大型語言模型隱私風險：研究證實 AI 訓練資料具備還原可能性

大型語言模型以海量文字訓練，可能記憶含姓名、電話等個資的內容。研究顯示，攻擊者可藉特定提示誘導模型重現原始資料，使風險從資料蒐集延伸至輸出階段；模型規模與參數持續增加，也讓輸出審查、法律責任與隱私保護更受重視。

近期研究進一步證實訓練資料具備還原可能性，主流 AI 聊天機器人對個資保存、訓練使用及刪除機制也存在差異。不過現有事件資料未提供研究機構、發表日期、模型參數或涉及金額，尚無法量化外洩規模；目前焦點轉向部署輸出過濾與防止敏感資訊重現的機制。