19. 某製造企業使用 AI 視覺識別模型進行產品瑕疵偵測，模型由外部供應商交付。資安團隊懷疑供應商在訓練資料中植入資料投毒攻擊(Data Poisoning Attack) ，導致特定類型瑕疵品被系統性誤判為合格出貨。依據 NIST IR 8596《Cyber AI Profile》(2025 年 12 月)，下列哪一項分析最正確地說明此攻擊的特性與應對架構？ (A) 資料投毒屬推論執行階段的對抗性攻擊，應在 AI Agent 輸入介面部署語義過濾器，攔截異常輸入以阻止模型被操控 (B) 此攻擊植入於訓練階段，執行期安全掃描無法偵測，應從訓練資料來源管控、完整性驗證及供應商溯源文件三層次防護 (C) 資料投毒的影響固著於模型訓練結果，模型部署後其決策邊界已固定，持續的推論行為監控對偵測此類攻擊幫助有限 (D) 事後針對訓練資料儲存環境強化實體與邏輯存取控制，限制非授權人員接觸原始資料集，使供應商無法植入惡意訓練樣本