作者：張峯
目前，人工智能正以前所未有的深度融入社會生產和生活，其安全與治理體系構成了數字時代的基石。然而，根植於物理原理的計算力革命——量子計算，正在悄然逼近，其潛在的顛覆性力量對現有的安全防禦和治理框架構成了嚴重挑戰。量子計算會否顛覆現有的人工智能安全與治理體系？這不僅是一個技術問題，更是一個關乎數字社會未來秩序的全球性挑戰。當計算力的飛躍遇到監管的滯後，我們該如何為 “Q 日” 做好準備？
<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. 量子計算如何威脅當前廣泛使用的非對稱加密算法？非對稱加密 當前人工智能系統的安全性，從模型傳輸和數據存儲到身份認證，嚴重依賴於非對稱加密算法，如 RSA 和 ECC（橢圓曲線密碼學）。這些算法的安全性基於數學問題的計算複雜性，例如大數分解或離散對數——這些問題是經典計算機無法在可接受的時間內解決的。然而，量子計算帶來了根本性的範式轉變。量子算法，例如 Shor 算法，理論上可以將這些問題的解決時間從指數級縮短到多項式級。一篇論文回顧指出，最新的量子算法，包括 Regev 算法及其擴展，正在不斷優化其破解非對稱加密的效率。這意味着，一旦出現足夠大規模的量子計算機（通常指具有數百萬個穩定量子比特的通用量子計算機），當前保護互聯網通信、數字簽名和加密數據的 “鎖” 可能會瞬間被打開。這一威脅並非空穴來風。來自智源社區的研究警告稱，這是一種持續的威脅：攻擊者現在可以開始攔截和存儲加密通信數據（包括 AI 訓練數據、模型參數等），等待未來量子計算機成熟後進行解密。這種 “先攔截，後解密” 的策略使所有需要長期保密的高價值信息，包括國家機密、商業專利和個人隱私數據，面臨未來的風險。因此，量子計算對非對稱加密的威脅是根本性和系統性的，直接動搖了當前人工智能乃至整個數字世界安全系統的基礎。 II. 面對量子計算，人工智能模型訓練和數據隱私保護面臨哪些新挑戰？ 人工智能的發展依賴於大量數據的輸入和複雜模型的訓練，這一過程本質上充滿了隱私和安全挑戰。量子計算的介入使這些挑戰變得更加尖鋭和複雜。首先，數據在其生命週期內的長期保密性受到威脅。如前所述，目前在雲中加密存儲或傳輸的 AI 訓練數據集可能因未來的量子解密而完全暴露。西安交通利物浦大學的《全球反量子遷移戰略白皮書》明確指出，全球對手正在系統性地實施這一 “數據收割” 策略，耐心等待 “Q 日”（量子計算機變得實用的那一天）。這對基於敏感數據（如醫療記錄、財務信息和生物特徵）的 AI 模型構成了根本威脅。其次，隱私保護計算技術，如聯邦學習，面臨新的挑戰。聯邦學習通過在本地訓練模型並僅交互更新模型參數來保護原始數據。然而，這些交互的梯度或參數更新信息本身是加密傳輸的。如果底層加密被量子計算攻破，攻擊者可以逆向工程參與者的原始數據特徵，從而使隱私保護機制失效。最後，模型盜竊和知識產權保護變得更加困難。經過良好訓練的 AI 模型是企業的核心資產。目前，模型權重和架構通常使用加密進行分發和部署。量子計算可能使這些保護失效，導致模型被輕易複製、逆向工程或篡改，從而導致嚴重的知識產權侵犯和安全漏洞。中國信息通信研究院在其《人工智能治理藍皮書》中強調，人工智能治理需要應對技術濫用和數據安全等風險，而量子計算無疑放大了這些風險的破壞力。 III. 量子機器學習的發展將如何影響人工智能安全和倫理審查框架？ 量子計算與人工智能的結合——量子機器學習（QML）預示着新一輪性能突破的到來。然而，它也帶來了前所未有的新安全和倫理挑戰，影響現有的審查框架。在安全方面，QML 可能產生更強大的攻擊工具。例如，量子算法可能顯著加速對抗樣本的生成，創造出更隱蔽和破壞性的攻擊，迅速使基於經典計算的當前 AI 安全防禦系統（如對抗訓練和異常檢測）變得過時。一些分析人士稱 “量子 + 人工智能” 為網絡安全的下一個戰場，指出需要對相關監管框架進行主動改進。在倫理方面，QML 的 “黑箱” 特性可能比經典 AI 更為深刻。其決策過程基於量子疊加和糾纏狀態，可能更難以解釋、審計和追責。圍繞 QML 的倫理辯論和風險，如算法公平性、責任定義和技術可控性，已被廣泛討論。如何在量子尺度上實施現有的人工智能倫理原則（如透明性、公平性和問責制）？監管機構如何審查基於量子電路的決策模型，這些模型可能存在於多個疊加狀態中？這些都是現有倫理審查框架尚未準備好的挑戰性問題。治理模型需要從簡單的技術合規轉向對量子特性及其社會影響本質的更深刻理解。 IV. 現有的人工智能治理法規（如 GDPR）能否應對量子計算帶來的安全變化？ 現有人工智能和數據治理法規的核心原則，以歐盟的《通用數據保護條例》（GDPR）為例，如 “設計保護和默認保護”、“數據最小化”、“存儲限制” 和 “完整性與保密性”，在概念層面上仍然具有指導意義。