今日荐文的作者为国防科技大学、中国工程院战略咨询中心专家陈磊，浙江大学专家邓晃煌，电子信息系统复杂电磁环境效应国家重点实验室专家张阳，麒麟软件有限公司专家李雅静。本篇节选自论文《网络空间安全背景下的人工智能安全风险与治理》，发表于《中国电子科学研究院学报》第16卷第11期。
摘 要：网络空间安全是国家安全的重要组成部分。人工智能技术不但能够赋能网络空间安全治理，同时也为其带来了不确定、不稳定等诸多挑战。首先，从利、弊两个方面分析了人工智能技术对于我国网络空间安全的影响；随后，针对技术、军事与政治三个领域，提出了我国网络空间人工智能安全治理的重点关注方向；最后，从顶层设计、主体职责、人才培养、话语权等四个视角，提出了推进我国网络空间人工智能安全治理的几点举措。
关键词：网络空间安全；人工智能安全；风险与治理
论文全文摘编如下
仅供学术交流与参考
“要坚持统筹推进各领域安全，统筹应对传统安全和非传统安全。”网络空间作为关系国计民生的新空间，网络空间安全是国家安全所不可分割的重要组成部分，是“新疆域”、“新蓝海”。近年来，随着人工智能技术与互联网、大数据、实体经济的深度融合与持续渗透，人工智能自身的安全性以及对于政治、经济、军事、社会等各领域安全带来的重大影响，愈发引起社会各界的高度关注。人工智能技术为网络空间安全注入了新的生命力，同时也带来了诸多挑战。我国必须高度重视与主动应对网络空间安全背景下的人工智能安全风险，确保网络空间的和谐、稳定与安全。
本文的研究思路如图1所示。首先，分析网络空间安全的定义与内涵，并从利弊两方面分析人工智能技术对于网络空间安全的影响；随后，从技术、军事、政治三个领域，详细分析网络空间人工智能安全治理的重点关注方向；最后，从战略、生态、人才、标准四个视角，提出我国推进网络空间人工智能安全治理的几点举措。
图1 研究思路示意图
1 人工智能技术对于网络空间安全的影响分析
人工智能技术是网络空间安全的一把“双刃剑”[1]，在提高网络态势感知与防御的实时性、准确性、灵敏性，极大地提升网络攻击的自动化程度与效率的同时，也为网络空间安全带了极大的复杂性与不确定性。
1.1 网络空间安全应追求软件、硬件与信息的全面安全
网络空间安全是网络空间中所有要素和活动免受来自各种威胁的状态[2]。从网络信息技术的自身逻辑看，网络空间安全可以分为三大领域：
1)物理层面的物理系统安全。该层面的安全是网络空间安全的物质基础与基本保障，包括计算机硬件、互联网网路、物联网设施设备等，需要能够抵御各种随机或人为的针对物理世界的破坏、毁伤、断网等威胁事件；
2）软件层面的网络系统安全。该层面的安全是保障网络环境和计算机系统稳定运行、用户信息与数据安全的基础，包括计算机系统、信息基础设施、计算机软件、用户数据等内容，需要能够抵御各种恶意网络监视、入侵、探测、渗透、降级与破坏；
3）信息层面的网络信息安全。该层面的安全是网络空间安全的核心追求与重要保障，包括在网络环境中产生、流转信息的保密性、可用性、完整性、可控性和不可抵赖性，目标是追求网络信息在数据采集、传输、存储、管理、分析与处理使用等各个环节的安全性，避免对政治、军事、经济与社会产生不良影响与危害。
物理系统安全、网络系统安全与网络信息安全三者相互影响又互为交织，由于网络空间的复杂性与级联效应，无论哪一方面的安全威胁都有可能对于网络空间的整体安全造成重大影响，这一点在人工智能时代将更加突出。
1.2 人工智能技术将是网络空间安全治理的强大使能器
近年来，国内外业界正在探索网络空间安全领域与人工智能相结合的可能性与应用场景，尝试通过运用机器学习、深度学习等技术分析处理网络空间态势大数据，通过运用强化学习、知识图谱等技术自主、自动生成网络防御策略。人工智能技术将成为网络空间安全治理的强大赋能器，有助于改进完善网络安全防御体系，高效、快速应对各类随机或蓄意威胁。
