作者：张峰
目前，人工智能正以前所未有的深度融入社会生产和生活，其安全与治理体系构成了数字时代的基石。然而，根植于物理原理的计算力革命——量子计算，正在悄然逼近，其潜在的颠覆性力量对现有的安全防御和治理框架构成了严重挑战。量子计算会否颠覆现有的人工智能安全与治理体系？这不仅是一个技术问题，更是一个关乎数字社会未来秩序的全球性挑战。当计算力的飞跃遇到监管的滞后，我们该如何为 “Q 日” 做好准备？
<img src="https://imageproxy.pbkrs.com/https://img.jinse.com.cn/7448413_image3.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://img.jinse.com.cn/7448413_image3.png"/>
<h2>I. 量子计算如何威胁当前广泛使用的非对称加密算法？非对称加密 当前人工智能系统的安全性，从模型传输和数据存储到身份认证，严重依赖于非对称加密算法，如 RSA 和 ECC（椭圆曲线密码学）。这些算法的安全性基于数学问题的计算复杂性，例如大数分解或离散对数——这些问题是经典计算机无法在可接受的时间内解决的。然而，量子计算带来了根本性的范式转变。量子算法，例如 Shor 算法，理论上可以将这些问题的解决时间从指数级缩短到多项式级。一篇论文回顾指出，最新的量子算法，包括 Regev 算法及其扩展，正在不断优化其破解非对称加密的效率。这意味着，一旦出现足够大规模的量子计算机（通常指具有数百万个稳定量子比特的通用量子计算机），当前保护互联网通信、数字签名和加密数据的 “锁” 可能会瞬间被打开。这一威胁并非空穴来风。来自智源社区的研究警告称，这是一种持续的威胁：攻击者现在可以开始拦截和存储加密通信数据（包括 AI 训练数据、模型参数等），等待未来量子计算机成熟后进行解密。这种 “先拦截，后解密” 的策略使所有需要长期保密的高价值信息，包括国家机密、商业专利和个人隐私数据，面临未来的风险。因此，量子计算对非对称加密的威胁是根本性和系统性的，直接动摇了当前人工智能乃至整个数字世界安全系统的基础。 II. 面对量子计算，人工智能模型训练和数据隐私保护面临哪些新挑战？ 人工智能的发展依赖于大量数据的输入和复杂模型的训练，这一过程本质上充满了隐私和安全挑战。量子计算的介入使这些挑战变得更加尖锐和复杂。首先，数据在其生命周期内的长期保密性受到威胁。如前所述，目前在云中加密存储或传输的 AI 训练数据集可能因未来的量子解密而完全暴露。西安交通利物浦大学的《全球反量子迁移战略白皮书》明确指出，全球对手正在系统性地实施这一 “数据收割” 策略，耐心等待 “Q 日”（量子计算机变得实用的那一天）。这对基于敏感数据（如医疗记录、财务信息和生物特征）的 AI 模型构成了根本威胁。其次，隐私保护计算技术，如联邦学习，面临新的挑战。联邦学习通过在本地训练模型并仅交互更新模型参数来保护原始数据。然而，这些交互的梯度或参数更新信息本身是加密传输的。如果底层加密被量子计算攻破，攻击者可以逆向工程参与者的原始数据特征，从而使隐私保护机制失效。最后，模型盗窃和知识产权保护变得更加困难。经过良好训练的 AI 模型是企业的核心资产。目前，模型权重和架构通常使用加密进行分发和部署。量子计算可能使这些保护失效，导致模型被轻易复制、逆向工程或篡改，从而导致严重的知识产权侵犯和安全漏洞。中国信息通信研究院在其《人工智能治理蓝皮书》中强调，人工智能治理需要应对技术滥用和数据安全等风险，而量子计算无疑放大了这些风险的破坏力。 III. 量子机器学习的发展将如何影响人工智能安全和伦理审查框架？ 量子计算与人工智能的结合——量子机器学习（QML）预示着新一轮性能突破的到来。然而，它也带来了前所未有的新安全和伦理挑战，影响现有的审查框架。在安全方面，QML 可能产生更强大的攻击工具。例如，量子算法可能显著加速对抗样本的生成，创造出更隐蔽和破坏性的攻击，迅速使基于经典计算的当前 AI 安全防御系统（如对抗训练和异常检测）变得过时。一些分析人士称 “量子 + 人工智能” 为网络安全的下一个战场，指出需要对相关监管框架进行主动改进。在伦理方面，QML 的 “黑箱” 特性可能比经典 AI 更为深刻。其决策过程基于量子叠加和纠缠状态，可能更难以解释、审计和追责。围绕 QML 的伦理辩论和风险，如算法公平性、责任定义和技术可控性，已被广泛讨论。如何在量子尺度上实施现有的人工智能伦理原则（如透明性、公平性和问责制）？监管机构如何审查基于量子电路的决策模型，这些模型可能存在于多个叠加状态中？这些都是现有伦理审查框架尚未准备好的挑战性问题。治理模型需要从简单的技术合规转向对量子特性及其社会影响本质的更深刻理解。 IV. 现有的人工智能治理法规（如 GDPR）能否应对量子计算带来的安全变化？ 