生成式AI模型的供应链可解释性风险与对抗攻击防御——以需求预测场景为例 .docx

PAGE2

生成式AI模型的供应链可解释性风险与对抗攻击防御——以需求预测场景为例

摘要

生成式人工智能在供应链需求预测中的深度应用，在提升预测精度的同时，也引入了模型可解释性缺失与对抗攻击脆弱性两大系统性风险。本文以风险管理为理论视角，聚焦需求预测场景下生成式AI模型的供应链可解释性风险，系统剖析恶意样本扰动训练数据对预测结果的干扰机制，并设计鲁棒性检测方法与模型加固策略。

全文遵循“风险识别—机制解析—防御建构”的递进逻辑。第一章阐明研究背景与问题指向，明确生成式AI供应链应用中的可解释性困境与对抗攻击威胁。第二章梳理国内外关于AI可解释性、对抗攻击与供应链风险管理的研究脉络，识别现