فراتر از خبر،نزدیک‌تر به حقیقت
قیمت‌ها
تصویرسازی مفهومی رونما درباره تماس تلفنی عامل هوش مصنوعی Muse؛ رابط نمایش‌داده‌شده نمونه واقعی اپلیکیشن متا نیست.
هوش مصنوعی

گزارش اختلاط گفت‌وگوها در عامل هوش مصنوعی Muse متا؛ نگرانی درباره افشای اطلاعات خصوصی

گزارش‌هایی از آزمایش داخلی Muse متا حاکی از نمایش اطلاعات ظاهراً متعلق به حساب‌های دیگر است. دامنه و علت مشکل هنوز روشن نشده و متا بر تفاوت نسخه آزمایشی و عمومی تأکید دارد.

پریسا شهیدی ۵ دقیقه مطالعه ۲۰ نوامبر ۲۰۲۶

تکنونما | امنیت هوش مصنوعی و حریم خصوصی | ۲۰ نوامبر ۲۰۲۶

گزارش تازه‌ای از آزمایش‌های داخلی شرکت متا نشان می‌دهد عامل هوش مصنوعی Muse در بعضی موارد اطلاعاتی را در گفت‌وگوی یک کاربر نمایش داده که ظاهراً به حساب یا مکالمه فرد دیگری مربوط بوده است. این موضوع به‌ویژه به‌دلیل دسترسی بالقوه ایجنت‌ها به پیام‌ها و خدمات متصل، پرسش‌هایی جدی درباره تفکیک داده کاربران ایجاد کرده است. بااین‌حال هنوز معلوم نیست دامنه دقیق مشکل چه بوده و آیا همان رفتار در نسخه عمومی محصول نیز رخ داده است یا نه.

گزارش درباره چه چیزی است؟

رویترز به نقل از نوشته‌های داخلی کارکنان متا گزارش داده که هنگام آزمایش Muse، برخی پاسخ‌ها با موضوع درخواست کاربر ارتباط نداشته و حاوی اطلاعات شخصی ناخواسته بوده‌اند. در چند نمونه، کارکنان از مشاهده یادآوری‌هایی درباره فرزندان، توصیه شغلی، سفارش کالا و ارقام مرتبط با حساب‌های بانکی سخن گفته‌اند که مدعی بودند به آن‌ها تعلق ندارد. این‌ها گزارش‌های کارکنان‌اند و لزوماً به معنی تأیید مستقل منبع و مالک هر داده نیستند.

نمونه نگران‌کننده: اطلاعات حساب در مکالمه‌ای بی‌ارتباط

به گزارش رسانه‌ها، در یکی از مکالمات مربوط به وضعیت آب‌وهوا و جزرومد، عامل هوش مصنوعی ناگهان پاسخی اضافه کرده که شامل دو به‌روزرسانی درباره موجودی حساب‌های مالی بوده است. نمونه دیگر به کارمندی مربوط می‌شد که گفته بود هنگام استفاده از عامل در تلفن شخصی، یادآوری پاسخ به پیام یکی از اعضای خانواده در برنامه Signal را دریافت کرده، در حالی که به گفته خودش اجازه چنین دسترسی‌ای را نداده بود. این رخدادها به بررسی مستقل و پاسخ فنی دقیق نیاز دارند.

پاسخ رسمی متا چیست؟

سخنگوی متا در پاسخ به گزارش منتشرشده تأکید کرد که آزمایش توسط کارکنان، بخشی اساسی از توسعه محصول است و هدف آن یافتن کاستی‌ها پیش از بهبود محافظت‌های امنیتی و حریم خصوصی است. او همچنین گفت کارکنان ممکن است نسخه‌هایی از Muse را آزمایش کنند که از نظر امکانات و عملکرد با نسخه عمومی تفاوت دارد. این توضیح برای تفکیک محیط آزمایشی از محصول عمومی مهم است، اما به‌تنهایی روشن نمی‌کند آیا اطلاعات واقعی افراد میان حساب‌ها جابه‌جا شده یا مشکل فقط در تولید پاسخ نادرست بوده است.

چرا اختلاط داده از یک پاسخ اشتباه مهم‌تر است؟

در یک چت‌بات معمولی، تولید پاسخ بی‌ربط معمولاً یک خطای کیفیت محسوب می‌شود. اما اگر پاسخ شامل اطلاعات محرمانه فرد دیگری باشد، مسئله به امنیت داده و کنترل دسترسی تبدیل می‌شود. سامانه باید تضمین کند هر کاربر تنها به اطلاعاتی دسترسی دارد که خودش مجاز به دیدن آن است. این مرز باید در حافظه گفت‌وگو، بازیابی اطلاعات، فراخوانی ابزارها و ارتباط با سرویس‌های بیرونی حفظ شود؛ نه فقط در ظاهر رابط کاربری.

