. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 12.4. 采用测试驱动开发完善库的功能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . --release 并使用 target/release 下的可执行文件进行测试。 把 Cargo 当作习惯 对于简单项目，Cargo 并不比 rustc 提供了更多的优势，但随着程序变得更复杂，其价值会逐 渐显现。一旦程序壮大到由多个文件组成，亦或者是需要其他的依赖，让 Cargo 协调构建过 程就会简单得多。 即便 hello_cargo 项目十分简单，它现在也使用了很多在你之后的 Rust 向引用的类型系统。我的目标是通过编译器的自动检查来保证所有引用的使用都应该 是绝对安全的。不过我未能抵抗住引入一个空引用的诱惑，仅仅是因为它是这么的容 易实现。这引发了无数错误、漏洞和系统崩溃，在过去四十年里可能造成了价值十亿 美元的痛苦和损失。 空值的问题在于当你尝试像一个非空值那样使用一个空值，会出现某种形式的错误。因为空和 非空的属性无处不在，非常容易出现这类错误。 然而，空值尝试表达的概念仍然是有意义的：

人工智能安全治理框架 图像、音频、视频等，宣扬恐怖主义、极端主义、有组织犯罪等内容，干涉他 国内政、社会制度及社会秩序，危害他国主权；通过社交机器人在网络空间抢 占话语权和议程设置权，左右公众价值观和思维认知。 3.2.4 伦理域安全风险 （a）加剧社会歧视偏见、扩大智能鸿沟的风险。利用人工智能收集分析 人类行为、社会地位、经济状态、个体性格等，对不同人群进行标识分类、区 别对待，带 的数据安全和个 人信息保护要求。 5.4 构建负责任的人工智能研发应用体系。研究提出“以人为本、智能 向善”在人工智能研发应用中的具体操作指南和最佳实践，持续推进人工智能 设计、研发、应用的价值观、伦理观对齐。探索适应人工智能时代的版权保护 和开发利用制度，持续推进高质量基础语料库和数据集建设，为人工智能安全 发展提供优质营养供给。制定人工智能伦理审查准则、规范和指南，完善伦理 审查制度。 止下线时妥善处理用户数据。 （c）研发者应确保模型算法训练环境的安全性，包括网络安全配置和数 据加密措施等。 （d）研发者应评估模型算法潜在偏见，加强训练数据内容和质量的抽查 检测，设计有效、可靠的对齐算法，确保价值观风险、伦理风险等可控。 （e）研发者应结合目标市场适用法律要求和风险管理要求，评估人工智 能产品和服务能力成熟度。 （f）研发者应做好人工智能产品及所用数据集的版本管理，商用版本应 可以回退到以前的商用版本。