一是有助于更加高效、自主、精准识别应对网络空间安全威胁。通过对网络空间信息、行为、态势等大数据中所蕴含的网络空间安全要素、安全风险进行深度挖掘与关联分析，人工智能技术有助于构建动态、精准与高效的网络空间安全威胁感知预警体系，同时还能推动构建自适应、分布式协同与演进优化的网络空间安全威胁主动防御体系。
二是有助于推动网络安全治理新业态的弯道超车、变道超车。无论是战略创新还是深度学习框架、人工智能（Artificial Intelligence，AI）芯片等战术应用，由人工智能赋能的网络安全新业态都备受关注。面对国外封锁与技术壁垒，我国不仅有针对性地对专项技术开展“定点爆破”，更有望实现人工智能整体层面的“全面开花”，建立多点联动、具有我国独立、完整知识产权的人工智能技术体系，形成AI核心竞争力，推动我国网络安全治理的弯道超车、变道超车。
三是有助于克服网络安全治理专业人才人力资源的严重短缺。根据McAfee公司调查显示，公司普遍认为需要增加高达24%的安全人员，才能有效应对网络威胁。尤其是面对突如其来的新冠疫情，网络安全人员的全球化协同办公与威胁处置将面临诸多挑战[3]。利用人工智能技术结合网络安全人员的经验，能够更好、更快地推动网络空间安全感知与防御体系的自主化、自动化，极大地降低安全风险分析与威胁应对的技术难度与心理压力，提升网络安全治理的效率[4]。
1.3 人工智能技术将为网络空间安全治理带来重大挑战
人工智能技术的自主化、智能化程度越高，其“双刃剑”特征越明显。目前，国内外在竞相推动人工智能技术发展的同时，也在高度重视其可能蕴含的各种安全风险，积极应对人工智能技术为网络空间安全治理带来复杂性与不确定性等诸多挑战[5]。
一是人工智能技术有可能拉大我国与强国的信息技术代差。人工智能基础理论与关键算法等基础研究水平的高低，将直接决定着人工智能技术的发展上限。当前，我国人工智能技术在基础研究领域与国外先进水平尚有一定差距，严重制约了我国人工智能的可持续发展。根据2019年《自然》杂志文章《到2030年，中国能否在AI世界中成功领军？》[6]的统计，全球领军AI专家中68%分布在美国，中国仅占6%；在论文影响力方面，代表人工智能发展最前沿水平的高被引论文数目中国仅是美国的18.9%，排在全球第6位；93%的中国研究者使用Tensorflow、Caffee等美国公司研发的人工智能开源框架。中国人工智能核心技术的自主性、安全性、可靠性，将是信息安全与网络空间安全的根本保证。
二是人工智能技术有可能加速推动网络空间武器化战场化。人工智能技术将会进一步放大网络空间安全在进攻和防御中的作用，使得“强者愈强，强者恒强”，推动网络空间攻防装备的研发与运用。美军也非常重视人工智能技术对于网络空间作战能力的使能作用[3]。近年来，美军陆续推出了“自适应雷达对抗”（ARC）、“自适应电子战行为学习”（BLADE）、“破坏者智能网电对抗装备”（SRx）等认知网电对抗项目[7-8]，通过网电空间态势的深度感知、网电对抗策略的自主优化、网电对抗效能的在线评估等人工智能与网电对抗技术的深度融合来争夺网电空间制权。我国必须高度重视与警惕由人工智能推动的网络空间武器化、战场化趋势。
三是人工智能本体安全风险有可能衍生网络空间重大灾变。算法与数据是人工智能发展的核心关键，掌控的越多，供人工智能学习的资源就越多，就能取得突破性的进展，也就越有可能产生一些风险后果。随着人工智能技术与网络空间的深度融合，人工智能的本体风险将有可能随着网络空间特别是物联网的泛在互联而加以放大，衍生演化出网络空间的重大灾变，具体表现在[9]：一是物理世界风险。机械、化工、核工业等智能物联网系统的安全风险，可能会破坏大气、海洋、植被等地球环境。二是人身财产风险。无人机、无人驾驶汽车、医疗机器人等无人化智能系统的安全风险，可能会直接危害人类自身的生命与财产安全。三是国家社会风险。伪造新闻、虚假视频、金融诈骗等智能化社会网络的安全风险，可能会引发社会骚乱，危害国家安全。
