What are the authoritative international standards for AI safety classification and grading, including risk levels and supply chain security practices?

以下是国际上较权威的AI安全分类与分级标准，以及相关供应链安全实践的梳理：

一、国际权威AI安全分级标准

1. 欧盟《人工智能法案》（AI Act）
   将AI系统风险明确分为四个等级：不可接受风险（禁止使用）、高风险（需严格评估后投放市场）、有限风险（需透明度要求）和低风险（基本无需监管）。其中，高风险系统（如医疗、教育、交通等领域）需通过安全合规评估，确保技术安全性与伦理合规性[3]。

2. ISO/IEC 23894:2023《人工智能风险管理指南》
   作为ISO/IEC 42001:2023（AI管理体系标准）的配套文件，该标准从风险管理角度提供框架，帮助组织识别、评估和缓解AI全生命周期风险，虽未直接分级，但为风险分类与应对提供了国际通用方法论[2]。

二、国际权威AI安全分类标准

1. 美国NIST《对抗机器学习》（NIST.AI.100-2e2023）
   聚焦AI系统面临的安全威胁，将攻击类型分为数据投毒、模型窃取、模型规避等，并对应提出缓解措施。例如，数据投毒攻击可能污染训练数据导致模型决策错误，该标准为这类风险提供了分类与技术防御指导[4]。

2. 研究领域风险分类（七大类）
   国际研究机构将AI风险分为歧视与毒性、隐私与安全、虚假信息、恶意行为与滥用、人机交互、社会经济与环境危害、AI系统安全性故障与局限性，覆盖技术、伦理、社会等多维度，为政策制定和风险评估提供参考框架[8]。

三、AI供应链安全相关实践

1. 供应商合规与风险管控
   瓦韦斯顿AI网络安全基准建议，在选择AI供应商时需验证其安全合规性（如训练数据使用、模型安全措施），通过合同明确数据共享要求，并配置监控机制确保供应链生态安全[11]。

2. 第三方认证支持
   新加坡等地区的第三方AI认证公司（如SEA-Guard早期版本）提供模型级、系统级或组织级认证服务，帮助供应链中的开发者或用户满足市场安全需求，尤其适合内部缺乏全面认证能力的企业[15]。

以上标准和实践覆盖了风险分级、威胁分类及供应链安全，为全球AI安全治理提供了可落地的框架与工具。