製造業のG社は、製品の外観検査に使う画像分類モデルを開発し、取引先にWeb API経由で提供する計画である。セキュリティ・バイ・デザインの考え方にもとづく対策として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点:AI提供時のセキュリティ対策
ポイント
API経由でAIを提供するときは、出力する情報や問い合わせ回数を必要な範囲に絞ることがモデル窃取への備えになります。
選択肢ごとの解説
- A
適切
セキュリティ・バイ・デザインは、開発の早い段階からセキュリティを組み込む考え方です。後付けの対策は手戻りやコストの増加につながるため、脅威分析で「何から守るのか」を先に明確にします。
- B
適切
データ汚染への対策として、データセットの真正性や、収集・加工のプロセスの信頼性を確認することが有効です。履歴の記録は、問題が起きたときに原因となったデータを特定する手がかりにもなります。
- C
不適切 正解
詳細な確信度を無制限に返すと、入出力の組を大量に集めて複製モデルを作るモデル窃取や、学習データの推測に悪用されやすくなります。出力を必要な情報に絞り、回数や頻度を制限することが対策になります。
- D
適切
Adversarial Examplesへの対策を講じても、脆弱性を完全になくすことはできません。AI事業者ガイドラインもこの点を認識するよう求めており、監視やインシデント対応をあらかじめ準備しておくことが重要です。
試験での狙われ方
セキュリティ・バイ・デザインの意味(後付けではなく企画・設計段階から)と、攻撃ごとの対策の対応が問われやすい論点です。
参考
- G検定 試験出題範囲(シラバス2024)第1.4版 (法律・倫理分野 項目11 安全性とセキュリティ)
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)別添」(2026年3月31日) (別添3 D-5)i. セキュリティ対策のための仕組みの導入、別添4 機械学習特有の各種攻撃への対策)
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」(2026年3月31日) (第2部C 5)セキュリティ確保)
- Tramèr et al., Stealing Machine Learning Models via Prediction APIs (2016)