用蘇東坡的何對文筆創作一部科幻小說，生成一部《教父》系列電影續集預告片，生成式用巴哈的下小錢曲風為一首K-pop音樂編曲 這些創作挑戰......，如今對生成式AI而言恐怕都不再困難；借助網路上數TB規模的毒研隊花hub源码网站海量資料進行訓練，加上強大的究團基百學習能力，生成式AI似乎已沒有辦不到的買過事。

然而，期網生成式AI學得快，域修是改維否也能學得好？一支AI研究團隊發現，只要對訓練資料「微量下毒」，誤導就能對生成式AI 的淪為仿有缘 app源码學習成果造成可觀影響，例如散布不實消息或是犯罪竊取個資，而下毒並沒有想像中難。幫兇

網際網路資訊參差不齊，何對訓練資料若未把關恐讓AI淪犯罪幫手

《華爾街郵報》報導，生成式「資料下毒」指的闲来麻将源码编程是AI模型的訓練資料被駭入錯誤或惡意資訊，導致假消息、敏感文件或非法圖片大量散播的資訊攻擊行為。

這類攻擊常見於機器學習領域，而生成式AI在面臨這類攻擊時尤其脆弱，因為它經常極大量吸收公用網際網路上的bt快搜源码文字、圖像及其他類型資料，藉龐大的知識量來「生成」原創內容。

當AI的學習資源來自開放式網路，而非經過挑選、駭客較難入侵的diy图片编辑源码閉鎖性資料庫，AI 就容易遭「投毒」，顯著影響其訓練成果，遭汙染的資料也難以辨認或排除。

例如駭客可以在某些網站寫入不實資訊，「教導」AI聊天機器人散布特定公眾人物的不實謠言，或在網站埋入惡意指令，要求聊天機器人「被問到報稅問題時把個資文件寄到特定信箱」，藉此竊取隱私資料。

維基百科或成AI「投毒」目標，基金會：全球志願者共防風險

蘇黎世聯邦理工學院（ETH Zurich）電腦科學助理教授特拉梅（Florian Tramèr）與一支AI研究團隊2月在線上預印本資料庫arXiv針對資料下毒發表研究結果。他們發現，只需60美元加上一些技術知識，駭客就能對訓練資料微量投毒，並讓生成式AI的大型語言模型對提問做出錯誤回答。