【G検定過去問風テスト】AIの安全性：敵対的サンプルと攻撃手法の基礎知識

2026年8月20日 2026年8月20日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。

画像や音声などのデータに、人間の目や耳では認識できないほどの微小なノイズを加えることで、AIモデルだけに誤認識を起こさせるように作られたデータのことを ( ) と呼ぶ。

A）敵対的サンプル（Adversarial Examples）
B）バックドアデータ
C）転移学習用データ
D）ドメイン適応データ

🔍 ここをクリックして正解を見る

正解: A）敵対的サンプル（Adversarial Examples）

💡 合格に近づく！徹底解説

重要度: ★★★

■ 1分で分かる！この問題の要点

敵対的サンプルは、人間には分からない微小なノイズを加えたデータのこと
このサンプルを用いてAIを誤作動させる攻撃全般を「敵対的攻撃（Adversarial Attack）」と呼ぶ

■ 初学者向け解説（例え話や背景）

ディープラーニングは、人間には気づかないようなわずかなピクセルの違いや数学的な計算の癖を突かれると、簡単に「勘違い」を起こしてしまいます。例えば、パンダの画像に特殊なノイズを少し足すだけで、人間には相変わらずパンダに見えるのに、AIは「テナガザルだ！」と自信満々に誤認してしまうのです。こうしたAIの構造的な弱点を狙う代表的な手法が敵対的攻撃であり、その標的となるデータを敵対的サンプルと呼びます。

■ 選択肢の解説

A) 敵対的サンプル（Adversarial Examples）（○）: 画像や音声に微小なノイズを加え、AIモデルに誤認識を起こさせるデータのことであり、問題文の記述に完全に一致します。
B) バックドアデータ（×）: 学習データに意図的に特定のパターンを混ぜ込み、特定の条件がそろったときだけ誤作動（裏口動作）を起こさせる仕掛けのことです。
C) 転移学習用データ（×）: あるタスクで学習済みのモデルを別の関連するタスクへ効率的に応用・再利用するための学習データのことを指します。
D) ドメイン適応データ（×）: 異なる環境（ドメイン）間でのデータの偏りを解消し、モデルの汎用性を高めるためのアプローチに関連する用語です。

リンク