Rò rỉ hệ thống kiểm duyệt mới của Trung Quốc

Hệ thống kiểm duyệt này không chỉ nhắm đến những chủ đề cấm kỵ truyền thống mà còn mở rộng sang các vấn đề nhạy cảm khác như tình trạng nghèo đói ở nông thôn, tham nhũng trong lực lượng cảnh sát hay đội ngũ lãnh đạo.

Tập dữ liệu dung lượng khoảng 300 GB này được phát hiện bởi nhà nghiên cứu bảo mật NetAskari, cho thấy cách mà mô hình ngôn ngữ quy mô lớn của Trung Quốc phân loại thông tin. Tập dữ liệu này được lưu trữ trong một cơ sở dữ liệu Elasticsearch không được bảo vệ trên máy chủ của công ty công nghệ Baidu, với các mục nhập mới nhất từ tháng 12.2024.

Tập dữ liệu chứa khoảng 133.000 mục nhập và có các tham chiếu đến "eb35" và "eb_speedpro", cho thấy đây là bộ dữ liệu đào tạo cho chatbot AI Ernie Bot của Baidu. NetAskari cho rằng tập dữ liệu này đang được sử dụng để phát triển một "hệ thống AI tiên tiến" nhằm tự động gắn cờ nội dung nhạy cảm cho chính phủ Trung Quốc.

Nhiều mục tiêu kiểm duyệt được quan tâm

Nội dung mục tiêu kiểm duyệt bao gồm các khiếu nại về tình trạng nghèo đói ở nông thôn, các bản tin về tham nhũng và các bài đăng liên quan đến tham nhũng tống tiền doanh nhân. Các vấn đề chính trị, xã hội và quân sự được "ưu tiên cao" trong tập dữ liệu này, yêu cầu phải được đánh dấu ngay lập tức. Đặc biệt, từ "Đài Loan" được nhắc đến hơn 15.000 lần, cho thấy sự quan tâm lớn của Trung Quốc đối với tình hình chính trị tại đây.

Xiao Zhang, một nhà nghiên cứu an ninh tại Đại học California, Berkeley (Mỹ) nhận định tập dữ liệu này là "bằng chứng rõ ràng cho thấy chính phủ Trung Quốc hoặc các chi nhánh của họ muốn sử dụng LLM để tăng cường kiểm duyệt nội dung". Các phương pháp kiểm duyệt trước đây của Trung Quốc chủ yếu dựa vào các thuật toán cơ bản để tự động chặn các từ bị cấm. Tuy nhiên, LLM có khả năng phát hiện những lời chỉ trích khó xác định bằng các thuật toán thông thường, giúp việc kiểm duyệt trở nên hiệu quả hơn.

• Baidu
• chatbot AI
• rò rỉ dữ liệu
• Trí Tuệ Nhân Tạo
• Trung Quốc