Состязательные примеры и тест на надежность

Ответы и пояснения появляются по мере прохождения теста.

1. Under a specified threat model, what is an adversarial example?
   • An input crafted to cause a model error using changes allowed by that threat model
   • Any ordinary prediction error on unmodified input
   • An input that must contain tiny, imperceptible pixel changes
   • A model update that improves accuracy on every distribution
2. Что отличает атаку «белого ящика» от атаки «черного ящика»?
   • Атаки «белого ящика» работают только с белыми изображениями.
   • В «белом ящике» злоумышленник имеет доступ к внутренним компонентам/градиентам модели; в черном ящике только выводит
   • Атаки «черного ящика» всегда быстрее
   • Атаки «белого ящика» не требуют вычислений
3. FGSM (метод быстрого градиентного знака) представляет собой состязательный пример...
   • Случайное перетасовывание пикселей
   • Переобучение модели с нуля
   • Делаем шаг в направлении знака градиента потерь по отношению к входу
   • Обрезка изображения
4. What is adversarial training commonly used for?
   • Guaranteeing robustness to every possible attack
   • Proving a classifier is fair
   • Eliminating all clean-data errors
   • Improving robustness against the adversarial threat model represented during training
5. Почему вызывает беспокойство «переносимость» состязательных примеров?
   • Атака, организованная на одну модель, часто вводит в заблуждение другие модели, позволяя проводить атаки «черного ящика».
   • Это заставляет модели тренироваться медленнее
   • Это увеличивает затраты на хранение
   • Это влияет только на аудиомодели.
6. How are prompt-injection attacks related to image adversarial examples?
   • They are identical bounded pixel perturbations
   • Both exploit model vulnerabilities, but prompt injection has a distinct instruction and system threat model
   • Prompt injection requires changing model weights
   • Image adversarial examples only affect text prompts
7. Why must an adversarial-robustness report specify the perturbation norm and budget?
   • They determine the model’s number of parameters
   • They guarantee transfer to every attack
   • They define which input changes the reported robustness claim covers
   • They replace the need to state an attacker’s access
8. Which pair of measures helps distinguish clean performance from performance under a specified attack?
   • Training-set size and GPU memory
   • Tokenization rate and context length
   • Model file size and parameter dtype
   • Clean accuracy and robust accuracy under the stated attack setting