2 网络空间人工智能安全治理的重点关注方向
网络空间人工智能安全治理是针对网络空间创建、运行、维持与维护中所采用的各类人工智能技术进行合理、合法、适度的管理与控制，确保人工智能本体技术的安全性并使其能够为网络空间安全治理服务。目前，世界各国关于网络空间领域的人工智能安全治理，重点关注技术、军事与政治三个方面。
2.1 技术方面
技术方面重点关注基于深度学习的人工智能赋能技术。
随着2006年深度学习模型的提出，人工智能引入了层次化学习的概念，推动人工智能技术的井喷式、跨越式发展。凭借着当前信息化、网络化社会所积累的海量大数据，以及并行图形处理器（Graphics Processing Unit，GPU）处理技术、超算技术等计算能力的飞速提升，深度学习能够从大数据中提取、发现、甚至洞见前所未有的知识，具有强大的学习能力、推理能力与灵活性。特别是Google公司的人工智能围棋程序AlphaGo、IBM公司的专家辅助系统Watson、以及Boston Dynamics公司的人形机器人等产品，体现了专用人工智能的突破性进展以及深度学习的巨大潜力，也昭示着深度学习技术在网络空间安全领域广泛应用的可能性、必要性。
2.1.1 深度学习技术可提升网络空间威胁感知、防御能力
基于网络空间大数据提供的数据资源，深度学习技术提升了网络空间感知与防御手段对于各种不确定性环境的动态适应能力，能够对海量模糊、非线性、异构数据进行自动化的分类聚合与关联分析，全面感知网络安全威胁，自主学习认知网络空间态势；能够主动生成与快速调整网络威胁防御策略，在与自主化、智能化网络空间攻击手段的攻防博弈中不断学习演进，逐渐形成适应性强、反应迅速灵敏的网络空间安全防御“智慧”。我国必须高度重视网络空间安全治理领域深度学习技术的最新进展，包括基于迁移学习的高效威胁识别技术、基于聚类分析的精准威胁分析技术、基于深度强化学习的自主防御技术等。
2.1.2 重视深度学习技术中算法与数据的安全性、可靠性
人工智能的本体安全对于网络安全具有多维依赖关系。当前，深度学习等人工智能的算法尚缺乏鲁棒性、可解释性较差、易被干扰与欺骗。例如，卷积神经网络（Convolutional Neural Networks,CNN）、人工神经网络（Artificial Neural Network，ANN）等关键算法存在安全隐患，通过伪造数据、污染样本等方式能够干扰甚至操纵深度学习模型的运行结果。同时，深度学习的数据隐私性、可靠性较差，缺乏密码保护，容易遭到窃取、破坏、伪造，甚至重大泄密。我国必须筑牢人工智能本体的安全防线，提升深度学习等关键技术的可信性、可解释性，加强人深度学习软硬件的脆弱性分析和防护，研发面向大数据的个人生物特征加密技术，确定深度学习算法与数据等关键基础设施的安全性、健壮性。
2.1.3 大力加强深度学习基础理论与核心算法的储备攻关
深度学习等人工智能基础理论与核心算法是推动网络空间人工智能安全治理的核心竞争力与内在驱动力，也是确保网络空间人工智能安全的最后屏障。目前，深度学习算法基础研发平台也几乎为美国Google等大公司所垄断。许多公司与研究人员需要将训练样本数据、人工智能算法通过国际互联网上传到境外网站，才能开展深度学习的研究、开发与应用，这为网络空间人工智能安全治理带来了重大挑战。建议大力加强“Cyber+AI”理论研究与技术储备，发挥我国在网络空间大数据、人工智能商业模式创新等方面的优势，大力推动国产深度学习平台的大规模普及与应用。
2.2 军事方面
军事方面重点关注基于自主网络攻防武器的混合作战。与陆、海、空等传统作战域不同，发生在网络空间的攻防博弈具有速度快、智能程度高、节奏变化快、技术难度大等突出特征，网络空间作战的“秒杀性”越来越明显。同时，随着网络空间对于人类社会生活、生产与工作的关键性支撑作用越来越强，人们也更加关注网络攻防对于人类社会政治、经济、心理等方面的衍生性影响。仅仅依靠人类自身的智力、体力与能力，已经难以独自胜任网络空间作战使命任务，必须依托于自主化、智能化的网络攻防武器，并在物理、网络、心理、社会等多个域开展混合作战。
