AI 供应链风险.

组织在构建和部署 AI 系统时所组合的第三方数据集、基础模型、依赖库、插件与基础设施带来的威胁集合。 它属于网络安全的 AI 与机器学习安全 分类。

组织在构建和部署 AI 系统时所组合的第三方数据集、基础模型、依赖库、插件与基础设施带来的威胁集合。

现代 AI 很少从零构建。团队从 Hugging Face 拉取基础模型,使用来自公开爬取的数据集,安装 Python/Node 包,集成向量数据库,调用托管模型 API。每一环都构成供应链风险:被投毒或植入后门的模型权重、含恶意代码的 pickle 文件、PyPI 上的 typosquatting 包、嵌在数据集中的提示词注入载荷、依赖混淆、被入侵的插件以及不安全的推理基础设施。OWASP LLM Top 10 明确列出了供应链漏洞,NIST AI 100-2 与欧盟《人工智能法》也推动可追溯性。控制措施包括 AIBOM、签名的模型制品(模型 Sigstore、Model Signing Spec)、来源追踪、在沙箱中加载权重、固定依赖版本,以及对上游注册中心的持续监控。

针对 AI 供应链风险 的防御通常结合技术控制与运营实践,详见上方完整定义。

常见的别称包括: AI/ML 供应链风险, 模型供应链。