待验证50% 置信观点精确时间

GTIG指出开源生态系统中自动化的CNA编号策略会推高基线数字，编号数量反映的是流程激进度而非真实攻击面的扩大

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

GTIG数据揭示：AI时代漏洞披露翻倍

涉及实体

GTIGcompany CNAconcept

相关事实

待验证早期大模型在跨源数据研究任务中容易出现遗漏关键来源、数字混淆或推断链断裂的问题，导致智能体不得不反复补充查询59% 相似待验证通过LoRA等参数高效微调方法，恶意行为体仅需少量计算资源和数据即可移除开源模型内置的安全对齐，使得在模型层面防止滥用对开源生态几乎完全失效57% 相似待验证数据敏感、合规要求高的场景倾向选择开源模型57% 相似待验证在特征标准化、归一化或PCA降维时使用整个数据集（包括测试集）的统计量而非仅用训练集，会造成特征构造泄露56% 相似待验证报告传递的核心趋势是开源与前沿模型的差距在收窄而非扩大56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1048528

API

curl https://kongchang.com/api/v1/knowledge/claims/1048528

MCP

get_claim(id=1048528)