8,097
0

研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

人工智能技术在蛋白质设计领域的安全隐患引发关注

人工智能工具近年来在蛋白质工程领域的广泛应用显著提升了研究效率。基于蛋白质序列和结构构建的计算生成模型,能够从海量组合中快速筛选出最具应用潜力的蛋白质变体。

技术进步带来的双刃剑效应

人工智能在生物科学领域的应用呈现明显的利弊共存特征:

  • 积极方面:显著加速新型蛋白质结构的研发进程
  • 潜在风险:可能被用于设计和制造有毒蛋白质
  • 重大生物安全漏洞的发现

    近期,由微软公司牵头,联合多家企业、高等院校及科研机构组成的跨学科团队,在生物医学安全领域揭示了一个严重的“零日漏洞”安全问题。研究团队采用开源人工智能蛋白质设计平台,完成了以下关键实验:

  • 以72种已知高危蛋白质为基础样本
  • 成功生成超过7万种具有潜在危害性的蛋白质衍生物
  • 将这些变异体置入当前主流的4套生物安全检测系统进行评估
  • 这项研究凸显了人工智能技术在生命科学应用中亟需解决的安全性挑战
    研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

    研究揭示AI蛋白质设计工具对生物安全筛查系统的规避风险

  • 最新发表在《科学》杂志的研究表明*,当前DNA合成公司广泛采用的有毒蛋白质变体筛查系统存在显著漏洞,可能漏检30%-70%经由人工智能重新设计的危险蛋白质变体。这项由微软等机构联合开展的研究不仅揭示了生物技术领域的潜在安全威胁,同时也为行业提供了有效的解决方案。
  • 关键研究发现与技术突破

    研究团队采用了网络安全领域的红队演练策略,通过对抗性测试证实:

  • 现有人工智能蛋白质设计工具可保留危险蛋白质的结构和功能特征,同时成功规避常见检测系统
  • 研究人员开发的筛查算法补丁已获多家DNA合成公司采用,将漏检率显著降低至平均3%
  • 研究背景与方法论

    该项目由微软首席科学官Eric Horvitz领导,汇聚了来自学术界与产业界的专家团队。研究设定了两个核心目标:

  • 评估人工智能工具改造危险蛋白质并规避检测的现实可能性
  • 开发系统性的检测方法升级方案,提升行业防御能力
  • 团队成员采用主动攻击测试方法,模拟恶意行为者的技术路线,在威胁实际发生前识别并修复系统弱点。

    行业影响与未来方向

    该研究揭示了人工智能技术进步带来的新型生物安全挑战,强调了筛查系统持续更新的必要性。研究提出的解决方案现已应用于多家领先企业的生产系统,包括Twist Bioscience和Integrated DNA Technologies等公司。
    这一成果标志着生物安全防护领域的重要进展,为应对日益复杂的生物技术风险提供了可操作的应对策略。研究团队建议行业建立持续的对抗性测试机制,以保持对新兴威胁的防御能力。
    研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

    人工智能在蛋白质设计中的双刃剑效应

    技术应用与潜在风险

    人工智能技术已深度融入生命科学领域。以AlphaFold2为代表的工具通过分析数百万种已知蛋白质的序列、结构和功能数据,展现出强大的蛋白质设计能力。这种设计能力不仅局限于自然界现有蛋白质的复制,更可创造出全新的人工蛋白质
    正向应用方面,这项技术可用于:

  • 开发精准靶向癌细胞的抗体药物
  • 设计中和病毒的治疗性蛋白
  • 开发高效酶催化剂,用于可持续生物燃料和材料生产
  • 生物安全风险的本质

    核心威胁不在于已知病毒的复制——现有生物安全筛查系统对此已有充分防御能力。真正的风险源于人工智能对有害蛋白质的高效改造能力。人工智能可在维持蛋白质关键三维结构(决定其生物学功能)不变的前提下,改变其底层的氨基酸序列(由DNA序列编码)。这种改造会生成功能相近但基因序列迥异的新型生物分子

    DNA合成环节的安全考量

    即使完成了数字化的蛋白质设计,还需通过DNA合成将其转化为现实世界的生物实体。一些领先的DNA合成服务公司(如Twist Bioscience)在执行DNA合成订单时,会运用生物安全筛查系统来评估潜在的安全风险。这一环节构成了防范人工智能辅助设计的有害蛋白质被实际制造的重要防线。
    研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

    人工智能生成的伪装蛋白质序列对现有生物安全筛查系统构成严峻挑战

    研究发现,传统生物安全筛查系统可能无法识别人工智能生成的有潜在危害性的蛋白质序列。这类系统通常依赖于将新发现的DNA序列与已知危险序列数据库进行比对。然而,人工智能技术能够生成结构高度相似但序列差异显著的蛋白质变体,这会显著降低筛查系统的检测效果。

    研究方法与技术路线

    研究团队采用严格的计算模拟方法开展实验,整个过程未涉及真实DNA或蛋白质的合成,确保了生物安全性:

  • 样本选择:选取72种已知的高危蛋白质(Proteins of Concern, POCs),包括蓖麻毒素及肉毒杆菌神经毒素等典型危险物质
  • 模型应用:使用三种开源蛋白质序列生成模型(ProteinMPNN、EvoDiff-MSA和EvoDiff-Seq)对这些蛋白质进行序列改造
  • 改造目标:生成在维持原蛋白功能结构的同时最大程度改变其氨基酸序列的人工智能变体
  • 关键实验数据

  • 变体生成数量:76,080个合成蛋白质变体
  • 评估标准:通过OpenFold结构预测工具计算两个关键指标
  • TM-Score:量化变体与原始蛋白质的结构相似度
  • ApLDDT:评估结构预测的置信水平
  • 测试范围:4种主流生物安全筛查系统(基于正则匹配、隐马尔可夫模型及神经网络增强技术)
  • 重要研究发现

    实验数据表明,人工智能生成的蛋白质变体表现出令人担忧的规避能力

  • 逃逸比例:30%-70%的人工智能变体能成功通过现有系统的检测
  • 结构保持性:高TM-Score和高ApLDDT值的变体维持了与原蛋白相近的功能特性
  • 这一结果凸显了现有生物安全筛查技术在应对人工智能生成生物分子方面的局限性,为相关领域的安全评估标准优化提供了重要的实证依据。
    研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

    人工智能生成蛋白质序列的生物安全风险及应对策略研究

    数字世界中的类毒素序列虽然其实际致病性尚未明确,但由于与原始毒素结构的高度相似性,这些由人工智能生成的蛋白质序列很可能保留有害功能,构成重大生物安全威胁。

    漏洞修复与技术升级

  • 应急响应机制:研究团队通过与行业伙伴合作,历时10个月完成了跨部门保密的快速响应,其流程效仿了软件领域的零日漏洞紧急处理模式。
  • 筛查系统改进:部署新型软件补丁和筛查策略后,检测效能显著提升:
  • 平均漏报率降至约3%
  • 最优系统漏报率仅为1%
  • 然而,研究指出完全检测所有高危变种的目标尚未达成

    漏报现象深度分析

    研究团队识别了三大类漏报原因:

  • 序列相似性误导:部分人工智能生成序列与无害自然蛋白质更相似,导致筛查系统依据最佳匹配原则误判
  • 分类标准不一致:科学界对毒素辅助成分的危害等级存在分歧
  • 系统参数局限:训练参数对特定蛋白质类型的识别效果欠佳
  • 这些发现表明现有筛查系统的底层逻辑需要根本性革新,以应对人工智能技术的快速发展。研究人员建议建立可定制化系统并制定更精确的威胁分级标准。

    Twist Bioscience的技术贡献

    Twist Bioscience公司在本研究中发挥了重要作用:

  • 核心技术优势
  • 开发高通量半导体DNA合成平台
  • 实现百万分之一的化学反应微缩
  • DNA合成错误率低至1:7500,显著优于传统方法(1:200-1:500)
  • 该公司硅基芯片的合成能力可达9,600个基因同时合成,远超传统96孔板的单一基因合成效率。

    创始人专业背景

    首席执行官Emily Leproust博士:

  • 高通量DNA合成与测序领域先驱
  • 曾任安捷伦科技关键技术负责人
  • 拥有有机化学博士学位
  • 持有数十项专利及大量学术出版物
  • 研究表明AI可伪装有害蛋白,微软Science发文揭示“零日漏洞”,DNA合成公司紧急升级筛查系统

    Twist Bioscience卷入商业纠纷,合成生物学安全性研究获突破性进展

    2016年,全球知名生物科技企业安捷伦科技(Agilent Technologies)对Twist Bioscience公司提起诉讼,指控其创始人艾米丽·勒普鲁沃斯特(Emily Leproust)在创立这家定制DNA产品与服务供应商过程中存在商业机密窃取行为。该诉讼最终于2020年达成和解,Twist Bioscience为此支付了2250万美元的和解费用。值得注意的是,目前针对艾米丽及Twist Bioscience的一项集体诉讼仍在调查中,原告指控公司高管团队虚假陈述了其”创新专有技术能够以更低成本和更高质量生产合成DNA”的能力。

    生物安全研究取得重要突破

    Twist Bioscience参与的网络生物安全研究展现了重要的学术价值。这项由微软等机构共同完成的论文已通过同行评审,其研究成果具有以下突出贡献:

  • 首次将网络安全领域的红队演练、零日漏洞等概念与方法引入生物安全研究
  • 将原本局限于学术讨论层面的网络生物安全问题,推进至可验证、可复制的实践层面
  • 成功开发出解决方案,将现有筛查工具存在的重大安全漏洞缩小为可控风险点
  • 生物安全筛查技术面临的挑战

    尽管此次研究取得了显著进展,但专家指出:

  • 目前尚无完美的筛查工具能够应对所有潜在威胁
  • 随着人工智能技术的快速发展,现有筛查系统将在相当长时间内面临严峻挑战
  • 需要建立持续性的技术更新机制以应对不断演变的生物安全风险
  • 这项研究为合成生物学领域的风险评估防控机制建设提供了重要参考,同时也突显了跨学科合作在现代科研中的关键作用。

    © 版权声明

    相关文章