公司使用模型登錄處（如 MLflow 或 Hugging Face Hub）管理用於生產部署的模型版本。對此登錄處最危險的攻擊向量為何？

在 ML 模型的 CI/CD 管線中，使用 pickle 序列化模型工件的安全風險為何？

攻擊者針對 LLM 服務 API 最常利用的監控缺口為何？

組織透過帶 API 金鑰的 REST API 暴露其 LLM。紅隊員發現 API 沒有速率限制。除了拒絕服務之外，主要安全風險為何？

在推論伺服器的環境變數中儲存模型服務配置（系統提示詞、安全過濾器、溫度設定）的安全風險為何？

在對 ML 管線進行紅隊評估期間，你發現模型訓練任務以與生產推論服務相同的 IAM 角色執行。為何這是關鍵發現？

偵測已部署模型是否被替換為後門版本的最有效方式為何？

公司的 LLM API 閘道透過檢查提示詞長度與阻擋已知惡意字串清單執行輸入驗證。為何這作為主要防禦不足？

與傳統軟體 CI/CD 相比，LLMOps 獨有的供應鏈風險為何？

你正在稽核 LLM 推論服務的 Kubernetes 部署。Pod 以 root 執行、掛載主機 Docker socket，且沒有網路政策。應將哪個發現排序為最高嚴重度？