Викторина по быстрым инъекционным атакам

Ответы и пояснения появляются по мере прохождения теста.

1. Which trust failure can a prompt-injection attempt exploit?
   • Adversarial instructions in task material being followed as authoritative commands
   • A requirement that every model encrypt its entire context
   • A guarantee that all models have administrator privileges
   • A requirement that every model always obey every input
2. Чем НЕПРЯМОЙ быстрый впрыск отличается от прямого впрыска?
   • Работает только с моделями изображений.
   • Требуется физический доступ к серверу
   • Вредоносные инструкции находятся во внешнем источнике, который позже читает модель, а не в собственном сообщении пользователя.
   • Это сделано разработчиком специально
3. Which availability goal does the cited indirect-injection taxonomy include?
   • Only stealing an entire training corpus in every attack
   • Inhibiting useful responses or disrupting a search task
   • Only changing a GPU’s physical memory size
   • Only improving all authorized search results
4. How can least-privilege tool permissions limit a successful injection’s consequences?
   • They prove every allowed operation is harmless in every context
   • They guarantee the model never proposes an injected action
   • They remove the need for any output or action validation
   • They restrict the operations and resources available to the workflow
5. What behavior does the Instruction Hierarchy study aim to train?
   • Sorting all retrieved words alphabetically
   • Treating every webpage as more authoritative than the developer
   • Following privileged instructions over conflicting lower-priority content
   • Encrypting the model vocabulary with an image key
6. Почему быстрое внедрение становится более опасным по мере того, как у агентов ИИ появляются инструменты?
   • Обманутый агент теперь может предпринимать реальные действия, такие как отправка электронной почты, запуск кода или утечка данных.
   • Агенты работают медленнее с инструментами
   • Инструменты заставляют модель забыть о тренировках
   • Инструменты удваивают сложность модели
7. Why should a prompt-injection evaluation cover images when an application accepts multimodal input?
   • Images guarantee that all instructions are trustworthy
   • An image can contain only one numerical scalar
   • Plain-text testing automatically covers every image input
   • Adversarial instructions can be embedded in an image channel
8. Why is merely quoting an attack instruction not enough to establish that an application was compromised?
   • Every quoted string necessarily changes system permissions
   • The text may be legitimate analysis material and may never be executed as an instruction
   • An attacker must modify all original model weights first
   • No authorized user can ever discuss a security attack