設計與開發

未取得同意即以個資訓練

後門觸發樣本植入

檢索知識庫遭投毒

微調階段破壞安全對齊

人類偏好資料遭操縱

自動化資料管線上游污染

惡意套件混入開發環境

公開平台模型含後門

深度學習框架漏洞遭利用

前處理工具供應鏈漏洞

不安全序列化格式

模型同質化造成系統性風險

模型記憶化導致資料外洩

模型逆向重建訓練資料

歷史資料中的社會偏誤

訓練資料代表性不足

多語言資料分佈失衡

刻板印象被學習並固化

網路爬取內容涉著作權爭議

標籤竄改攻擊

分散式訓練梯度污染

訓練框架自身漏洞

訓練紀錄遭竄改掩蓋問題

微調層檔案遭替換

模型來源鏈不透明

成員推斷攻擊揭露參與事實

向量表示的逆推風險

標註者偏誤傳遞至資料集

合成資料放大既有偏誤

蒐集目的外的二次利用

隱含式蒐集與同意不透明

群眾外包標註遭污染

開源模型授權條款違反

缺乏元件清單導致漏洞盲區