行业
Data Poisoning
攻击者通过向训练数据注入恶意样本，使模型在特定输入上出错或行为异常。
详细解释
数据投毒发生在模型训练阶段，攻击者篡改或插入带触发模式的样本，植入后门或降低整体性能。它是 AI 安全的重要威胁，防御手段包括数据清洗、鲁棒训练、异常检测与差分隐私。随着大模型依赖海量网络数据，投毒风险与供应链安全问题日益突出。
别名与相关写法
data poisoning
攻击者通过向训练数据注入恶意样本，使模型在特定输入上出错或行为异常。
数据投毒发生在模型训练阶段，攻击者篡改或插入带触发模式的样本，植入后门或降低整体性能。它是 AI 安全的重要威胁，防御手段包括数据清洗、鲁棒训练、异常检测与差分隐私。随着大模型依赖海量网络数据，投毒风险与供应链安全问题日益突出。