Gratis proefexamen — SecAI+

1. Wat is data/model-vergiftiging (data poisoning)?

Het opzettelijk manipuleren van trainingsdata zodat een model kwaadaardig of onbetrouwbaar gedrag aanleert Een technische storing die willekeurig optreedt tijdens training Een methode om een model juist betrouwbaarder te maken Een synoniem voor overfitting

2. Wat is een adversarial example (adversariële invoer)?

Een input die opzettelijk en vaak subtiel is aangepast om een AI-model tot een verkeerde, door de aanvaller gewenste voorspelling te verleiden Een willekeurig gegenereerde, foutieve input zonder kwade intentie Een input die het model altijd correct verwerkt Een synoniem voor een normale testcase

3. Wat is model extraction (model diefstal via bevraging)?

Een aanval waarbij herhaalde, systematische bevragingen van een model worden gebruikt om het gedrag ervan te reconstrueren of te kopiëren Een legitieme methode om een model te back-uppen Een synoniem voor fine-tuning op eigen data Een aanval die uitsluitend werkt op lokaal gehoste modellen, nooit op API's

4. Wat is het verschil tussen directe en indirecte prompt injection?

Directe injectie komt rechtstreeks van de gebruiker in het chatvenster; indirecte injectie zit verstopt in externe content (zoals een document of webpagina) die het model later verwerkt Het zijn twee namen voor exact dezelfde aanval Directe injectie is nooit gevaarlijk, alleen indirecte injectie Indirecte injectie werkt alleen bij beeldmodellen

5. Wat is prompt injection?

Een aanval waarbij kwaadaardige instructies in de input van een LLM worden verstopt om het model ongewenst gedrag te laten vertonen Een legitieme techniek om een model sneller te laten reageren Een methode om trainingsdata te comprimeren Een synoniem voor fine-tuning