B 站 CEO 的身份证被上传到 GitHub 了？

骑猪看日落 2022-09-12 13:54 148阅读 0赞

本文来源AI新媒体量子位（ID：QbitAI），转载请联系出处

##### 明敏 发自 凹非寺 #####

AI 自动补全代码，结果补出来了一张别人的身份证？

GitHub Copilot 又出神操作了。

有人在推特上晒图，表示自己在使用 GitHub Copilot 时，它竟然给补全出了一张身份证信息出来。

![cfa1947c7729204a9809ff9a31e1607b.png][]

输入 B 站 CEO 陈睿的信息后，下方竟然自动补出了**身份证号**。

这操作确实够吓人的。

网友就表示：恐成社工库利器啊！

![9aa4d36650fc3bfc3a78692cbcf3880d.png][]

不过恐慌之际，眼尖的网友们很快发现了问题：

显示的身份证号其实是**假的**，其中出生年份和校验位明显都是错的。

陈睿应该是 1978 年生，而这里的证件号上显示为 1988。

> 叔叔我啊，变年轻了

![79f7748577438c57c180fe2bb5529d9a.png][]

也就是说，这串所谓的身份证号，其实是 GitHub Copilot 自动生成的**假数据**。

这让人们提起来的心稍微放下了一些。

但是原本是生成代码的 GitHub Copilot，怎么会生成个人隐私信息呢？

## 吃了的，不经意又吐出来 ##

这和 GitHub Copilot 的工作原理有一定关系。

GitHub Copilot 由 **Codex** 模型支持，它可以看做是 GPT-3 的升级版，既能看懂代码、也能看懂自然语言。

**一方面**，GitHub Copilot 为了能看懂注释，需要接受像 GPT-3 一样的语言训练。

语言模型在生成结果时，往往会随机表现出某些训练数据的特征。

也就是模型 “记住了” 见过的数据信息，处理任务时，把它 “吃进去” 的训练数据又 “吐了出来”。

而对于 GPT-3、BERT 这些超大型语言模型来说，训练数据集的来源往往包罗万象，大部分是从**网络公共信息**中抓取，其中免不了**个人敏感信息**，比如姓名、地址、身份证号等等。

有人就表示，b 站高层的个人信息可能早就被人恶意曝光了。

![23d5a82da4b1a7f45d310dab71b7f1e3.png][]

这一次很可能是 GitHub Copilot 在生成结果时，随机表现出了一些训练数据的特征，这部分数据刚好来自陈睿的隐私信息。

事实上，GitHub 的 CEO Nat Friedman 也回应过类似的问题。

他表示 GitHub Copilot 给出的隐私信息都是**假的**，是通过训练数据合成而来。

而前不久曝出的 Copilot 抄袭大神代码、原版注释一事，直接让 Nat 这番回应啪啪打脸。

自动生成的代码不仅和原版一样，连 “what the fuck” 那句注释也用上了。

###### **![651ba381d83f3cbc6456cc63d4ad8be3.gif][]** ######

###### **△**GitHub Copilot 复刻 Quake 代码 ######

**另一方面**，GitHub Copilot 是由数十亿行**公开代码**训练的。

有人认为，这可能是训练集中的原始代码就违反了相关隐私条款。

GitHub Copilot 受到错误代码的影响，意外把陈睿的个人信息从数据集里套了出来。

![0ecfc0717713c58e984304e310272bd7.png][]

虽然这次情况可能只是个意外，但是也暴露了 GitHub Copilot 在安全隐私上存在许多风险。

有网友就对 GitHub Copilot 的敏感信息处理，表示担忧：

> 倒是说会对敏感信息处理，但是我觉得总会有漏的。

![36a01201bf90116077ce5715caa20f98.png][]

小米开源技术委员会主席、小米副总裁崔宝秋则表示，这提醒了用户要注意自己的安全隐私保护，个人数据要记得匿名化。

![969760e3b0ee8619b4451255b04caffb.png][]

## GitHub Copilot 争议不断 ##

事实上，GitHub Copilot 从上线以来就争议不断：

直接照抄源代码、没有开源许可证；

由公共代码库训练，却要以付费商品上线；

……

除了安全隐私上的风险，openAI 还发现 GitHub Copilot 的模型 Codex 与 GPT-3 一样，会生成带有种族主义或其他伦理问题的结果。

最近，自由软件基金会（Free Software Foundation，FSF）也发出了抗议，他们表示使用 GitHub Copilot 必须运行 Visual Studio IDE 或 Visual Studio Code 这种付费软件，侵犯了用户的权益。

![b66a34a8508efd4653515f72b8b7e7cc.png][]

为此，FSF 正在向大众征集 GitHub Copilot 在版权、法律等问题的投稿。

对于这一抗议，GitHub 方面则表示愿意对任何问题持开放态度。

“这是一个全新的领域，我们渴望与开发者就这些话题进行讨论，并引领行业为训练人工智能模型制定适当的标准。”

参考链接：  
\[1\]https://twitter.com/DeltonDing/status/1423651446340259840  
\[2\]https://venturebeat.com/2021/07/08/openai-warns-ai-behind-githubs-copilot-may-be-susceptible-to-bias/  
\[3\]https://www.infoworld.com/article/3627319/github-copilot-is-unacceptable-and-unjust-says-free-software-foundation.html

[cfa1947c7729204a9809ff9a31e1607b.png]: /images/20220828/10b2719ecfde45f497ba9fc09cf510e8.png
[9aa4d36650fc3bfc3a78692cbcf3880d.png]: /images/20220828/30fb90b732b24525a9961edeb05a94bf.png
[79f7748577438c57c180fe2bb5529d9a.png]: /images/20220828/e9e7cda206f5497b8fab72f482634782.png
[23d5a82da4b1a7f45d310dab71b7f1e3.png]: /images/20220828/a21b2ea902b3417eb929e8c74a78528e.png
[651ba381d83f3cbc6456cc63d4ad8be3.gif]: /images/20220828/91aae93baf8c4b5c9be6100512dd4788.png
[0ecfc0717713c58e984304e310272bd7.png]: /images/20220828/d8493e2109924a8abcb93822b9a7c69d.png
[36a01201bf90116077ce5715caa20f98.png]: /images/20220828/71fd9c4bca694dc1a4b09b6bb2e5a13c.png
[969760e3b0ee8619b4451255b04caffb.png]: /images/20220828/8b07ca22f14b4cc88dd92ba4288af1f2.png
[b66a34a8508efd4653515f72b8b7e7cc.png]: /images/20220828/b340db5f06ed4937b4b1ef3e43553a9a.png