Timed Challenge 模擬測驗 1
Timed challenge exam與strict time limits to test knowledge recall、decision-making under pressure。
評估總覽
Timed challenge exam with strict time limits to test knowledge recall and decision-making under pressure。本評估同時測試理論理解與教材的實務應用。
評估詳情:
- 題數: 15
- 時間限制: 45 分鐘(建議)
- 通過門檻: 70%
- 難度:進階
作答說明
- 請仔細閱讀每道題目與所有選項後再作答
- 部分題目有多個可行做法——請選擇最佳答案
- 情境題需先通盤考量整體脈絡再作答
- 作答完畢後,請檢視所有題目的解析——包含答對的題目
評估格式
本評估包含選擇題、情境分析題與實務應用題。每道題對應特定能力領域,並映射至課程學習目標。
測試的能力領域
| 能力領域 | 題數 | 權重 |
|---|---|---|
| 理論知識 | 3-4 | 30% |
| 實務應用 | 3-4 | 30% |
| 情境分析 | 2-3 | 25% |
| 工具熟練度 | 1-2 | 15% |
了解權重分布有助於分配學習時間。實務應用與情境分析合計權重最高,反映動手實作技能在 AI 紅隊演練中的重要性。
第 1 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 2 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 3 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 4 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 5 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 6 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 7 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 8 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 9 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 10 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 11 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 12 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 13 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 14 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
第 15 題
依據本評估領域涵蓋的概念,何種做法最能有效處理所測試的主要漏洞類別?
計分指引
| 分數區間 | 評級 | 建議 |
|---|---|---|
| 90-100% | 專家 | 可進入下一章節 |
| 80-89% | 熟練 | 有少量不足,可透過針對性複習補強 |
| 70-79% | 勝任 | 進入下一階段前複習答錯領域 |
| 60-69% | 發展中 | 回頭複習對應章節 |
| 60% 以下 | 基礎 | 完成先備教材後再重考 |
學習資源
若成績低於通過門檻,請將複習重心放於:
- 你答錯題目的特定主題
- 對應弱項領域的實作課
- 題目提及之框架與工具的參考資料
- Qi et al. 2024 — "Fine-tuning Aligned Language Models Compromises Safety" (ICLR 2024)
建議複習路徑
- 重讀相關課程章節,聚焦於你遺漏的概念
- 練習對應弱項能力領域的實作課
- 複習題目引用的參考資料與研究論文
- 重考本評估以衡量進步幅度
待複習的關鍵概念
在重考前,請確認你已熟悉以下基礎概念:
| 概念 | 說明 | 可於何處複習 |
|---|---|---|
| 縱深防禦 | 多層獨立防禦機制的安全架構 | 防禦與緩解章節 |
| 提示詞注入分類 | 直接、間接與訓練期注入攻擊的分類 | 基礎章節 |
| 工具與代理安全 | 函式呼叫、MCP 與多代理系統中的安全邊界 | 代理式利用章節 |
| 治理框架 | EU AI Act、NIST AI RMF、ISO 42001、OWASP LLM Top 10 | 治理與合規章節 |
| 風險評分 | 評估 AI 漏洞可能性、衝擊與可利用性的方法論 | 方法論章節 |
| 事件回應 | 偵測、遏止並從 AI 安全事件中復原的程序 | AI 鑑識與 IR 章節 |
練習策略
要有效準備本評估,需同時兼顧理論研習與實作經驗:
-
完成實作課:課程中的實作提供閱讀無法取得的實務經驗。聚焦於對應弱項領域的實作。
-
建立心智模型:對每類漏洞,建立清晰的攻擊機制、對應防禦與部署防禦後殘留風險的心智模型。
-
研究真實事件:檢視課程中的案例研究,了解理論漏洞如何在真實事件中顯現。請注意根因與防禦失敗。
-
練習工具使用:本評估測試 Garak、PyRIT、Promptfoo 等工具的熟練度。請確保能在不查文件下設定並執行。
-
理解框架:能將發現映射至 MITRE ATLAS、OWASP LLM Top 10 與相關法規框架。此技能對專業紅隊報告至關重要。
評估誠信
本評估設計用於誠實自我評估。為獲得最大價值:
- 完成所有題目再對答案
- 自行計時以模擬正式測驗情境
- 首次作答時勿查外部資料
- 無論是否答對,皆複習所有解析
- 追蹤多次作答進度以衡量進步
參考資料與延伸閱讀
- Qi et al. 2024 — "Fine-tuning Aligned Language Models Compromises Safety" (ICLR 2024)
- Promptfoo — github.com/promptfoo/promptfoo
- OWASP LLM Top 10 2025 — LLM01 (Prompt Injection)
What is the most effective approach to defending against the attack class covered in this article?
Why do the技巧 described in this article remain effective across different model versions and providers?