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
待验证对AI公司，常见的风险披露包括训练数据版权争议、模型输出导致的 liability、算力芯片供应中断、能源成本波动以及出口管制等。79% 相似已验证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% 相似已验证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AI公司掌握着稀缺的模型权重、训练数据管道和大量企业客户的接入凭证，因此成为高价值攻击目标。76% 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)