深度分析 機器學習模型於 MCP 攻擊偵測的高精度研究與應用 模型上下文協定(MCP)為大型語言模型新擴充功能,亦產生新攻擊面。本研究以監督式機器學習與深度模型偵測惡意 MCP 工具,二元分類達 100% F1,多類別最高 90.56% F1,優於傳統規則式。此成果顯示 AI 防禦可透過學習模型提升效能。
資料漂移 資料漂移對機器學習安全模型的衝擊與因應策略全面解析 資料漂移使機器學習安全模型失效,資安團隊需留意模型表現下降、統計分布變化與預測行為異常等徵兆。透過KS測試或PSI等方法偵測,並定期再訓練模型,可降低因漂移造成的偽陽偽陰風險,維持防禦效能。