ISO 发布 AI 安全新指南：给模型防盗防投毒立规矩
这份指南到底管啥
据 ISO 官方记录，ISO 与 IEC 在 10 月 14 日发布了 ISO/IEC 27090:2026，首版共 56 页，是专门讲 AI 系统安全威胁的指南。BSI（英国国家标准机构）在 10 月 27 日向英国市场发布，Nemko 等机构也做了跟进解读。它管的不是「用 AI 去防别的攻击」，而是「AI 系统自己会被怎么攻」——数据投毒、对抗样本、模型窃取、成员推断、提示注入、训练数据泄露，这些专门针对 AI 的招数，它一条条列清楚了。
它跟 27001、42001 啥关系
这点特别关键，很多人容易搞混。27090 是一份指南（guidance），不是可认证的标准，你没法拿它去拿证。它的定位是给已经在上 ISO 27001（信息安全）和 ISO 42001（AI 管理体系）的组织，补一层 AI 专属的威胁知识。换句话说，它不是来替你管体系的，是来给你递一本「AI 会被怎么黑」的对照表的。
最扎心的一条结论
标准里提到，检测被投毒的数据和模型，至今仍是开放的研究难题——现在自动化的方法，基本没法可靠区分恶意插进去的数据和正常的异常值。BSI 的调研也挺吓人：75% 的组织过去一年经历过 AI 故障，其中 30% 还导致了安全漏洞。也就是说，你以为自己守得挺好，可能只是还没被发现。这对买现成大模型来用的公司，是个实打实的提醒。
跟欧盟那套法规对得上吗
它对得上欧盟 AI 法案的思路。欧盟 AI 法案第 15 条要求高风险 AI 系统在全生命周期都要有适当的准确性、鲁棒性和网络安全，明确点名了数据投毒、模型投毒和对抗输入。27090 虽然不是法律，但给组织在合规时提供了一套现成的威胁清单，监管往这边走的时候，你手里有本参照，不至于临时抓瞎。
咱们做 AI 的该怎么做
落到实操，几条能马上用的：先把你用到 AI 的地方盘点清楚；把数据投毒、提示注入这些威胁拉进风险评估；给训练数据留好来源和血缘记录；对模型访问、RAG、智能体都上零信任——请求要验证，别因为是「内部来的」就信。标准说得很直白：这些防护措施会互相影响、还会随时间变弱，所以得持续验证。安全这事儿，别指望一次配齐就高枕无忧。
小团队没钱没人力咋办
有人会说，这套标准听着专业，可我就一个小团队，哪有精力搞治理。其实指南里最务实的一点恰恰适合小团队：你不一定要建一套完整的体系，但可以从三件低成本的事做起。第一，盘点——把用到 AI 的地方列清楚，别让模型在你看不见的地方偷偷接手关键流程；第二，留痕——训练数据、模型来源、改过啥，记一笔，出事能溯源；第三，验证——别信一次配置就高枕无忧，定期拿些对抗样本测一测，看它会不会被一句话带偏。这几件事不花钱，但能把大部分低级风险挡在门外。安全这事儿，小团队拼不过大厂的资源，但态度到位，能少踩很多坑。
把话收一句：AI 安全不是开发者一个人的事，它是安全、风险、治理、采购所有人共同的活儿。27090 这本指南最值钱的地方，就是给了大家一套能坐下来一起聊的共同语言。你不用马上考个证，但下次有人跟你吹「我们模型绝对安全」，你可以顺着它的清单问两句：训练数据哪来的、提示注入防没防、模型访问是不是零信任。能答上来的，才靠谱。