2.2.1 自主网络攻防是混合作战的一种典型非对称作战样式
混合作战是一种攻防界限模糊，融合网络空间作战、心理战、金融战等多种作战样式于一体的新型作战行动，具有投入少、见效快，隐蔽性强、不易察觉，预见性差、难以防范等突出特点。网络空间作战正是混合作战的中心与核心，是混合作战的典型非对称作战样式。
2014年以来，俄罗斯在混合作战理论指导下应对乌克兰与克里米亚局势的一系列战术战法，已经成为混合作战的实践典范，而网络攻防成为其中不可或缺的重要组成部分[10]。乌克兰政府网络系统曾遭到计算机病毒“毒蛇”的连续攻击，使得黑客获取大量乌克兰机密。欧洲能源网络的多个工业管理系统也曾感染了可实时监控能源消耗、破坏扰乱系统的“能量熊”计算机病毒。建议应该加强混合作战及其应对措施的理论与对策研究，尤其需要重视国外敌对势力通过互联网散布谣言、网络窃密、木马攻击等手段，对我舆情社情、关键基础设施的袭扰破坏。
2.2.2 自主网络攻防武器将显著增加网络空间安全的不确定性
现阶段在人工智能技术的赋能下，具有高度自主性的网络攻防武器由于其内部自身理论与技术的不成熟性，以及外部人员使用的不合理性，有可能显著增加网络空间安全的不确定性。
一是深度学习等典型人工智能技术的基础理论建立在概率论和数理统计基础之上，并没有严格的因果对应关系，而现有技术也难以预估自主网络攻防武器的风险事件和安全边界。同传统基于规则、基于人类知识与判断的网络攻防武器相比，基于人工智能的自主网络攻防武器内生风险性更高。
二是自主攻击网络武器的扩散与不规范使用，将会对网络空间安全造成难以控制、难以评估的危害。2017年以来，不法分子利用美国国家安全局（National Security Agency，NSA）泄漏的0 day漏洞“Eternal Blue”（永恒之蓝）进行传播的WannaCry勒索病毒，至少感染了150多个国家的30余万名用户，严重影响了金融、能源、医疗等关乎国计民生的重要行业，造成损失达80亿美元[11]。
国际上需要形成制约自主网络攻防武器的规章制度与公约规范，严格自主网络攻防武器的加密、解密与使用权限，完善自主网络攻防武器的自我删除、取消激活等功能。
2.2.3 加速推进自主网络攻防的关键技术突破与作战概念设计
人类战争历史的进程与结局充分证明，技术是战争形态演进的第一推动力，是战斗力的核心组成部分[12]。
在军事领域，自主化、智能化网络攻防具有技术性强、实施复杂度高等特点，高度依赖网络态势深度认知、攻防手段学习优化等先进技术。同时，如何更好地在信息化、网络化、智能化战场中最大程度地发挥网络攻防作战效能，如何更好地“以己之长攻敌之短”，尤其需要通过战情虚拟仿真实验、实兵演习等手段，设计科学合理且富有前瞻性的自主网络攻防作战概念。
近年来，美军顶层决策机构、军兵种、专业智库与军火商等机构，围绕着网络攻防深度融合于跨域作战、全域作战等全新作战理论，以应对所谓A2/AD能力为出发点，先后推出了一系列备受关注的网络攻防作战概念。例如，2017年8月DARPA公布的“马赛克战”， 2017年10月CSBA推出的“电磁对抗无人敢死队”（EMW Expendables）、2015年1月美国海军提出的“分布式杀伤”等[13]。这些作战概念为相关网络攻防、无人作战等指挥体制变革、部队训练演习、关键技术突破与武器装备研发提供了使能方向与重要驱动力。建议从技术与军事两个层次认识与推动网络攻防装备与手段的研究与建设，通过建设专业靶场、仿真系统、演习环境等措施，推动自主网络攻防技术的突破与验证、先进装备的试验鉴定与作战力量的战备训练。
2.3 政治方面
政治方面重点关注基于人工智能的社会舆情预测管控。
