RAND报告 | AI*CBRN攻防对决,重新定义国家安全防御边界-夜雨聆风

RAND报告 | AI*CBRN攻防对决,重新定义国家安全防御边界

近日，兰德公司发布最新报告，聚焦人工智能（AI）与化学、生物、放射性和核（CBRN）武器交叉领域（AI×CBRN）的研究空白与优先事项。报告通过五场专家研讨会、民调软件收集专家反馈等方式，梳理了AI对CBRN威胁、防御与威慑的影响，剖析了当前该领域存在的协作障碍与风险认知偏差，最终提出针对性研究议程与政策建议，为国家安全领域的政策制定、研究布局提供专业指引。

一、研究背景

随着AI技术在国家安全领域的快速应用，美国战争部已将AI广泛整合到从行政职能到战场应用的各类行动中，这一趋势深刻影响着CBRN武器相关的攻防动态、军备竞赛、战略稳定性及威慑格局。当前，AI与CBRN的交叉融合面临双重现实：一方面，AI赋能或增强的CBRN武器若落入国家与非国家行为体手中，将显著提升相关风险；另一方面，AI也为CBRN防御与威慑提供了新的技术路径与潜在优势。

值得注意的是，AI开发者、技术人员与国家安全政策制定者、CBRN领域专家，对AI与CBRN武器的获取、扩散、使用所带来的风险、机遇及政策建议，存在明显的认知差异与视角分歧。双方普遍担忧AI可能加剧CBRN相关风险，但在风险识别、优先级排序、防御框架构建等核心问题上，尚未形成共识。在此背景下，建立一套跨领域、系统性的研究议程，成为破解认知壁垒、应对安全挑战的迫切需求，这也是本报告的核心研究初衷。

二、核心结论

基于多场研讨会的讨论与专家反馈，报告提炼出AI×CBRN领域的九大核心结论，清晰勾勒出当前该领域的发展现状与突出问题：

其一，社区割裂与协作受阻。AI开发者、安全研究人员与传统CBRN防扩散、防御、威慑社区之间，存在明显的文化、后勤、语言及概念差异，这种“烟囱式”格局阻碍了有意义的协作，也加剧了双方对威胁与风险的认知分歧。

其二，风险认知存在偏差。当前AI安全领域的讨论多聚焦于非国家行为体带来的灾难性风险（如生物工程大流行病），却忽视了累积性、小规模风险以及具有重大国家安全影响的国家级扩散路径，国家层面的CBRN威胁被低估。

其三，分析框架缺乏统一。针对CBRN武器的获取、使用与扩散，AI公司和安全组织采用的科学导向型框架，与国防、反恐及执法领域使用的运营导向型路径分析模型难以对齐，导致检测与干预方法的协调难度加大。

其四，信息与结构障碍突出。AI前沿实验室、政府机构与非政府安全机构之间，缺乏共享机密基础设施、统一分类法、安全通信及交叉许可人员，严重限制了协作效率与研究进展。

其五，防御优势研究不足。当前研究多集中于风险评估，对如何利用高级AI能力开发防御解决方案、构建防御优势，缺乏足够的关注与投入。

其六，危机准备机制不完善。无论是国内还是国际层面，针对AI×CBRN相关危机的准备机制仍处于萌芽阶段，传统监管框架难以跟上AI发展步伐，公私部门在事件检测、危机响应中的协调能力也较为薄弱。

其七，评估生态系统碎片化。各组织的安全基准与评估工作方法各异、优先级不同，在AI驱动的决策支持系统评估、化学和放射威胁评估、AI工具耦合效应评估等方面，存在关键缺口。

其八，人机交互风险被低估。在CBRN相关危机决策中，人机交互中的偏见、影响力与说服问题，是一个关键但未被充分重视的领域，缺乏完善的评估标准与培训方案。

其九，虚假信息加剧安全脆弱性。AI增强型虚假信息（如深度伪造、语音模仿、数据篡改）难以检测，可能污染AI训练数据、助长假旗行动、扰乱危机响应，甚至破坏国际合作，放大AI×CBRN领域的各类风险。

三、核心建议

针对上述结论与现存问题，报告从七大维度提出具体建议：

第一，创建动态风险框架，桥接社区角色与责任。开发集成的多轴威胁分类法，按行为者类型、技术复杂度、CBRN领域及影响路径细分威胁；确保分类法的动态性，适应技术快速变化；建立新兴CBRN风险的近实时评估机制，跟上AI发展步伐。

第二，构建共享安全基础设施与跨社区协作结构。探索连接前沿AI实验室、美国政府国家安全机构及学术研究机构的机密协作框架，建立分层数据共享协议与访问控制；开发跨权限人员培养渠道，保障AI×CBRN分析的数据共享安全；扩大跨学科培训，弥合知识与视角差距。

第三，强化AI在防御优势中的应用。扩大AI×CBRN防御研究，聚焦需求识别、能力优先排序及资源整合；加快AI在CBRN检测、干扰、防护、取证及快速对策开发中的应用；通过展示韧性与归因能力，构建威慑体系，对潜在恶意行为者施加成本。

第四，优先推进CBRN预防与响应能力提升。整合现有大规模杀伤性武器与反恐框架，适配AI相关的CBRN事件；利用跨机构流程（如CBRN取证、拦截），借鉴关键基础设施、核电站等领域的风险管理经验；制定标准化危机通知协议，促进政府与产业间的沟通协作。

第五，全面反击虚假信息与恶意影响。评估AI工具在信息认证、深度伪造识别中的应用效果；探索利用AI检测、反击CBRN事件中的虚假信息，增强社会韧性与公众信心。

第六，加强评估与监督体系建设。为综合国家评估生态系统提供资源支持，赋予其处理机密与专有数据的权限；创建可共享的评估、基准与红队评估库，保护敏感信息；制定AI驱动决策支持系统的评估标准，建立人机界面偏见的检测与缓解机制；定期开展AI×CBRN场景演练，完善结构化事件报告格式。

第七，支持负责任的AI管理与国际合作。通过责任保护、保险机制、公众认可等方式，激励私营部门参与协作；建立向执法部门报告AI恶意或无意滥用的透明程序，保护敏感信息；将AI×CBRN融合作为全球安全挑战，推动国际层面的合作、共享分类法与协调响应计划；依托CBRN工业与实验室安全举措，建立国际合作机制；在盟友间构建AI×CBRN威胁检测的共享分类法与危机沟通渠道。

四、总结