央视“3·15”晚会揭露的AI（人工智能）“投毒”黑产，撕开了生成式AI商业化进程中的灰色地带。当用户对AI的信任度不断提升，将其视为获取客观信息的重要渠道时，一些GEO（生成式引擎优化）服务商却通过系统性投喂虚假信息，让AI沦为商家的“营销傀儡”。
GEO是一种面向大模型的“内容优化”策略，本意在于提升品牌信息在AI回答中的呈现概率。但在利益驱动下，这一技术被异化为操纵信息分发的工具——通过批量制造、投放“高一致性内容”，影响大模型生成结果，甚至形成对用户的误导。
为何海量虚假信息能够突破AI的可信度防线？公众又该如何防范？围绕这些问题，科技日报记者采访了有关专家。
第一问：谁为GEO黑产提供了可乘之机？
“这本质上是一场‘AI对AI’的博弈，根源在于大模型的技术架构本身。”中国电子信息产业发展研究院（以下简称“赛迪研究院”）信息化与软件产业研究所副主任黄文鸿对记者表示。
在他看来，当前主流大模型本质上是“概率语言模型”，是从海量语料中学习语言模式与知识关联，而非像数据库那样存储大量经过验证的事实。尤其是在面对最新信息时，大模型往往依赖联网检索进行补充，这也为GEO黑产提供了可乘之机。
“攻击方通过在互联网，特别是AI大模型产品内设置的默认重点参考或抓取的信源平台上，批量投放高度一致的虚假内容，制造‘虚假共识’。”黄文鸿说，当AI通过检索抓取实时信息时，这类内容更容易被判定为“高权重信息”而被采纳。
更值得警惕的是，借助AI工具，攻击方可以批量生成“污染内容”“虚假内容”“有毒内容”，成本极低，而防御方进行事实核验时却需要逐条比对权威来源，攻防之间存在显著的不对称，仅靠模型自身能力，难以从根本上解决这一问题。
第二问：怎样形成行业级“免疫屏障”？
针对这一新型灰产，黄文鸿认为，首先要完善法律供给。
当前《生成式人工智能服务管理暂行办法》已对AI服务提供者的训练数据质量责任作出规定，但对GEO这类新型灰产的网络平台“投毒”行为，相关规制仍存在空白。因此，他建议将“针对AI系统的恶意信息投喂操纵行为”明确纳入《反不正当竞争法》规制范畴，打通从GEO服务商到委托商家的全链条追责路径。
同时，要压实平台主体责任。AI服务提供方应建立信源数据分级可信度评估机制，对检索来源实施黑白名单管理或者采纳权重升降级机制，从技术上提升“中毒”门槛；平台也应进行异常流量监测，对不规范或恶意矩阵账号进行监控和治理。
此外，还应推动行业协同治理。黄文鸿表示，建议由主管部门牵头，联合头部AI企业建立检索源安全共享与联防联控机制，形成行业级的“免疫屏障”。
第三问：公众怎么做才能辨明真假？
“最关键的是要建立‘AI不是百科全书’的认知。”黄文鸿强调，公众应将AI视为高效的信息整理工具，而非权威的事实裁判者。
具体来看，对于AI给出的关键信息，用户应养成“交叉验证”的习惯，尤其是涉及消费决策、健康医疗等领域的建议，务必通过政府官网、权威媒体、专业机构等多渠道进行核实。同时要警惕“过度一致性”，如果AI的回答对某个品牌或产品呈现高度一致的正面评价，且缺乏客观对比与风险提示，就需要提高警觉。
“用户还应关注AI平台的信息溯源能力，优先选择提供来源标注和引用链接的AI产品。”黄文鸿说，“归根结底，技术素养的提升，是公众在AI时代保护自身权益的基础。”
央视“3·15”晚会揭露的AI（人工智能）“投毒”黑产，撕开了生成式AI商业化进程中的灰色地带。当用户对AI的信任度不断提升，将其视为获取客观信息的重要渠道时，一些GEO（生成式引擎优化）服务商却通过系统性投喂虚假信息，让AI沦为商家的“营销傀儡”。
GEO是一种面向大模型的“内容优化”策略，本意在于提升品牌信息在AI回答中的呈现概率。但在利益驱动下，这一技术被异化为操纵信息分发的工具——通过批量制造、投放“高一致性内容”，影响大模型生成结果，甚至形成对用户的误导。
为何海量虚假信息能够突破AI的可信度防线？公众又该如何防范？围绕这些问题，科技日报记者采访了有关专家。
第一问：谁为GEO黑产提供了可乘之机？
“这本质上是一场‘AI对AI’的博弈，根源在于大模型的技术架构本身。”中国电子信息产业发展研究院（以下简称“赛迪研究院”）信息化与软件产业研究所副主任黄文鸿对记者表示。
