待验证60% 置信事实精确时间
AI供应链攻击向量包括训练数据污染（data poisoning）、预训练模型后门植入、模型格式转换过程中的篡改
2
来源数
60%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
已验证AI系统引入了全新的安全风险维度，包括模型幻觉导致的错误决策、提示注入攻击（Prompt Injection）、训练数据投毒、以及AI代理权限滥用等77% 相似待验证2023年牛津大学等机构研究表明，AI模型在含大量AI生成内容的数据上训练会丧失对数据分布尾部的捕捉能力，导致输出单一化和质量退化，即模型自噬76% 相似待验证研究人员已发现针对AI代码建议的提示注入、通过恶意仓库影响模型输出的数据投毒，以及利用Copilot上下文窗口实施的信息泄露攻击等新型攻击路径76% 相似待验证敏感信息传入AI上下文后存在多个潜在风险面：日志留存、模型训练数据混入，以及若AI被授权网络访问时可能的外发行为75% 相似待验证AI生态的模型分发和版本管理过度集中于少数平台会放大单点故障和供应链攻击风险74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/832005API
curl https://kongchang.com/api/v1/knowledge/claims/832005MCP
get_claim(id=832005)