网络舆情是广大网民以网络为载体，对于某事件的情感、态度、意见与观点的表达、传播与影响的集中表现。网络舆情管控是网络空间安全的重要组成部分，也是关乎国家政治安全的重要阵地。目前，国外特别重视将人工智能技术与社交网络紧密结合，综合运用社交大数据深度挖掘与分析、舆情精准推送与管理，甚至虚假新闻生成与传播等手段，通过网络空间对于社会民众心理与行为的衍生效应、放大效应与示范效应，管控国内舆论民意与社会矛盾，扰乱、破坏甚至颠覆别国政权与国际利益。
2.3.1 “AI+社交大网络”为社会舆情管控提供有力手段
当前，各种社交手段的飞速发展与落地应用，已经推动人类形成了以国际互联网为核心、以移动互联网、泛在物联网为枝干的一张广泛联系、动态变化、规模巨大的社交大网络。而“AI+社交大网络”既能够反映个人的职业、爱好、政治倾向等细微生物特征，又能够通过人与人之间的泛在社会联系极大地影响群体与个人的心理与行为。
通过基于统计机器学习的自然语言处理技术（Natural Language Processing, NLP）实现多源异构海量网络舆情实时监测采集与结构化提取、基于知识图谱与图神经网络技术实现不同场景下的网络舆情知识体系构建、基于深度学习技术实现网络短语立场判定等手段，能够极速精准地刻画网络个人与群体的“精确画像”。
通过基于无监督学习的生成对抗网络（Generative Adversarial Networks, GAN）技术实现智能图像处理与虚假图像生成、通过基于大数据聚类分析实现个性化新闻分发与推送等手段，能够迅速、准确、高效地对于目标受众心理与行为产生积极或消极影响。
近年来，在美国、英国等西方国家选举中，陆续出现利用网络社交平台部署“机器人水军”，从而人为地操纵、引导舆论走向，达到干预选举结果的目的。2018年3月，英国咨询机构剑桥分析公司干扰美国大选丑闻被西方媒体曝光[14]。该公司收集了Facebook网站上超过5 000万用户的行为模式、性格特征、价值观趋向、成长经历等信息，并有针对性地推送竞选信息、竞选广告甚至一些虚假新闻，部分影响到了2016年美国总统大选结果。
2.3.2 加强计算社会科学研究推动智慧社会发展转型
近年来，随着大数据与人工智能时代的来临，以广域分布的社会传感网络为基础，人类在生活、工作、交往、娱乐等过程中所积累的海量、高维、动态的数据信息，为提高社会管理水平提供了难得的战略机遇与严峻的问题挑战。
计算社会科学（Computational Social Science）概念首次出现于1994年，之后随着近30年的蓬勃发展，已经在大规模传染病传播与控制、网络舆情传播与管控等方面取得了众多研究成果与转化应用，推动着信息对称、权利对等、组织扁平的社会组织新结构逐渐演进，以及集约化、分布化、智能化、快速化的社会管理新模型转型发展[15]。
例如，在抗击新冠肺炎疫情的斗争中，我国许多地方政府、企业、高校等机构都在探索将病毒大数据与计算社会科学相结合，综合提升病毒防控能力与社会管理能力，为抗疫斗争的伟大胜利提供了科学理论与工具支撑。
将人工智能技术与计算社会科学相结合，一是能够提升其通过模拟微观个体互动，涌现宏观社会现象的水平；二是能够提升其通过网络爬虫、文本挖掘、深度学习等技术提取分析网络大数据，研究社会复杂系统的水平。由此，我们能够更加清晰地描述个人与群体之间的新型互动过程和模式，更加合理地解释社会现象及发生机制，更加准确地预测管控个人与社会的发展趋势，从而推动传统社会向着智慧社会的目标不断转型发展。
2.3.3 更加注重个人隐私与特征敏感数据的安全防护
当前，随着5G通信、物联网、移动互联网等网络通信技术的发展，人类的日常生活、工作中的一切行为，都有可能通过网络以数字的形式被记录与记载下来。人类在逐渐数字化的同时，也正在逐渐透明化。
