基本信息
文件名称:2025年AI安全漏洞利用(含答案与解析).docx
文件大小:15.13 KB
总页数:11 页
更新时间:2025-09-10
总字数:约6.97千字
文档摘要
2025年AI安全漏洞利用(含答案与解析)
一、单选题(共15题)
1.以下哪种技术可以有效地防御对抗样本攻击,提高模型的鲁棒性?
A.数据增强
B.模型正则化
C.对抗训练
D.知识蒸馏
答案:C
解析:对抗训练通过在训练过程中引入对抗样本,使模型学习到更鲁棒的特征,从而提高对真实样本的识别能力,参考《对抗样本攻击与防御技术》2025版4.2节。
2.在分布式训练框架中,以下哪种策略可以减少通信开销,提高训练效率?
A.数据并行
B.模型并行
C.精度归一化
D.梯度累积
答案:B
解析:模型并行通过将模型的不同部分分配到不同的计算节点上,可以减少跨节点的通信开