天气数据遭破坏的风险正在上升

MIT Technology Review 2026/07/17 08:57 新闻

weather-data sabotage prediction-markets ai-forecasting data-integrity cybersecurity

摘要

本文探讨了天气数据操纵日益严重的威胁，这一问题因预测市场和人工智能天气预报而加剧，并重点介绍了一个真实事件：巴黎一处气象站遭篡改，以影响博彩结果。

每天早晨，世界各地的航班调度员、电网运营商和农民都依据同一件事做出决策：天气预报。 虽然大多数人只会瞥一眼天气预报，但天气预测却影响着许多行业的重大战略决策，涉及真金白银、生计，甚至生命。<a href="https://doi.org/10.1016/j.agrformet.2016.09.005">农民</a>用它决定种植哪种作物品种、何时施肥、在灌溉基础设施上投入多少资金，以及牲畜放牧多长时间。<a href="https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9788043">公用事业公司</a>用它决定在哪里建设太阳能和风电场，以及如何定价批发电力。预测用于向人们发出极端天气预警，并触发应急响应措施。近来，天气预测还与一个新兴行业相关：<a href="https://www.bloomberg.com/news/articles/2026-04-10/what-are-weather-prediction-markets-and-do-they-work">预测市场</a>，人们可以在其中押注各种现实世界事件，包括天气。 然而，为了在这些市场中获得优势而操纵天气数据的诱惑，加上向数据驱动的人工智能天气预报的集体转变，正开始危及天气预测的准确性。目前这些风险相对可控，但作为该领域的专家，我们可以预见到它们会演变成更大、更具系统性问题的情况。 要做出天气预测，我们需要对当前状况有准确的观测。这些数据来自多个来源，包括<a href="https://doi.org/10.1175/BAMS-D-11-00153.1">机场、公用事业或交通服务</a>的气象站。传统的业务系统，如<a href="https://www.mmm.ucar.edu/models/wrf">天气预报研究</a>模型或<a href="https://www.ecmwf.int/en/forecasts/documentation-and-support/seasonal">欧洲中期天气预报中心（ECMWF）综合预报系统</a>，将这些观测数据与数值近似相结合，以估算未来的天气模式。 有时，气象站会因仪器故障或设备升级等问题而出错。这些问题可以通过<a href="https://doi.org/10.1175/BAMS-D-21-0171.1">实时（检查与修正</a>）或事后发现。传统预报系统还内置了一种名为资料同化的安全机制：每个输入测量值都会与物理模型应该发生的情况以及附近站点的读数进行权衡。 这些机制共同有助于保持观测可靠和预测稳健。然而，新的威胁正在危及观测准确性。今年早些时候，新闻媒体报道称，巴黎戴高乐机场（CDG）的<a href="https://edition.cnn.com/2026/04/23/europe/france-weather-sensor-polymarket-bet-intl-latam">气象站</a>在2026年4月6日和4月15日被篡改，记录了可疑的温度峰值。当局推测可能使用了手持吹风机或打火机。无论如何，这导致在线预测市场赌徒获得了巨额回报，他们押注温度会达到22°C（71.6°F），而实际平均值约为18°C（64.4°F）。一人赢得了20,000美元。 幸运的是，像这样篡改单个站点通常可以通过人工监控或现行统计方法发现。在本案中，法国一家气候非营利组织的成员偶然发现了这些异常并发出警报。 但如果没有人工监控系统呢？其他类型的操纵呢？如果不是篡改一个站点，而是有人远程同时调整多个站点的读数——使每个变化看起来单独合理呢？现有的质量控制措施难以发现这种协同操纵。而且时间对我们不利；对数据和元数据的仔细检查需要数小时或数天，但预报必须按时发布，无论天气如何。 天气预报向人工智能的转变提高了风险。这些方法更加依赖准确可靠的天气观测；事实上，它们被称为“数据驱动模型”。例如，ECMWF的研究人员正在探索是否可以直接从原始观测数据生成高质量的天气预报，跳过目前作为质量过滤器的同化步骤。其他<a href="https://meetingorganizer.copernicus.org/EGU26/session/56646">研究人员</a>更进一步；将地理空间数据（包括气象站数据）与大型语言模型和自主式人工智能相结合，支持风暴等极端事件期间的实时自主决策。 可能的好处包括<a href="https://www.nature.com/articles/d41586-023-03552-y">准确性、效率和速度</a>的提升。但将人类排除在外会带来大量新风险。 在风险尺度的低端，个别投机者为个人利益操纵气象站——即CDG机场事件。再进一步：一群交易者可以协调行动，使可再生能源产出预测产生偏差，从而影响批发电价，让交易对手方蒙受损失。而在最极端的情况下，国家行为者或破坏者可以操纵一个或多个站点，触发预警系统，或者在应该报警时使其保持沉默。风险逐步升级，从欺诈到危及灾害应对准备，再到国家安全问题。 只要存在操纵观测数据的财务（或其他）激励，对手就会寻找新的机会，我们的任务就是保持领先一步。以下是三种方法。 1. 监控站点。数据质量控制应包括站点安全、异常检测与修正以及人工监督。气象站应持续监控以防止篡改。清理气象记录的数据均一化方法也需要加快速度，目标是实时发现问题。随着自主式人工智能系统利用这些数据做出实时决策，这一点将变得越来越重要。最后，需要人工监督来标记可疑数据和模型输出。毕竟，是人类发现了CDG机场的操纵行为。 2. 保护数据以保障人工智能安全。数据防御机制必须贯穿人工智能管道的各个环节。<a href="https://doi.org/10.1038/s41561-025-01639-x">人工智能可解释性</a>和<a href="https://doi.org/10.48550/arXiv.1412.6572">对抗鲁棒性</a>工具可以帮助我们理解底层数据和人工智能模型输出，帮助我们识别与数据或模型相关的问题，并可能使我们更能抵御对抗性攻击。 3. 确保链中持续的责任追究。观测数据经过多人之手：运营站点的操作员、管理记录的国家气象服务部门，以及将数据转化为预测的预报中心。没有人能单独保护数据完整性——每个人守护自己的环节，任何异常都需要沿着整个链条传达，从站点操作员到依据预报采取行动的人员。 幸运的是，CDG机场的情况被及时发现，但这应成为一个警钟。随着观测数据在天气预报中的作用日益增强，我们需要适应不断变化的威胁。这意味着保护我们的数据和

