大家好，終於來到最後一天了！

今天是最後一天，先不說廢話，直接幫大家把四大領域這 30 天來我們補齊的所有「終極核心觀念與名詞」來做個總結！

一、 四大 Domain 終極核心關鍵字與觀念速查

Domain 1：AI 基礎概念與新型威脅（17%）

• 三大學習範式：監督式（有標籤，怕標籤翻轉）、非監督式（無標籤，怕異常融入基準線）、強化學習（靠獎懲，怕獎勵函數被修改）。還有實務常用的半監督式（極少標籤 + 大量無標籤）。
• 模型四架構：CNN（看圖，最怕對抗性樣本）、RNN/LSTM（時序，用於日誌異常偵測）、GAN（Deepfake 與語音克隆的核心技術，安全重災區）、Transformer（LLM 基礎，自注意力機制容易被注入指令）。
• 新型威脅：AI 供應鏈漏洞（從 HuggingFace 下載舊 Pickle 格式模型可能被執行惡意代碼，防守指名 SafeTensors 格式）、3 秒語音克隆與社交工程。

Domain 2：保護 AI 系統（40%）

• 對抗性樣本：FGSM 是「一步式」計算，PGD 是「多次迭代」計算（防禦與測試的黃金標準）。黑箱攻擊常用遷移攻擊（利用對抗性遷移性，在自家訓練替代模型再發動攻擊）。
• 資料投毒：可用性投毒（AI 界的 DoS 攻擊） vs 後門/木馬投毒（0.1% 樣本就能塞入 Trigger 暗號，標準測試驗不出來，防守用 Neural Cleanse 進行後門掃描）。
• 保護 IP：模型竊取（大量查詢複製模型，防禦靠速率限制與模型浮水印）。
• 隱私保護：模型反轉（畫出個資照片）與成員推斷（確定特定人是否在訓練集）。唯一解法：差分隱私（DP-SGD，梯度裁剪 + 加高斯噪音，隱私預算 ε 越小越安全，但預算會隨著外部查詢次數而消耗完畢）。
• LLM 攻防：直接提示詞注入（輸入框直球對決）、間接提示詞注入（惡意指令藏在外部網頁或 PDF 裡）、越獄（DAN 角色扮演、Many-shot 長對話問答範本、Token 混淆）。

Domain 3：AI 輔助資安營運（24%）

• 解救警報疲勞：SIEM 整合 AI。利用**行為基準線（Behavioral Baseline）**盯著時間、地點、資料量抓異常，用 UEBA 分析人與非人類實體。
• RBA 風險評分：幫可疑行為累積風險分數，代替單一警報，但實務上需要不斷進行 Tuning（警報微調） 避免誤殺。
• Dwell Time（停留時間）：駭客潛伏在系統內未被發現的時間。威脅獵捕的終極目標就是主動出擊，縮短 Dwell Time。
• MITRE 雙雄框架：
  • MITRE ATT&CK ➔ 對應與標記傳統 IT 攻擊。
  • MITRE ATLAS ➔ 專門用來標記和防禦針對 ML/LLM 系統專屬對抗攻擊（投毒、反轉、注入）的攻防地圖。
• SOAR 劇本（Playbook）：自動化協調防火牆和帳號系統。大幅縮短 MTTR，執行高風險操作時必須加入 Human-in-the-loop（人工確認點）。
• 熔斷與降級備援（Fallback）：模型出事或失控時的故障安全（Fail-safe）機制，自動進行模型回滾（Rollback）或切換回 If-Else 靜態客服系統。

Domain 4：AI 治理、風險與合規（19%）

• 布魯塞爾效應（Brussels Effect）：歐盟法案因為嚴格且具代表性，會穿透全球供應鏈，變成各國開發者默默遵守的實質標準（De facto Standard）。
• 歐盟 AI 法案：不可接受風險（工作場所情緒識別、社會評分、即時人臉辨識，一碰就罰全球年營收 7%，以高者為準） vs 高風險 AI（醫療器材、人資篩選履歷、信用貸款，可以用但要通過合規評估）。
• Provider（提供者）與 Deployer（部署者）：大模型大廠（Provider）只負責模型源頭，一旦下游將其用在「高風險用途」，部署者（Deployer，我們與客戶）必須承擔全部的高風險合規義務。
• 量測雙基石：可重複性（Repeatability）（同人同法多次測）與 可再現性（Reproducibility）（不同人同法測），結果必須一致。
• NIST AI RMF：GOVERN（地基，AI Owner，形塑風險文化） → MAP（找風險，注重部署情境 Context） → MEASURE（量化） → MANAGE（管理四策略：緩解 Mitigate、轉移、接受、規避）。
• ISO/IEC 42001：AI 領域第一個可供第三方認證的管理系統標準（AIMS），走 PDCA 循環，附錄 A 包含九大控制域（A.2~A.10），可與 ISO 27001 完美整合。
• XAI（可解釋 AI）：對應 GDPR 第 22 條的**「獲得解釋的權利（Right to Explanation）」。LIME 用於解釋單次局部預測**的理由，SHAP 基於博弈論，可用於全局與局部解釋。