境外一些公司甚至敌对势力通过网络爬虫、木马植入、邮箱窃密、网络调查等手段，非法收集、窃取个人与群体的隐私与行为特征数据，并通过人工智能技术进行深度挖掘与分析，精准、迅速刻画个人的性格、收入、社会关系等身份特征，将个人完全暴露于网络之中，为进一步分析、判断、掌握社情舆情积累数据信息与情报资料。
为尽可能地切断境外敌对势力通过国际互联网对网络空间安全的渗透与破坏路径，需要加强基于生物特征的个人隐私加密技术、面向大数据的数据加密技术、可信计算技术等网络安全防护技术，完善社交网络数据收集与应用相关法律、法规，综合运用技术、政策、法律与标准等手段保证个人隐私与特征敏感数据的安全。
3 推进网络空间人工智能安全治理的几点举措
网络空间是既陆、海、空、天之后，关乎人类生存与发展、关乎国家前途与命运的“第五维空间”。而人工智能是抢占新一轮产业竞争、军事竞争、国家竞争制高点的战略性、前沿性、颠覆性技术，将成为国家重要的战略威慑力量。建议应从利弊两个方面，以发展、改革、创新的眼光去辩证认识网络空间人工智能安全治理面临的问题与挑战，坚持发展这个硬道理，抓住创新这个牛鼻子[1]，主动作为，趋利避害，探索网络空间人工智能安全治理之路。
3.1 强化网络空间安全观念，统筹完善人工智能发展战略
“网络安全和信息化是事关国家安全和国家发展，事关广大人民群众工作生活的重大战略问题。”在总体安全观的指导下，顶层设计、系统规划与全方面统筹完善人工智能发展战略，在社会普及与强化网络安全观念。建议从国家层面通过设立重大科技专项牵引技术进步，从政府层面通过配套政策制订引导社会关注与资金投入，逐步提升在该领域的核心竞争力。
3.2 构建四位一体安全生态，压实政府高校企业个人职责
开展网络空间人工智能安全治理需要在顶层理论与协调机制的支撑下，汇聚产、学、研、用多领域资源，形成群策群力、群防群治的治理模式，构建政府、高校、企业、个人等多类型主体的四位一体安全生态。
政府方面需要承担“压舱石”主体责任，建立包括“新一代人工智能治理专业委员会”在内的网络安全人工治理顶层决策机构、统筹协调机制、政策法规标准与高端智囊机构，做好服务与监督职责，推动网络安全人工智能治理与国家战略、区域规划与社会需求协调同步发展。
高校方面需要承担“助推器”主体责任，发挥在科技研究与人才培养方面的优势，集中智力、物力、财力资源攻克人工智能、网络信息、大数据、计算社会等领域的基础理论与关键技术，抢占理论高地与技术前沿。
企业方面需要承担“发动机”主体责任，发挥网络空间的数据优势、人力优势，推动人工智能技术在网络空间态势感知、网络安全防御等方面的落地应用，抢占产业制高点。
个人需要承担“前沿哨”主体责任，提高网络安全意识与人工智能素养，保护个人隐私与特征数据不轻易泄漏，自觉分辨虚假社会舆情与网络舆情，不盲目信谣传谣。
3.3 培育“AI+”复合型人才，打造网络空间安全人才高地
“得人者兴，失人者崩。”建设网络强国、人工智能强国的关键在于人才。政府、高校与企业要下大力气解决网络空间人工智能治理高端人才的培养问题、使用问题。网络空间人工智能治理涉及网络安全、人工智能、政治学、行政管理、法学等多学科交叉融合。
要推动政府、军队、高校、科研机构与企业在网络安全与人工智能领域的对接合作，为高端人才创造良好的政策环境、科研环境与工作环境，并从薪酬待遇、发展前景等多个方面加大力度吸引、留住国际顶尖人才。建议对待网络空间人工智能治理高端人才要有特色政策，在不违法法律法规的前提下甚至“一人一策”，不搞论资排辈，不搞求全责备，让高端人才能够将全部身心投入到研究、创新与实践中来，提高人才的使用效率。
3.4 抢抓规则标准制定先机，抢占人工智能安全话语制权
“大国网络安全博弈不单是技术博弈，还是理念博弈、话语权博弈。”在人工智能成为国家核心竞争力与国际竞争重要议题的情况下，建议在网络空间人工智能安全治理上贯彻人类命运共同体理念，具备国际视野与全球眼光，加强与外国政府、企业与国际组织的交流、沟通、合作，通过参与国际网络空间与人工智能行为规范、法律法规、伦理准则的研究与制订，主动搭建网络空间与人工智能国际合作平台，积极争取国际网络空间人工智能安全治理的主导权、话语权。
