人工智能應用面臨的安全威脅包括以下幾種：
1. 數據隱私問題：人工智能的應用需要許多敏感數據來生成預測、建立模型等。黑客可以利用漏洞獲取這些數據，進而侵犯用戶隱私。
2. 對抗攻擊：黑客可以通過註入噪音或欺騙性輸入來幹擾或欺騙機器學習算法，從而使其產生錯誤或誤導性結果。例如，黑客可能通過改變圖像像素顏色或加入噪聲，使視覺識別系統誤判物體。
3. 不可信數據源：當機器學習算法依賴於外部數據源時，黑客可能會出於惡意目的篡改數據、註入惡意代碼或傳輸虛假數據，從而導致算法失效或表現出與預期不符的行為。
4. 模型欺騙：由於機器學習模型受到數據質量和多種超參數的影響，黑客有可能會針對模型的特定方面進行攻擊，如數據源選擇、算法特點、優化器選擇等。攻擊者可能會通過特定方式構造數據，甚至啟發反向工程分析模型，並在惡意模型中加入後門，以便以後對模型造成損害。
5. 智能惡意軟件：研究人員警告說，人工智能程序被惡意使用的可能性正在增加。由於機器學習算法越來越復雜、智能化，惡意軟件制造者可以利用這種技術來完善攻擊工具。他們可以使用機器學習平臺來定制和測試攻擊向量，並在受害者機器上打開外殼和隱藏代碼，從而可以越來越難以發現。