待验证50% 置信事实精确时间

数据投毒攻击按攻击目标可分为可用性攻击和目标攻击，前者旨在降低模型整体性能，后者只在特定触发条件下改变模型行为

1

来源数

50%

置信度

长期有效

时效性

2026/8/19

首次发现

来源

抗投毒概念锚定：防御AI数据污染的新思路

相关事实

已验证数据投毒攻击是将恶意样本混入训练数据集，使模型在部署后对特定输入产生错误行为72% 相似待验证工具调用使攻击面从让模型说错话升级为让模型做错事，危害从信息误导上升为实质性的数据访问和系统篡改71% 相似待验证下游用户对模型的二次微调可能意外破坏原有安全特性67% 相似待验证逆向分析中通过全局搜索区分服务端返回值与前端生成值，是攻击面最小化原则的应用66% 相似待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/772959

API

curl https://kongchang.com/api/v1/knowledge/claims/772959

MCP

get_claim(id=772959)