人工智能系统面临的量子风险是指未来量子计算机可能削弱或破解保护人工智能数据、模型、基础设施和通信的密码学方法。组织面临的主要挑战是在敏感信息或服务暴露之前，规划向抗量子密码学的过渡。

量子计算使用与传统计算机不同的原理，并最终可能更快地解决某些数学问题。许多广泛使用的公钥密码学方法依赖于功能足够强大的量子计算机可以高效解决的问题。确切的时间和实际能力尚不确定，但在这样的机器出现之前，长期保存的信息就已经处于风险之中。

先收集，后解密

在“现在收集，以后解密”的攻击中，攻击者在今天收集加密信息，并打算在未来对其进行解密。这对必须多年保持机密的数据非常重要，包括用于构建或运营AI系统的个人、商业、政府或研究信息。AI服务还依靠密码保护来实现软件更新、身份、模型分发、API连接和云基础设施。

“Q日”是一个非正式术语，指的是具备密码学相关功能的量子计算机能够破解广泛使用的公钥系统的那个时间点。目前没有确定的单一日期。根据固定的预测进行规划可能会产生误导，因为组织可能需要数年时间来发现密码学的使用位置、选择替代方案并更新连接的系统。

构建密码敏捷性

密码敏捷性是指在不重建整个服务的情况下替换密码算法和协议的能力。组织可以首先盘点密码保护 AI 数据和操作的位置，包括供应商服务、存储的数据集、模型注册表、设备、证书和备份。他们应该识别出具有较长机密性生命周期的信息以及难以快速更新的系统。

迁移计划应考虑到跨供应商和基础设施的依赖关系。较新的后量子密码标准旨在抵御已知的量子攻击，但选择和部署需要遵循权威的标准和安全指南。在组织测试兼容性、性能和回退程序的同时，适当时可以在过渡期间使用混合方法。

对于人工智能治理而言，这个问题既是技术层面的，也是战略层面的。模型的准确性可能会保持不变，但其数据和交付链的机密性或完整性可能会受到损害。必须为转型指派负责人，在供应商审查中纳入密码学依赖项，并排练如果必须紧急更换保护方法时关键人工智能服务将如何继续运行。尽早进行资产清查和分阶段变更可降低后期仓促应对的风险。