结 语
美国著名未来学家Ray Kurzweil指出：“我们的未来不再是经历进化，而是经历爆炸。”当前，人类正处于由人工智能技术作为核心驱动力所引发的新一轮科技革命、产业革命、工业革命的历史新阶段。人工智能技术将对人类社会的生活生产方式、社会组织结构、伦理道德观念、世界观价值观等，产生革命性、颠覆性的巨大冲击。能否在即将到来的信息化、网络化、智能化融合发展的新时代，牢牢地把握人工智能技术赋能网络空间安全这一重大历史机遇，需要从国家战略、国家安全的高度重视网络空间人工智能安全治理的相关议题，聚合国际国内的人才、技术、产业与政策资源，“抢抓机遇，乘势而上”。
（全文完）
【参考文献】
[1] 吴世忠. 对新一代人工智能发展与安全问题的思考[J]. 中国信息安全, 2018(5): 62-64.
[2] 赛博研究院. 人工智能技术与网络空间安全[J]. 信息安全与通信保密,2019(6): 21-26.
[3] 金晶,邹晶晶. 人工智能在网络空间安全领域的发展[J]. 国防科技,2018,39(4): 43-46.
[4] 中国信息通信研究院. 推动网络安全产业变革,夯实网络强国战略基石[J]. 信息安全与通信保密, 2017(6): 7-17.
[5] 何积丰. 重视人工智能发展中的安全与治理[J]. 信息安全与通信保密, 2018(6): 5-8.
[6]NATUR.Will China lead the world in AI by 2030?[EB/OL]. [2021-08-10].www.nature.com/articles/d41586-019-02360-7.
[7] KNOWLES J. Regaining the advantage cognitive electronic warfare[J]. The Journal of Electronic defense, 2016,12: 56-63.
[8] 陈晓,张晓.哈里斯公司正在开发轻小型电子战载荷
[EB/OL].[2021-08-10]. http://www. dsti.net/Information/News/104409.
[9] 中国信息通信研究院安全研究所. 人工智能安全框架（2020年）[R]. 北京: 中国信通院, 2020.
[10] 光明军事. 浅析俄罗斯混合战争理念[EB/OL]. [2021-08-10]. http://www.3g.k.sohu.com/t/n508806134.
[11] 封帅,鲁传颖. 人工智能时代的国家安全：风险与治理[J]. 信息安全与通信保密, 2018,10: 30-49.
[12] 胡晓峰. 战争工程论——走向信息时代的战争方法学[M]. 北京: 科学出版社, 2018.
[13] CLARK B, GUNZINGER M, SLOMAN J. Winningin the Gray Zone-Using Electromagnetic Warfare to Regain Escalation Dominance[R]. Washington, DC, USA: Center for Strategic and Budgetary Assessments, 2017.
[14] 网易科技.剑桥分析公司破产:系FB丑闻事件“罪魁祸首”[EB/OL]. [2021-08-10]. http://www.techweb.com.cn/article/2018-05-03/2661106.shtml.
[15] 张杰. 社会计算学科发展报告[R]. 北京: 中国自动化学会, 2019.
声明：本文来自学术plus，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
