银行应用DeepSeek等大模型的安全审计策略研究  

作　　者：吴雪宇 庞雪松 

机构地区：[1]交通银行武汉审计监督分局

出　　处：《审计观察》2025年第4期40-44,共5页AUDIT VISION

摘　　要：随着DeepSeek-R1的爆火,使其遭受了互联网环境下的针对性攻击,这一事件进一步凸显了大语言模型(LLM)安全问题的紧迫性,LLM已成为网络攻击的重要目标。攻击者不仅试图窃取技术机密,还可通过操纵模型行为来影响其输出结果。对银行业而言,此类安全威胁引发链式反应风险会直接冲击金融系统的稳定性。面对严峻形势,银行业在部署LLM技术时亟须构建多维防御体系。银行内部审计部门有必要建立专项审计框架,通过系统化评估模型输出与预期目标的偏差度,持续监测功能异常、性能波动、隐私泄露等潜在风险,同时构建覆盖算法透明度、数据溯源、决策可解释性的问责体系,从而在技术创新与风险防控之间达成动态平衡,为金融业务的数字化转型筑牢安全屏障。

关 键 词：安全审计 大模型 网络攻击 银行业 

分 类 号：F239.4[经济管理—会计学]