查看原文

查看缓存全文

缓存时间: 2026/07/20 09:36

# 天气数据被篡改的风险正在上升来源：https://www.technologyreview.com/2026/07/17/1140622/weather-data-sabotage 每天清晨，全球各地的航空公司调度员、电网运营商和农民都在依据同一个东西做决策：天气预报。尽管大多数人只会扫一眼天气预报，但气象预测却影响着众多行业的重大战略决策，其中涉及真金白银、生计甚至人命。农民利用它们决定种植哪种作物品种、何时施肥、在灌溉基础设施上投入多少资金，以及牲畜应放牧多长时间。公用事业公司利用它们决定在哪里建设太阳能和风电场，以及如何为批发电力定价。预测还被用来向人们发出极端天气预警，并触发应急响应措施。最近，天气预测对新兴行业也变得越来越重要：预测市场——人们在这里对各种真实世界事件下注，其中就包括天气。然而，为了在这些市场中获利而操纵天气数据的诱惑，加上集体转向数据驱动的人工智能天气预报，正开始危及天气预测的准确性。目前这些风险相对可控，但作为该领域的专家，我们可以预见一些情景，其中这些风险会雪球般滚成更大、更具系统性的问题。要生成天气预报，我们需要对当前状况进行准确的观测。这些观测数据来自多个来源，包括机场、公用事业公司或交通服务部门的气象站。传统的业务化系统，如天气研究与预报模型或欧洲中期天气预报中心的综合预报系统，将这些观测数据与数值近似相结合，以估算未来的天气模式。有时，气象站会因为设备故障或设备升级等问题出现异常。这些问题可以通过实时核查与修正或事后追溯来发现。传统预报系统还内置了一种名为“数据同化”的保障机制：每一个传入的测量值都会与物理模型所说的“应该”发生的情况以及附近站点的读数进行权衡。这些机制共同帮助维持天气观测的可靠性和预报的稳健性。然而，新的威胁正危及观测准确性。今年早些时候，有新闻媒体报道，巴黎戴高乐机场的气象站在2026年4月6日和4月15日被篡改，记录下了可疑的温度峰值。当局推测可能是手持吹风机或打火机所致。不管怎样，这导致在线预测市场的赌徒获得了大笔赔付——他们押注当天的实际平均气温约为18°C（64.4°F）时，会达到22°C（71.6°F）。其中一人赢了2万美元。幸运的是，像这样对单个观测站的篡改通常可以通过人工监控或现有的统计方法发现。在这个案例中，法国一个非营利气候组织的成员偶然注意到了异常并发出警报。但如果没有人工监控系统呢？如果出现其他类型的操纵呢？假如有人不是篡改一个站点，而是远程同时微调多个站点的读数——使每个变化单独看起来都合理——那又会怎样？现有的质量控制措施难以捕捉这种协同操纵。而且时间对我们不利；对数据和元数据的仔细检查需要数小时或数天，但预报必须按计划发布，无论天气如何。天气预报向人工智能的转变增加了风险。这些方法甚至更加依赖准确、可靠的天气观测；事实上，它们被称为“数据驱动模型”。例如，ECMWF的研究人员正在探索是否可以直接从原始观测数据中生成高质量的天气预报，跳过当前作为质量过滤器的数据同化步骤。