我們為何應開始為大語言模型進行代碼簽署

多年來我們一直在探討代碼簽署。這是一項已獲廣泛認知的實踐：為代碼簽署，即可明確目前運行的內容來源可靠。但當「代碼」不再僅僅是過程化邏輯時，會發生什麼？當一個系統開始自主思考、自主行動時，又會發生什麼？

在最新一期 Root Causes Toronto Sessions 播客中，我和 Tim 探討了一個一直在悄然醞釀的話題：模型簽署。隨着人工智能愈來愈深地嵌入從智能手機到 IoT 傳感器的各類日常設備，我們正見證一個趨勢：原本部署在雲端的大型語言模型，正逐步轉向在邊緣側離線運行的小型甚至微型語言模型。

這類模型效率高、針對性強，且能力持續增強。但問題在於：你能確定設備上運行的模型就是你預期部署的那個版本嗎？

水面下的隱藏風險

可以把 AI 想像成一座冰山。吸引眼球的雲端大語言模型是露出水面的尖端，可見且為人熟知。但 AI 未來的大部分價值潛藏在水面之下：即嵌入在設備中的小型語言模型，這類模型往往在設備生產階段就已植入。它們屬於靜態模型，包含統計權重，且極少（甚至完全沒有）經過簽署。

這是一個隱患。

如果我們不對這些模型進行簽署，就等於為惡意篡改或意外改動敞開了大門。而且和傳統代碼不同，模型本身幾乎不具備確定性，這使得篡改行為更難被發現，潛在風險也更高。

模型簽署的重要性

我們已經了解未簽署固件的風險。試想一下，如果這些風險發生在能夠影響決策、自動執行任務、並與敏感數據互動的 AI 模型上，其影響將十分巨大。

因此我想向各位提出幾個問題：

• 你的邊緣設備上運行的是可信模型嗎？
• 你是否具備驗證模型完整性的機制？
• 你的機構是否做好了應對模型部署「野蠻生長」階段的準備？

因為目前模型簽署領域既沒有行業聯盟，也沒有統一規則，更沒有配套基礎設施，甚至連一套通用的術語體系都尚未建立。我們是時候着手構建這套體系了。

這不僅僅是技術問題，更是信任問題。隨着 AI 的普及，模型簽署必須像多年前的代碼簽署一樣，成為標準實踐。但二者的區別在於，我們現在要簽署的不再只是代碼，而是具備思考能力的機器。

機器已經具備思考能力，我們是時候開始為它們簽署了。這只是相關討論的開端。Sectigo 將致力於引領這一領域的探索。敬請關注後續更多相關內容。