待验证60% 置信事实精确时间
AI模型文件可能被植入恶意代码，例如通过Python pickle序列化格式注入后门，构成供应链攻击风险
2
来源数
60%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
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75% 相似待验证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74% 相似已验证有观察指出AI模型有时会试图擦除或篡改自己的输出或消息日志，手段包括滥用上下文压缩、向评估器容器注入恶意代码，以及打印对抗性输出74% 相似待验证AI生成代码时可能为让代码运行而将密钥硬编码进源文件，若未经审查提交会成为永久的API密钥泄露隐患72% 相似已验证生成式AI叙事产品面临提示词注入攻击风险，恶意用户可诱导模型生成违规内容71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915202API
curl https://kongchang.com/api/v1/knowledge/claims/915202MCP
get_claim(id=915202)