在他看来，当前主流大模型本质上是“概率语言模型”，是从海量语料中学习语言模式与知识关联，而非像数据库那样存储大量经过验证的事实。尤其是在面对最新信息时，大模型往往依赖联网检索进行补充，这也为GEO黑产提供了可乘之机。
“攻击方通过在互联网，特别是AI大模型产品内设置的默认重点参考或抓取的信源平台上，批量投放高度一致的虚假内容，制造‘虚假共识’。”黄文鸿说，当AI通过检索抓取实时信息时，这类内容更容易被判定为“高权重信息”而被采纳。
更值得警惕的是，借助AI工具，攻击方可以批量生成“污染内容”“虚假内容”“有毒内容”，成本极低，而防御方进行事实核验时却需要逐条比对权威来源，攻防之间存在显著的不对称，仅靠模型自身能力，难以从根本上解决这一问题。
第二问：怎样形成行业级“免疫屏障”？
针对这一新型灰产，黄文鸿认为，首先要完善法律供给。
当前《生成式人工智能服务管理暂行办法》已对AI服务提供者的训练数据质量责任作出规定，但对GEO这类新型灰产的网络平台“投毒”行为，相关规制仍存在空白。因此，他建议将“针对AI系统的恶意信息投喂操纵行为”明确纳入《反不正当竞争法》规制范畴，打通从GEO服务商到委托商家的全链条追责路径。
同时，要压实平台主体责任。AI服务提供方应建立信源数据分级可信度评估机制，对检索来源实施黑白名单管理或者采纳权重升降级机制，从技术上提升“中毒”门槛；平台也应进行异常流量监测，对不规范或恶意矩阵账号进行监控和治理。
此外，还应推动行业协同治理。黄文鸿表示，建议由主管部门牵头，联合头部AI企业建立检索源安全共享与联防联控机制，形成行业级的“免疫屏障”。
第三问：公众怎么做才能辨明真假？
“最关键的是要建立‘AI不是百科全书’的认知。”黄文鸿强调，公众应将AI视为高效的信息整理工具，而非权威的事实裁判者。
具体来看，对于AI给出的关键信息，用户应养成“交叉验证”的习惯，尤其是涉及消费决策、健康医疗等领域的建议，务必通过政府官网、权威媒体、专业机构等多渠道进行核实。同时要警惕“过度一致性”，如果AI的回答对某个品牌或产品呈现高度一致的正面评价，且缺乏客观对比与风险提示，就需要提高警觉。
“用户还应关注AI平台的信息溯源能力，优先选择提供来源标注和引用链接的AI产品。”黄文鸿说，“归根结底，技术素养的提升，是公众在AI时代保护自身权益的基础。”
据埃菲社报道，多发性骨髓瘤是成年人中继淋巴瘤之后第二常见的血液肿瘤。最近，西班牙的一个科研团队开发出了一种新的免疫疗法来对抗它。实验室实验表明，这种新疗法比目前优先使用的免疫疗法更有 据英国《自然》杂志网站19日报道，美国华盛顿大学科学家首次使用生成式人工智能（AI）工具，帮助他们制造全新抗体。研究团队表示，AI设计抗体或能更好靶向一些很难被攻击的药物标靶，但这些抗体距离临床 记者3月20日从中国科学技术大学获悉，该校郭光灿院士团队在量子态分辨研究中取得重要进展：他们在最小资源消耗的量子态分辨问题中首次提出了全局最优自适应策略，并发展了自适应集体测量实验技术， 3月21日，由安徽省工业和信息化厅指导、中国光伏行业协会主办、阳光电源股份有限公司承办的“PAT2024爱光伏一生一世”先进技术研讨会在合肥举办。光储高压先进技术发布会现场。阳光电源股份有 记者从中国航天科技集团获悉，3月21日13时27分，长征二号丁运载火箭/远征三号上面级在酒泉卫星发射中心起飞，随后将云海二号02组卫星送入预定轨道，发射任务取得圆满成功。云海二号02组卫星由中国航 所谓香喷喷的婴儿，到底是源于人们的爱意，还是说确有其香？《通讯·化学》21日一项小型研究首次分析了婴儿和青少年体味化学组成的差异。研究显示，有两种较难闻的化合物仅在青少年体味样本中 。本文链接：AI被“投毒”，如何避免上当受骗http://www.sushuapos.com/show-2-15678-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 马斯克就千亿美元索赔案放话：若告赢OpenAI，全部收益捐给慈善机构
下一篇： 春日奋进 向新而行·春耕里的新质生产力