零售 AI 安全
零售 AI 中的安全風險——涵蓋推薦系統操控、動態定價攻擊、庫存預測投毒、客戶服務 AI 利用與詐欺偵測規避。
零售 AI 系統處理大量客戶互動並做出影響營收的即時決策。當這些系統被操控時，後果包含不公正的定價、操控的推薦、庫存中斷與詐欺損失增加。
推薦系統操控
推薦注入
攻擊者影響推薦演算法以推廣特定產品：假評價注入 以正面評價膨脹產品排名。行為偽裝 建立模擬有機購買模式的假互動。搭配操控 利用「經常一起購買」演算法將目標產品與暢銷品配對。
推薦偏誤利用
推薦演算法有系統性偏誤可被商業利用：偏好高利潤產品、偏好新產品、偏好已有高互動的產品。理解這些偏誤的賣家可最佳化其產品以獲得更高能見度。
動態定價攻擊
價格操控
AI 定價系統基於需求、競爭與庫存調整價格。攻擊者可操控這些輸入：需求偽裝 建立假需求訊號以觸發價格變動。競爭價格操控 使用假競爭者網站或被操控的價格饋入影響 AI 定價決策。庫存操控 策略性地影響庫存水準（例如透過假訂單保留庫存）以觸發基於稀缺性的價格上漲。
消費者端定價規避
消費者可操控他們的數位指紋以獲得更好價格：清除 cookie、使用 VPN 改變地理位置、建立新帳戶。了解定價演算法的消費者可系統性地獲得較低價格。
庫存預測投毒
AI 庫存系統從銷售資料、季節趨勢與外部因素預測需求。投毒輸入資料可導致預測錯誤：過度進貨（增加倉儲成本與廢棄風險）或不足進貨（缺貨損失銷售）。
客戶服務 AI 利用
零售客戶服務聊天機器人可被操控以：產生未授權退款或折扣、揭露其他客戶資訊、提供不準確產品資訊、繞過退貨政策限制。
詐欺偵測規避
零售詐欺偵測 AI 識別詐欺交易。規避技術包含：模式常態化（使詐欺行為看起來像合法模式）、特徵操控（調整交易特徵以避免觸發偵測）、帳戶老化（使用老帳戶建立信任然後進行詐欺）。
評估建議
測試推薦系統的操控（假評價、行為偽裝）。評估動態定價的輸入操控。測試庫存預測的資料投毒。評估客戶服務 AI 的提示詞注入。測試詐欺偵測的規避技術。
零售 AI 安全直接影響營收與客戶信任。每個漏洞都有明確的財務影響，使量化風險評估直接。