Folia
← 返回头版

研究揭示:0.1%数据投毒即可在AI Agent中植入后门

一项新提交的研究首次证实,攻击者可通过污染预训练语料库,在由大型语言模型驱动的人工智能代理(AI Agent)中成功植入远程代码执行后门。该论文于2026年10月27日提交,指出仅需污染0.1%的预训练数据即可实现攻击,且模型规模越大,攻击成功率越高 1。

实验针对从头开始预训练的Qwen3模型进行,涵盖了0.6B、1.7B及4B三种参数规模。数据显示,在0.1%的数据污染率下,4B参数模型的攻击成功率约为92% 1。此外,即使将污染率大幅降低至0.0005%,该攻击方法依然保持有效性 1。


评论