然而,随着 ChatGPT 进入各个企业的步伐加速,越来越多员工认为技术需要迭代变化,加之半导体本身就是构建“生成式 AI”的核心要素,于是三星决定:3 月 11 日起,半导体设备解决方案(DS)部门可开始使用 ChatGPT。
一般来说,企业在引入新技术时,都会对员工进行相关的培训和教育,让员工了解新技术的使用方法和注意事项,避免因为员工的不当操作而导致机密泄漏等安全问题。所以,三星向员工发出了提醒:“注意公司内部信息安全,不要输入私人内容。”
但所谓“怕什么就来什么”,三星刚允许员工使用 ChatGPT 不到 20 天,光掌握到的数据泄露事件就有 3 起—— 2 起设备信息泄露和 1 起会议内容泄露:
三星启动“紧急措施”:提问不得超过 1024 字节
根据 OpenAI 网站上 ChatGPT 的常见问题解答,其确实指出与 ChatGPT 的对话可能会用作训练数据:
提问:你们会使用我的对话进行培训吗?
答:是的,我们的 AI 培训师可能会审核你的对话,以改进我们的系统。
但有些令人费解的是,尽管韩媒对此言之凿凿,许多网友却提出了关键疑问:“你们是怎么确认这些机密数据已被泄露了的?”,“就算这些对话被用作 ChatGPT 的学习数据,会这么快就出现在回答中吗?”
对于这个疑问,三星方面没有给出正面回答:“因为是公司内部情况,所以很难确认。”网友对此猜测,很可能是三星员工在内部承认了这些行为,由此引发了公司担忧。
对于这 3 起数据泄露事件,三星迅速向员工进行了通报:“在 ChatGPT 中输入内容的瞬间,数据就会被发送到外部服务器并存储,公司无法回收。如果 ChatGPT 学习了三星内部资料,敏感内容就可能会提供给其他人。”
与此同时,三星还启动了“紧急措施”:将向 ChatGPT 提问的上传容量限制在 1024 字节以内;调查信息泄露的原委,必要时给予员工处罚;若采取紧急措施后仍发生类似事故,三星可能会切断 ChatGPT 服务。
据了解,由于使用 ChatGPT 的这些隐患,三星正考虑通过 DS 部门的创新中心,研发一个三星专属的内部 AI 服务。
有关 ChatGPT 的争议一直没停
回顾ChatGPT问世的这 4 个月,其实有关它的争议一直没有定论:提高工作效率是真的,但它会把对话内容作为训练数据也是真的。
据 Cyberhaven 统计结果显示,近 160 万名打工人中,有 8.2% 的员工在工作场所使用过它——许多人称,因为使用 ChatGPT,他们的工作效率“提高了 10 倍”。同时,有 6.5% 的员工表示会将公司数据复制到 ChatGPT 中,更有 3.1% 的员工表示曾将公司的机密数据放入 ChatGPT。
“在 2 月 26 日至 3 月 4 日的一周内,平均有 10 万名员工的公司职员将机密文件放入 ChatGPT 中共 199 次,放入客户数据 173 次,放入源代码 159 次。”
因此,与之相对应的,越来越多企业因担心机密数据外泄,禁止员工访问 ChatGPT,正如之前的三星,还有摩根大通、美国银行、花旗集团、高盛、德意志银行等。近期软银也向全体员工通报了禁止向 ChatGPT 输入机密信息等注意事项。甚至,意大利个人数据保护局(Garante)也在 3 月 31 日宣布,即日起禁止使用聊天机器人 ChatGPT,并限制 OpenAl 处理意大利用户信息。
对于这些企业及国家的禁用动作,部分业内人士表示:“因为 ChatGPT 是热门话题,现在大家都在使用和学习,但对于信息泄露的忧虑等,国内企业也需要更加警惕。”
那么对于 ChatGPT 在工作中的使用,你又有什么看法呢?
参考链接:
https://n.news.naver.com/article/243/0000042639
https://www.cyberhaven.com/blog/4-2-of-workers-have-pasted-company-data-into-chatgpt/
☞ChatGPT 大规模封号亚洲节点,并停止注册;Google 否认 Bard 窃取 ChatGPT 数据进行训练|极客头条
☞ ChatGPT 类大语言模型为什么会带来“神奇”的涌现能力?
☞ 让模型理解和推断代码背后的意图是预训练模型的核心挑战 | NPCon演讲实录