然而，在具體的技術實施和合規要求方面，它們面臨着量子計算帶來的 “合規差距”。GDPR 要求數據控制者採取適當的技術和組織措施以確保數據安全。但在量子威脅的背景下，什麼構成 “適當” 的加密措施？繼續使用被證明對量子不安全的算法在未來可能被視為未能履行安全義務。如何在面對可能瞬間完成且不留痕跡的量子計算高級攻擊時，有效執行法規中數據泄露通知的時間限制？全球立法者已認識到變革的必要性。《2025 全球人工智能治理報告》顯示，各國正在加速制定具體的人工智能治理法律，並建立高層協調機構。中國在其《數字中國發展報告（2024）》中強調需要 “加快數據基礎設施的完善”，並持續推動 “AI+” 倡議。這些趨勢表明，治理體系正在積極調整。然而，專門針對 “量子計算 + 人工智能” 交集的法規目前幾乎不存在。現有法規缺乏關於後量子密碼學遷移時間表、QML 模型審計標準和量子時代數據安全級別分類的具體規定，難以有效應對即將到來的安全變化。 V. 後量子密碼學在人工智能系統中的應用前景和實施挑戰是什麼？ 應對量子威脅的最直接技術解決方案是後量子密碼學（PQC）。PQC 指的是能夠抵禦量子計算機攻擊的密碼算法。它不基於量子原理，而是基於被認為即使對量子計算機也難以快速解決的新數學問題（如格、編碼、多變量等）。它在人工智能系統中的應用前景廣泛且緊迫。PQC 可以用於保護人工智能工作流程的每個階段：使用 PQC 算法加密訓練數據和模型文件；使用 PQC 數字簽名驗證模型來源的完整性和真實性；在分佈式人工智能計算節點之間建立安全的 PQC 通信通道。Fortinet 指出，PQC 不是一個遙遠的概念，而是保護數字系統免受潛在量子威脅的迫切需要的實用解決方案。然而，全面實施 PQC 面臨重大挑戰：性能和兼容性挑戰：許多 PQC 算法在密鑰大小、簽名長度或計算開銷方面遠大於現有算法，可能在集成到計算效率高且對延遲敏感的 AI 訓練和推理過程中造成性能瓶頸。此外，所有相關的硬件、軟件和協議棧都需要升級以確保兼容性。標準和遷移的複雜性：儘管美國的 NIST 等機構正在推進 PQC 的標準化進程，但標準的最終確定和全球統一仍需時間。北京市密碼局的商業密碼前沿更新顯示，行業正在積極開源 NIST 候選算法，以幫助各行業應對威脅。整個遷移過程是一個龐大而複雜的系統工程項目，涉及風險評估、算法選擇、混合部署、測試和全面替換，尤其是對於結構複雜的人工智能生態系統。新興安全風險：PQC 算法本身是一個相對新的研究領域，其長期安全性尚未經過像 RSA 那樣的數十年實際密碼分析測試。匆忙在人工智能系統中部署可能包含未知漏洞的 PQC 本身就是一種風險。 VI. 面對這一轉變，消極等待 “Q 日” 是危險的。量子計算對現有人工智能安全和治理系統的破壞性影響是真實且迫在眉睫的。它並沒有完全推翻現有系統，而是通過破壞其密碼基礎、放大其數據風險、複雜化其倫理問題和突出其監管滯後，迫使整個系統進行深刻而前瞻性的升級。面對這一轉變，消極等待 “Q 日” 是危險的。我們建議以下可行路徑：** 啓動量子安全風險評估和清單編制：** 立即對核心人工智能資產（尤其是涉及長期敏感數據的模型和數據）進行量子威脅評估，識別最脆弱的環節，並建立遷移優先級列表。** 制定和實施 PQC 遷移路線圖：** 監測 NIST 等標準機構的進展，並開始規劃在人工智能系統開發和運營中的 PQC 集成。在新系統和關鍵系統中優先採用 “密碼靈活性” 設計，以便未來無縫替換密碼算法。考慮使用 “經典 +PQC” 的混合加密模型作為過渡。** 推動治理框架的適應性更新：** 行業組織、標準機構和監管者應合作研究並將量子抗性要求納入人工智能安全標準、數據保護法規和產品認證體系。提前建立 QML 倫理審查的研究框架和指南。** 加強跨學科人才發展和研究：** 培養具備人工智能和量子計算及密碼學專業知識的跨學科人才；鼓勵在人工智能安全研究中納入量子威脅模型；資助開發量子抗性人工智能安全技術。量子計算帶來的挑戰是巨大的，但它也為我們重新審視和加強數字世界的基礎提供了機會。通過主動規劃、協作創新和靈活治理，完全有可能構建一個更具韌性的人工智能未來，既能擁抱量子計算能力的好處，又能抵禦其安全風險。</h2>

國盾量子

國盾量子正在進行重新評估，因為人工智能深入融入社會，引發了對安全性和治理的擔憂。量子計算的出現對當前的非對稱加密算法構成了重大威脅，可能會危及人工智能系統的安全。這一轉變可能會暴露敏感數據，並挑戰隱私保護技術。此外，量子計算與人工智能的結合可能會帶來新的安全和倫理挑戰，迫使現有框架進行重新評估。這些發展的影響深遠，涉及從數據隱私到知識產權保護的方方面面

國盾量子作為符合 AI 標準的資產，正在進行 “重新估值”