归纳总结：
核心问题：
- 美国现行的《计算机欺诈和滥用法案》（CFAA）无法有效保护从事人工智能安全研究的人员，反而可能使他们面临法律风险。
关键数据与事实：
-
学术观点：
- 哈佛大学的一组学者在Black Hat大会上指出，CFAA对于AI安全研究的保护不足。
- 学者包括Kendra Albert（哈佛法学院）、Ram Shankar Siva Kumar和Jonathon Penney。
-
法律定义模糊：
- Albert提到，当前法律未明确定义“提示注入攻击”等行为，使研究人员难以判断其合法性。
- 2021年，美国最高法院在Van Buren诉美国案中的裁决仅适用于未经授权访问内部计算机信息的行为，但这一解释对大型语言模型（LLM）来说并不充分。
-
法律复杂性：
- 与传统计算机系统不同，使用自然语言与AI互动使得法律定义更加复杂，因为AI的回应往往不等同于从数据库中检索信息。
-
研究者困惑：
- Kumar提到，AI安全研究的合法性讨论远少于版权等问题，他不确定进行某些攻击测试时是否会受到保护。
- Albert认为，在当前法律不确定的环境下，需要通过未来的诉讼来澄清相关规定，以保护好心的研究人员。
潜在影响：
- 法律支持建议：
- Albert建议安全研究人员寻求法律支持，以确保其行为不违反法律。
- 研究人员担忧：
- 法律条款模糊可能会阻止潜在研究人员进入该领域，让恶意攻击者逍遥法外，增加安全风险。
结论与建议：
- 现有的CFAA需要更新和澄清，以适应快速发展的AI技术，特别是大型语言模型的安全研究。
- 法律应明确界定新型网络安全攻击行为，以便研究人员能够更放心地进行合法研究。
- 未来的法律诉讼可能有助于澄清这些问题，但在此之前，研究人员应谨慎操作并寻求法律咨询。
