敵対的サンプル(Adversarial Examples)の攻撃手法

SzegedyらやGoodfellowら(FGSM: Fast Gradient Sign Method)が発見した脆弱性で、勾配方向に沿って意図的に計算された微小ノイズを混入させることで、自動運転の道路標識の誤認などを引き起こす深刻な脅威です。 ア:正解です。視覚的に不可分な微小摂動による誤認識誘導が敵対的サンプルの定義です。 イ:誤りです。物理的破壊行為です。 ウ:誤りです。従来のネットワークインフラ攻撃です。 エ:誤りです。機密情報の窃盗です。

画像認識モデルに対するサイバー攻撃である「敵対的サンプル(Adversarial Examples)」に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
人間の目には判別できないような微小なノイズ(微細な摂動)を画像に意図的に加えることで、深層学習モデルに全く異なるクラス(パンダをテナガザルと誤認するなど)を高い確信度で誤判定させる攻撃。
イ
物理的なカメラのレンズをスプレー塗料で塗りつぶして映像を遮断する攻撃。
ウ
サーバーに大量のHTTPリクエストを送りつけてサービスを過負荷でダウンさせるDDoS攻撃。
エ
モデルのソースコードを盗み出して他社に転売する産業スパイ行為。