OpenAI核心资料被盗！谷歌承认“主动攻击”，成本仅150元？
作者：文子
编辑：小迪
谷歌，一招杀入OpenAI大本营。
谷歌再放大招，窃取OpenAI模型机密
如果全世界只有一家公司能赶超OpenAI，那谷歌应该是第一。
最近，谷歌重磅发布了一篇论文报告，里面提出了一种名为“模型窃取”的技术。通过模型窃取技术，谷歌成功破解了ChatGPT基础模型Ada和Babbage的投影矩阵，甚至连内部隐藏维度的关键信息也是直接破获，分别是1024和2048。
这一发现犹如一记重磅炸弹，在AI界引发了强烈的震动。谁也没想到，号称“CloseAI”的OpenAI竟然也会被窃取模型机密的一天。
更恐怖的是，这种模型窃取技术还非常简单。只要你拥有ChatGPT这类封闭大模型的API，就可以通过API接口，发送不到2000次经过精心设计好的查询，然后去分析它生成的输出，就可以逐步推断出模型的内部结构和参数。
虽然这种方法不能完全复制原始模型，但已经足以窃取它的部分能力。而且这种攻击非常高效，不需要用太多的成本，就可以拿到模型的关键信息。
按照谷歌的调用次数来看，仅仅只需要不到20美金（约合150元人民币）的成本，就可以完成模型窃取的操作，并且这种方法同样适用于GPT-3.5和GPT-4。
换句话说，就是不费吹灰之力获得了一个大模型理解自然语言的能力，还能用来构建一个性能相近的“山寨版”模型，既省事又省钱。
反观OpenAI，被竞争对手低价破解模型机密，真的坐得住吗？坐不住。截至目前，OpenAI已经修改了模型API，有心人想复现谷歌的操作是不可能了。
值得一提的是，谷歌研究团队中就有一位OpenAI研究员。不过作为正经安全研究，他们在提取模型最后一层参数之前就已经征得OpenAI同意，而在攻击完成后，也删除了所有相关数据。
但不管怎么说，谷歌的实验足以证明一点，哪怕OpenAI紧闭大门也并不保险。
大模型全面受挫，敲响开闭源警钟
既然封闭的大模型都无法幸免，开源的大模型又会如何呢？
基于这一点，谷歌针对不同规模和结构的开源模型进行了一系列实验，比如GPT-2的不同版本和LLaMA系列模型。
要知道，GPT-2是一个开源的预训练语言模型，分为小型模型(117M)和大型模型(345M)两种。而在对GPT-2的攻击中，谷歌通过分析模型的最终隐藏激活向量并执行SVD发现，尽管GPT-2小型模型理论上具有768个隐藏单元，但实际上只有757个有效的隐藏单元在起作用。
这也就意味着GPT-2可能在实际使用中，并没有充分利用其设计的全部能力，或者在训练过程中某些维度的重要性不如其他维度。
此外，谷歌还研究了模型中的一种叫做“归一化层”的东西对于攻击的影响。一般来说，归一化层的作用是让训练更加稳定，从而提升模型的表现。然而谷歌发现，即使模型加入了归一化层，攻击的效果也并没有减弱。这说明即使考虑了现代深度学习模型中常见的复杂结构，攻击方法也依然有效。
为了进一步验证攻击的范围，谷歌还将目光瞄向更大、更复杂的LLaMA模型。它是由Meta发布的大语言系列模型，完整的名字是Large Language Model Meta AI，可以说LLaMA是目前全球最活跃的AI开源社区。
通过对LLaMA系列模型进行攻击，谷歌成功地从这些模型中提取了嵌入投影层的维度信息。值得注意的是，即使在这些模型采用先进的技术，如混合精度训练和量化，攻击依然能够成功，这表明攻击方法的普适性和鲁棒性。
可以说，谷歌给闭源和开源两大领域同时敲响了一记警钟。
AI三巨头对线，2024谁输谁赢？
从严格意义上来讲，OpenAI、谷歌、Meta就是争夺AGI圣杯的三大巨头。
其中，Meta和OpenAI完全相反，前者走的是开源路线，而后者主要打造闭源模型。但谷歌和他们完全不一样，闭源与开源双线作战，闭源对抗OpenAI，开源对抗Meta。
在人工智能领域里，谷歌可以算是开源大模型的鼻祖。今天几乎所有的大语言模型，都是基于谷歌在2017年发布的Transformer论文，这篇论文颠覆了整个自然语言处理领域的研究范式。而市面上最早的一批开源AI模型，也是谷歌率先发布的BERT和T5。
然而，随着OpenAI在2022年底发布闭源模型ChatGPT，谷歌也开始调整其策略，逐渐转向闭源模型。这一转变使得开源大模型的领导地位被Meta的LLaMA所取代，后来又有法国的开源大模型公司Mistra AI走红，尤其是其MoE模型备受行业追捧。
直到谷歌今年再次发布开源大模型Gemma，已经比Meta的LLaMA整整晚了一年。
很显然，Gemma这次的发布标志着谷歌在大模型战略上的巨大转变，这一举动意味着谷歌开始兼顾开源和闭源的新策略，而其背后的目的也是显而易见。
众所周知，当前大模型领域的竞争已经形成了一种错综复杂的打压链格局。其中OpenAI牢牢站在链条顶端，而它所打压的恰恰是那些有潜力追赶上它的竞争对手，比如谷歌和Anthropic。而Mistral作为一股新兴力量，估计也正在被列入其中。
如果非要排列一个打压链条，那可以归结为：OpenAI→Google &Anthropic & Mistral→ Meta→其它大模型公司。
可以说，无论在闭源还是开源领域，谷歌都没能确立绝对的领先地位。
所以这也不难理解，为什么有专业人士会认为，谷歌选择在此时重返开源赛场，是被迫的。谷歌之所以开源主打的是性能最强大的小规模模型，就是希望脚踢Meta和Mistral；而闭源主打的是规模大的效果最好的大模型，就是为了希望尽快追上OpenAI。
但无论如何，在未来的对垒格局里，谷歌已经先发制人，成功将压力给到OpenAI和Meta。
这一次，关键在于OpenAI和Meta该如何应对。