本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘 要：人工智能（AI）与数据安全正形成深度互构的相互促进的发展关系。一方面，AI技术通过智能威胁检测、自动化响应与行为分析，显著提升数据安全防护效率。机器学习模型可实时识别异常流量，预测潜在攻击路径，自然语言处理助力敏感信息分类与合规审查，大幅降低人工运维成本与响应延迟。另一方面，数据安全技术为AI发展提供可信基石，隐私计算（如联邦学习、差分隐私）保障模型训练中数据的“可用不可见”，加密技术与数据脱敏确保高价值训练集的合法流通。这种双向赋能不仅重塑了安全防御边界，更推动AI在更多敏感领域的合规落地，最终形成“以AI强化安全，以安全护航AI”的可持续发展生态。
关键词：人工智能；大模型；数据安全；隐私保护；联邦学习；差分隐私；安全多方计算；可信执行环境
doi：10.12045/j.issn.1007-3043.2025.09.010
AI发展历程
人工智能（Artificial Intelligence，AI）的发展历程可以追到20世纪中叶，其演进经历了多次高潮与低谷。1956年夏天，在达特茅斯学院（DartmouthCollege）的一次会议上，一些专家把人工智能正式确立为计算机科学的一个全新研究领域。
1956—1974年是人工智能发展的第一次高潮，人们发现计算机可以证明数学定理、学习使用语言，大量成功的初代人工智能程序和研究方向不断出现。然而，当时的人工智能研究还难以获得足够的支持，限制了其发展。
20世纪80年代以来，随着计算机性能的突飞猛进，计算机编程语言可以通过程序结构来实现逻辑功能。这促使一种模拟人类专家解决专业领域问题的计算机程序系统即专家系统得到发展，并引发关注。但是，短暂的热潮之后，专家系统暴露出如硬件存储空间的限制、系统维护成本的增加、不会自已学习等问题，人们对专家系统的研究陷入了困境。后来随着大数据技术、硬件技术和深度学习算法的发展，人工智能技术得到快速发展，2017年AlphaGo战胜世界围棋冠军柯洁后，显示了人工智能在局部领域已经超越人类水平；2017年，Google在其论文《Attention Is AllYour Need》中提出自注意力机制，基于该机制提出了Transformer算法，基于该算法中的解码器部分结合预训练和微调技术，诞生了生成式预训练GPT系列模型，2023年，ChatGPT模型横空出世，该模型大幅改善了对话的逻辑性、交互性，2024年，DeepSeek大模型技术问世，人工智能技术迎来了前所未有的快速发展期。
在快速发展的人工智能领域，大模型的使用在推动技术进步和解决问题方面有着显著的潜力，但同时也伴随着一系列的网络安全风险和数据安全风险，一方面，大模型技术的背后是海量训练数据的支撑，大模型输出结果的准确性与参与训练模型的数据量息息相关，随着人工智能技术的不断发展，参与模型训练的数据量激增，这些数据可能成为黑客攻击的目标，从而对保护数据隐私和保证数据安全提出了新的挑战，另一方面，人工智能技术的发展为数据安全、数据治理提供更高效可靠的防护手段。
数据是人工智能的输入，数据安全技术的发展与人工智能的发展存在相辅相成的关系。一方面，通过数据安全技术，可为人工智能的应用提供高质量的合规数据。另一方面，人工智能在整个数据生命周期的管理及数据隐私保护中发挥着重要作用。
