。 学习 Rust 的一个重要部分是学会如何阅读编译器显示的错误信息：它们会指引你编写出能运 行的代码。为此，我们将提供许多不能编译的示例，以及在每种情况下编译器将显示的错误信 息。请知悉，如果你输入并运行一个随机示例，它可能无法编译！确保你阅读了示例周围的文 本，以判断你尝试运行的示例是否出错。Ferris 也将帮助你区分那些不是意在工作的代码： Ferris 含义 这段代码无法通过编译！ 本章和全书中，我们会展示一些在终端中使用的命令。所有需要输入到终端的行都以 $ 开头。你不需要输入 $ 字符；这里显示的 $ 字符表示命令行提示符，仅用于提示每 行命令的起点。不以 $ 起始的行通常展示前一个命令的输出。另外，PowerShell 专 用的示例会采用 > 而不是 $。 在 Linux 或 macOS 上安装 rustup 如果你使用 Linux 或 macOS，打开终端并输入如下命令： $ curl --proto '=https' --tlsv1.2 https://sh.rustup.rs -sSf | sh 此命令下载一个脚本并开始安装 rustup 工具，这会安装最新稳定版 Rust。过程中可能会提示 你输入密码。如果安装成功，将会出现如下内容： Rust is installed now. Great! 另外，你还需要一个 链接器（linker），它是 Rust 用来将其编译的输出链接成一个文件的程

（d）数据泄露风险。人工智能研发应用过程中，因数据处理不当、非授 权访问、恶意攻击、诱导交互等问题，可能导致数据和个人信息泄露。 3.1.3 系统安全风险 （a）缺陷、后门被攻击利用风险。人工智能算法模型设计、训练和验证 的标准接口、特性库和工具包，以及开发界面和执行平台可能存在逻辑缺陷、- 5 - 人工智能安全治理框架 漏洞等脆弱点，还可能被恶意植入后门，存在被触发和攻击利用的风险。 （b）算力安全风险。 2.1 网络域安全风险 （a）信息内容安全风险。人工智能生成或合成内容，易引发虚假信息传播、 歧视偏见、隐私泄露、侵权等问题，威胁公民生命财产安全、国家安全、意识 形态安全和伦理安全。如果用户输入的提示词存在不良内容，在模型安全防护 机制不完善的情况下，有可能输出违法有害内容。 （b）混淆事实、误导用户、绕过鉴权的风险。人工智能系统及输出内容 等未经标识，导致用户难以识别交互对象及生成内容来源是否为人工智能系统， 图片、音频、视频等高仿真内容，可能绕过现有人脸识别、语音识别等身份认 证机制，导致认证鉴权失效。 （c）不当使用引发信息泄露风险。政府、企业等机构工作人员在业务工 作中不规范、不当使用人工智能服务，向大模型输入内部业务数据、工业信息， 导致工作秘密、商业秘密、敏感业务数据泄露。 （d）滥用于网络攻击的风险。人工智能可被用于实施自动化网络攻击或- 6 - 人工智能安全治理框架 提高攻击效率，包括挖掘