其他研究人员则更进一步，将地理空间数据（包括气象站数据）与大型语言模型和智能体人工智能相结合，以支持在风暴等极端事件期间进行实时、自主的决策。可能的好处包括在准确性、效率和速度方面的改进。但将人类排除在外的做法也会带来一系列新的风险。在风险范围的低端，一个投机者为了个人利益篡改气象站——就像CDG机场的案例。再往上一步：一群交易员可以协调起来，使可再生能源输出的预测产生偏差，从而影响批发电力价格，让交易的另一方蒙受损失。在极端情况下，国家行为者或破坏者可以操纵一个或多个站点，触发预警系统，甚至在该报警时使其保持沉默。风险一步步升级，从欺诈到损害备灾能力，再到国家安全问题。只要存在财务（或其他）激励来操纵观测数据，对手就会寻找新的机会，而我们的任务就是保持领先一步。以下是三种方法。 **1. 监控站点。** 数据质量控制应包括站点安全、异常检测与纠正，以及人工监督。气象站应持续受到监控，以防止篡改。用于清理天气记录的数据均一化方法也需要加快速度，目标是实时发现问题。随着智能体AI系统利用这些数据做出实时决策，这一点将变得越来越重要。最后，需要人工监督来标记可疑数据和模型输出。毕竟，正是人类发现了CDG机场的篡改行为。 **2. 保护数据以保障AI安全。** 数据防御机制必须部署在整个AI管道中。AI可解释性和对抗稳健性工具可以帮助我们理解底层数据和AI模型输出，帮助我们识别与数据或模型相关的问题，并可能使我们更能抵御对抗性攻击。 **3. 确保整个链条上的持续问责。** 观测数据经过多个环节：运营站点的人员、管理记录的国家气象服务部门，以及将数据转化为预测的预报中心。没有任何一方能单独保护数据完整性——每个人只守护自己的环节，任何异常都需要沿着整个链条进行沟通，从站点运营者到依据预报采取行动的人员。幸运的是，CDG机场的情况被发现了，但这应该是一个警钟。随着观测数据在天气预报中的作用日益增强，我们需要适应不断变化的威胁。这意味着要加强现有的监督和问责结构，保护我们的数据和模型，并改善关键合作伙伴之间的协调。 *本文由以下人员撰写：* * *莫妮克·库格利奇 — 弗劳恩霍夫海因里希·赫兹研究所创新经理，联合国通过人工智能解决方案应对自然灾害全球倡议主席* * *杰斯珀·德拉姆施 — 欧洲中期天气预报中心机器学习科学家，致力于AIFS（人工智能预报系统），即ECMWF的数据驱动天气预报模型* * *弗朗茨·G·库格利奇 — 气候科学家，波茨坦GFZ亥姆霍兹地学研究中心国际大地测量学与地球物理学联合会执行秘书* * *安德烈亚·托雷蒂 — 欧盟委员会联合研究中心高级科学家，负责哥白尼应急管理服务下的欧洲及全球干旱观测站*

天气数据遭破坏的风险正在上升

相似文章

下载：AI招聘偏见与天气数据破坏

预测市场正在引领新闻走向，并成为独立的报道领域

预测市场让你下注你的城镇是否会因野火而烧毁

剖析预测市场背后的数据

AI如何拯救预测市场（10分钟阅读）

提交意见反馈