دو توضیح فنی متفاوت

چنین خروجی‌ای می‌تواند دست‌کم دو علت متفاوت داشته باشد. احتمال نخست آن است که مدل، جزئیاتی ساختگی و شبیه داده شخصی تولید کرده باشد؛ در این حالت افشای واقعی داده اثبات نشده است. احتمال دوم اختلاط حافظه، بازیابی اشتباه اطلاعات یا نقص کنترل دسترسی میان حساب‌هاست؛ وضعیتی که می‌تواند افشای واقعی را رقم بزند. تشخیص میان این سناریوها نیازمند بررسی گزارش‌های فنی، شناسه نشست‌ها، منشأ داده و قابلیت بازتولید خطاست. از متن گزارش عمومی نمی‌توان علت را قطعی دانست.

ایجنت‌ها چرا ریسک متفاوتی دارند؟

عامل هوش مصنوعی برخلاف یک سامانه صرفاً پاسخ‌گو ممکن است به تقویم، پیام‌رسان، ایمیل، مرورگر، اطلاعات خرید یا ابزارهای کاری متصل شود و به نمایندگی از کاربر اقدام انجام دهد. همین قابلیت می‌تواند بهره‌وری را بالا ببرد، اما در صورت ضعف مرزبندی داده‌ها، خطا در یک نقطه به چند خدمت گسترش پیدا می‌کند. مسئله تنها خواندن اطلاعات نیست؛ باید کنترل کرد آیا مدل می‌تواند بدون اجازه، متنی را ارسال کند، فایلی را تغییر دهد یا تصمیمی مالی بگیرد.

چه چیزی را نمی‌توان از این گزارش نتیجه گرفت؟

تا زمان انتشار این گزارش، شواهد منتشرشده به ما اجازه نمی‌دهد اعلام کنیم اطلاعات میلیون‌ها کاربر عمومی به بیرون درز کرده یا هکران به سرورهای متا نفوذ کرده‌اند. همچنین روشن نیست کدام بخش از داده‌های نمایان‌شده واقعی بوده، چه مدت قابل مشاهده مانده و چه تعداد آزمایش‌کننده آن را تجربه کرده‌اند. تعبیرهایی مانند «نشت گسترده قطعی» یا «هک Muse» در شرایط فعلی از داده موجود جلوتر می‌روند.

معیارهای فنی برای ارزیابی واکنش شرکت

برای سنجش پاسخ متا باید روشن شود که آیا مشکل قابل تکرار بوده، چه گروهی از کاربران را تحت تأثیر قرار داده و کدام کنترل‌ها بازطراحی شده‌اند. ثبت رویدادهای دسترسی، محدودسازی دامنه مجوزهای برنامه‌های متصل، تفکیک نشست‌ها، آزمون حملات تزریق دستور و پایش غیرعادی بودن بازیابی اطلاعات از اقدام‌های مهم هستند. اگر داده واقعی اشخاص در اختیار حساب دیگری قرار گرفته باشد، اطلاع‌رسانی متناسب با قوانین حفاظت از داده نیز اهمیت پیدا می‌کند.

توصیه کاربردی به کاربران

تا زمانی که شرکت جزئیات تکمیلی ارائه نکرده، کاربران بهتر است مجوزهای هر عامل هوش مصنوعی را دوره‌ای بازبینی کنند و دسترسی به پیام‌رسان‌ها، داده‌های مالی یا فایل‌های حساس را فقط زمانی فعال نگه دارند که برای کار مشخصی ضروری است. نمایش یک موجودی حساب یا پیام مشکوک در گفت‌وگو را نیز نباید دلیل قطعی نفوذ در حساب شخصی دانست؛ اما ثبت تصویر و گزارش آن به پشتیبانی، می‌تواند در بررسی حادثه مفید باشد.

آینده اعتماد به عامل‌های خودکار

رقابت شرکت‌های بزرگ فناوری بر سر عامل‌هایی است که به‌جای کاربر برنامه‌ریزی و اجرا می‌کنند. چنین محصولاتی زمانی اعتماد عمومی به دست می‌آورند که توانایی انجام کار با شفافیت دسترسی و امکان توقف فوری همراه باشد. در این مدل، امنیت فقط یک ویژگی افزوده نیست؛ پیش‌شرط اجازه دادن به نرم‌افزار برای ورود به داده‌های شخصی است. آزمون مستقل و انتشار اطلاعات مشخص درباره خطاها می‌تواند از تبلیغات کلی درباره «ایمنی محصول» معتبرتر باشد.

آنچه باید دنبال کرد

سؤال اصلی این است که آیا متا منشأ خطا را در حافظه مدل، بازیابی داده، یکپارچگی با برنامه‌های دیگر یا رابط آزمون یافته است. همچنین باید دید آیا کاربران نسخه عمومی با چنین رفتارهایی روبه‌رو شده‌اند و شرکت چه تغییر قابل‌اندازه‌گیری برای جلوگیری از تکرار ایجاد می‌کند. تا انتشار این اطلاعات، گزارش موجود نشانه‌ای جدی برای بررسی است، نه حکم قطعی درباره گستره نشت داده در همه نسخه‌های Muse.

منابع

هم‌رسانی تلگرام ایکس واتس‌اپ

کنجکاوی‌تان را ادامه دهید

سه مطلب تازه از تکنونما؛ از هوش مصنوعی تا گجت‌هایی که فردا در دست شماست.

همه روایت‌های تکنونما