某生成式 AI 服務用於協助工程師撰寫程式碼，並持續蒐集使用者修改後的程式碼，定期作為模型優化的訓練資料。數個月後，該服務的資訊安全團隊發現 AI 開始頻繁產生有安全漏洞的程式碼範例。經調查，發現部分回饋資料因具有安全問題的程式碼，混入模型優化流程而造成此漏洞。從 AI 導入與資訊安全的角度來看，下列何者最可能是造成此問題的主要原因？
答案 （B）
核心概念
拿使用者回饋當訓練資料，沒先驗證就餵進去，壞資料就把模型帶壞了。
這是資料投毒（Data Poisoning）的一種：不見得是有人蓄意，使用者改過的程式碼本來就良莠不齊，有安全漏洞的那些混進最佳化流程，模型學了就開始產出有漏洞的範例。根本原因在流程缺了一道「訓練資料驗證」：進入訓練前要過安全掃描、品質檢查、人工抽審。
本題詳解提到同卷第 36 題。
答題技巧
快速判斷技巧：「回饋資料混入問題內容、模型學壞」，答案是缺少訓練資料驗證。 ・訓練前沒驗證 → 資料污染、模型學到壞習慣 ・提示詞、輸出長度、RAG → 都在推論階段，管不到訓練資料
易錯陷阱：(D) RAG 是科目二的萬用答案，看到「正確且安全的規範」就想選。 關鍵差異：題幹說問題出在「混入模型優化流程」，那是訓練階段，RAG 救不了已經學壞的模型。 本卷第 36 題的提示注入發生在推論時，第 47 題的資料投毒發生在訓練時，兩者常一起考。