问题 #1
一位风险管理从业人员正在制定与针对组织内使用的AI模型的数据投毒攻击相关的风险情景。以下哪项是确保这些情景具有相关性的最佳方法？
答案: D
本题考察AI风险情景制定的相关性保障原则，属于All AAIR Questions认证中AI风险管理生命周期的核心考点。数据投毒攻击的风险情景需要高度匹配目标组织的AI模型应用场景、数据流转路径、业务影响优先级，脱离组织实际的通用情景不具备实际指导价值。让关键利益相关者参与制定是保障情景相关性的核心手段，不同角色的利益相关者分别掌握AI模型的业务目标、数据来源、运行环境、影响范围等核心信息，其输入能确保风险情景完全贴合组织的实际风险暴露面，而非泛用通用攻击场景。 各选项分析：
A. 在沙箱环境中进行对抗性测试属于风险验证与影响量化环节的动作，其作用是测试已构建的风险情景的实际危害、验证防御措施有效性，无法用于保障风险情景本身的相关性，因此本选项错误。
B. 收集业内同行的类似攻击影响仅能作为风险情景构建的参考信息，不同组织的AI模型应用场景、数据采集范围、业务容错阈值存在显著差异，同行的攻击场景无法完全匹配本组织的实际情况，不能保障情景的相关性，因此本选项错误。
C. 创建全面的数据流程图是识别AI数据投毒攻击面的辅助工具，可帮助梳理数据流转路径，但无法对齐业务优先级、模型实际应用逻辑等核心信息，单独依靠数据流程图不能保障风险情景的相关性，因此本选项错误。
D. 关键利益相关者包括AI模型所有者、业务部门负责人、数据管理团队、安全运营团队等，其充分掌握本组织AI模型的全生命周期信息、业务影响权重、实际运行约束，参与情景制定可确保所有风险情景均贴合组织的实际风险场景，完全满足相关性要求，因此本选项正确。 关键知识点：
1. AI风险情景制定原则：AI风险情景需紧密匹配组织自身的业务属性、AI应用场景与风险容忍度，不可直接复用通用或行业通用场景。
2. AI风险管理的利益相关者参与要求：AI风险评估全流程均需要对应领域的关键利益相关者参与，保障风险输出成果与业务目标对齐。
3. 数据投毒攻击风险评估要点：数据投毒风险情景需结合组织AI模型的数据来源、标注流程、训练周期、应用场景等特征定制，保障情景的可落地性。 参考资料：
NIST AI Risk Management Framework (AI RMF 1.0), https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf
AWS Machine Learning Security Best Practices