现有人工智能和数据治理法规的核心原则，以欧盟的《通用数据保护条例》（GDPR）为例，如 “设计保护和默认保护”、“数据最小化”、“存储限制” 和 “完整性与保密性”，在概念层面上仍然具有指导意义。然而，在具体的技术实施和合规要求方面，它们面临着量子计算带来的 “合规差距”。GDPR 要求数据控制者采取适当的技术和组织措施以确保数据安全。但在量子威胁的背景下，什么构成 “适当” 的加密措施？继续使用被证明对量子不安全的算法在未来可能被视为未能履行安全义务。如何在面对可能瞬间完成且不留痕迹的量子计算高级攻击时，有效执行法规中数据泄露通知的时间限制？全球立法者已认识到变革的必要性。《2025 全球人工智能治理报告》显示，各国正在加速制定具体的人工智能治理法律，并建立高层协调机构。中国在其《数字中国发展报告（2024）》中强调需要 “加快数据基础设施的完善”，并持续推动 “AI+” 倡议。这些趋势表明，治理体系正在积极调整。然而，专门针对 “量子计算 + 人工智能” 交集的法规目前几乎不存在。现有法规缺乏关于后量子密码学迁移时间表、QML 模型审计标准和量子时代数据安全级别分类的具体规定，难以有效应对即将到来的安全变化。 V. 后量子密码学在人工智能系统中的应用前景和实施挑战是什么？ 应对量子威胁的最直接技术解决方案是后量子密码学（PQC）。PQC 指的是能够抵御量子计算机攻击的密码算法。它不基于量子原理，而是基于被认为即使对量子计算机也难以快速解决的新数学问题（如格、编码、多变量等）。它在人工智能系统中的应用前景广泛且紧迫。PQC 可以用于保护人工智能工作流程的每个阶段：使用 PQC 算法加密训练数据和模型文件；使用 PQC 数字签名验证模型来源的完整性和真实性；在分布式人工智能计算节点之间建立安全的 PQC 通信通道。Fortinet 指出，PQC 不是一个遥远的概念，而是保护数字系统免受潜在量子威胁的迫切需要的实用解决方案。然而，全面实施 PQC 面临重大挑战：性能和兼容性挑战：许多 PQC 算法在密钥大小、签名长度或计算开销方面远大于现有算法，可能在集成到计算效率高且对延迟敏感的 AI 训练和推理过程中造成性能瓶颈。此外，所有相关的硬件、软件和协议栈都需要升级以确保兼容性。标准和迁移的复杂性：尽管美国的 NIST 等机构正在推进 PQC 的标准化进程，但标准的最终确定和全球统一仍需时间。北京市密码局的商业密码前沿更新显示，行业正在积极开源 NIST 候选算法，以帮助各行业应对威胁。整个迁移过程是一个庞大而复杂的系统工程项目，涉及风险评估、算法选择、混合部署、测试和全面替换，尤其是对于结构复杂的人工智能生态系统。新兴安全风险：PQC 算法本身是一个相对新的研究领域，其长期安全性尚未经过像 RSA 那样的数十年实际密码分析测试。匆忙在人工智能系统中部署可能包含未知漏洞的 PQC 本身就是一种风险。 VI. 面对这一转变，消极等待 “Q 日” 是危险的。量子计算对现有人工智能安全和治理系统的破坏性影响是真实且迫在眉睫的。它并没有完全推翻现有系统，而是通过破坏其密码基础、放大其数据风险、复杂化其伦理问题和突出其监管滞后，迫使整个系统进行深刻而前瞻性的升级。面对这一转变，消极等待 “Q 日” 是危险的。我们建议以下可行路径：** 启动量子安全风险评估和清单编制：** 立即对核心人工智能资产（尤其是涉及长期敏感数据的模型和数据）进行量子威胁评估，识别最脆弱的环节，并建立迁移优先级列表。** 制定和实施 PQC 迁移路线图：** 监测 NIST 等标准机构的进展，并开始规划在人工智能系统开发和运营中的 PQC 集成。在新系统和关键系统中优先采用 “密码灵活性” 设计，以便未来无缝替换密码算法。考虑使用 “经典 +PQC” 的混合加密模型作为过渡。** 推动治理框架的适应性更新：** 行业组织、标准机构和监管者应合作研究并将量子抗性要求纳入人工智能安全标准、数据保护法规和产品认证体系。提前建立 QML 伦理审查的研究框架和指南。** 加强跨学科人才发展和研究：** 培养具备人工智能和量子计算及密码学专业知识的跨学科人才；鼓励在人工智能安全研究中纳入量子威胁模型；资助开发量子抗性人工智能安全技术。量子计算带来的挑战是巨大的，但它也为我们重新审视和加强数字世界的基础提供了机会。通过主动规划、协作创新和灵活治理，完全有可能构建一个更具韧性的人工智能未来，既能拥抱量子计算能力的好处，又能抵御其安全风险。</h2>

国盾量子

国盾量子正在进行重新评估，因为人工智能深入融入社会，引发了对安全性和治理的担忧。量子计算的出现对当前的非对称加密算法构成了重大威胁，可能会危及人工智能系统的安全。这一转变可能会暴露敏感数据，并挑战隐私保护技术。此外，量子计算与人工智能的结合可能会带来新的安全和伦理挑战，迫使现有框架进行重新评估。这些发展的影响深远，涉及从数据隐私到知识产权保护的方方面面

国盾量子作为符合 AI 标准的资产，正在进行 “重新估值”