数据投毒防护

定位

数据投毒防护——识别训练与知识库被污染样本的常规指南 Skill

适用边界

• ✅ 适用：数据投毒、数据污染、训练数据防护、知识库安全、对抗样本、数据治理 等场景下的方法论指导与清单参考。
• ✅ 适用：用户需要结构化步骤、检查清单或最佳实践时。
• ❌ 不适用：需要实时数据或外部系统直连的高频自动化任务。
• ❌ 不适用：须由持牌专业人士出具的确定性结论（法律/医疗/财税等）。

触发词

数据投毒、数据污染、训练数据防护、知识库安全、对抗样本、数据治理。

核心方法

1. 识别异常样本：分布偏移、标签噪声、对抗样本、异常注入
2. 数据源可信度分级与签名/哈希校验
3. 入库前清洗与抽检流程，隔离待审数据
4. 建立回滚与持续监控机制，发现异常可恢复

工作流程

1. 明确目标与场景边界。
2. 套用上述核心方法逐项执行或自查。
3. 输出结构化结果（清单/分级/建议）。
4. 标注不确定项与需人工复核的环节。

红线 / 注意事项

防护降低风险；核心模型上线须配套专业数据治理流程。

附：速查卡

详见 references/速查卡.md。