二、 考場實戰攻略與時間管理

SecAI+（CY0-001）這科考試時間非常緊湊，我們必須有策略地答題，才能順利通關：

1. 考試基本規格：

• 題目數量：最多 60 題（一般在 45-55 題之間）。
• 考試時間：60 分鐘。
• 及格分數：600 分（分數區間為 100-900 分）。
• 題型：單選題、複選題 + 實作模擬題（PBQ, Performance-Based Questions）。

2. 實務答題技巧：先跳過 PBQ！

實作模擬題（PBQ）通常會放在試卷的最前面（前 1-3 題）。這些題目需要你在模擬的虛擬機中進行資安防護操作、或是進行拖拉配對。

• 潛在陷阱：如果你一開考就跟 PBQ 死磕，一題花了 15 分鐘，後面你會剩下 45 分鐘要寫 50 多題選擇題。你會因為時間壓力產生極大焦慮，最後打亂答題節奏。
• 解法：一開考，看到 PBQ，直接按「下一題」跳過它（在系統裡做好 Mark / 標記標籤）。先把後面 30-40 秒就能寫完一題的單複選題（MCQ）通通寫完。當你拿到了大部分的基本分數、心情穩定下來後，再回頭全力攻克 PBQ，這在考場上是非常實用的戰術。

三、 考場觀念與核心對應（解題直覺）

CompTIA 的選擇題非常喜歡出長篇的情境題，但在 GRC 和技術對防禦上，通常有非常清晰的觀念對應，大家可以用以下直覺來解題：

• 看到「事後在法庭上證明模型被對手剽竊/複製」 ──→ 尋找 Model Watermarking（模型浮水印）。
• 看到「自動化劇本在執行高風險阻斷時，防範系統誤殺中斷」 ──→ 尋找 Human-in-the-loop（人工確認）。
• 看到「讀取外部網頁或 PDF 檔案時，AI 意外被執行惡意指令」 ──→ 尋找 間接提示詞注入（Indirect Prompt Injection）。
• 看到「防範成員推斷攻擊、模型反轉，保護訓練集隱私」 ──→ 尋找 差分隱私（Differential Privacy / DP-SGD）。
• 看到「在長對話開頭塞入上百個順從問答示例，繞過模型安全對齊」 ──→ 尋找 Many-shot 越獄。
• 看到「針對 ML/LLM 模型的專屬攻防技術框架對應」 ──→ 尋找 MITRE ATLAS（不可選傳統的 ATT&CK）。
• 看到「量測要能由不同稽核人員在不同環境跑出相同結果」 ──→ 尋找 可再現性（Reproducibility）。
• 看到「AI 被用在就業/貸款等高風險用途，責任轉移至使用企業」 ──→ 尋找 Deployer（部署者）的合規義務。
• 看到「自動化決策出事，法規賦予個人要求說明理由的權利」 ──→ 尋找 解釋權（Right to Explanation） / XAI。

四、 終於結束啦

真的不容易，沒想到能撐完 30 天，以前就想參加，但嘗試的期間，莫名就會有事干擾，然後就中斷了。

這次是先報名，給自己壓力，沒想到，真的完賽了。

每個證照前的準備動作都很繁雜，尤其是因為 AI 的協助，資訊大爆發，就只能不停的收集和整理，今年考了好幾個證照，不得不說，國家舉辦的 iPAS 居然比國際的證照還難，題目五花八門，而且非常的靈活，中文又博大精深，常常每個字都認識，組在一起，就會讓你的大腦卡住了，真的不容易；國際證照也不容易，專有名詞多又雜，希望這 30 天的內容，對大家有幫助，祝福大家順利通過考試！

五、 補充參考

官方白皮書：

• NIST AI RMF: https://www.nist.gov/itl/ai-risk-management-framework
• ISO/IEC 42001: https://www.iso.org/standard/42001
• OWASP Top 10 for LLM: https://owasp.org/www-project-top-10-for-large-language-model-applications/