ISACA Advanced in AI Audit (AAIA日本語版) - AAIA日本語 Exam Practice Test

A. エージェントの監査ログは、従来のログよりも長くなります。

B. エージェントは複数のシステム間で動作するため、ネットワークの拡張が必要になる場合があります。

C. エージェントは、業務運営を妨害する可能性のある自動アクションを実行する場合があります。

D. エージェントはデータを自律的に処理するため、アナリストの介入の必要性が軽減されます。

A. 包括的なバイアス分析を実施します。

B. 影響を受ける人口統計グループのデータをさらに統合します。

C. 監査サンプリングが十分かどうかを判断します。

D. 監査結果をリスク許容範囲内として受け入れます。

A. AIを利用したゼロデイ攻撃からシステムを保護する

B. モデル出力の人間による監視の必要性を減らす

C. 脆弱性に対処し、出力整合性攻撃のリスクを軽減するため

D. モデルのトレーニングサイクルを加速し、処理速度を向上させる

A. 機密保持リスク

B. 可用性リスク

C. モデル／アルゴリズムのリスク(バイアス、ドリフト、説明可能性)

D. インテグリティリスク

A. AI システムは制御の有効性を誤って伝えます。

B. AI システムは管理ダッシュボード ツールと統合できません。

C. AI システムは、監査レポート間で一貫性のないフォーマットを使用します。

D. AI システムは、過去の監査結果を含めることができません。

A. このモデルは、申請者のローン履歴を組み込んで支出習慣を評価します。

B. このモデルでは、信用度を決定する主な要素として郵便番号を使用します。

C. このモデルでは、申請者の収入レベルを信用決定の重要な要素として考慮します。

D. このモデルは、過去の信用データを活用して将来の信用行動を予測します。

A. クラウドインフラストラクチャ図の確認

B. 従業員の研修記録のみを確認する

C. モデルのソースコードを一行ずつ確認する

D. 組織が個人に重大な影響を与える自動化された意思決定について、意味のある説明を提供できるかどうかを検証する

A. 不正なデータ型、NULL値、重複エントリをチェックする探索的データの分析

B. モデルにデータ属性を含める、除外する、または後で削除するための承認されたリスク評価

C. データをトレーニングデータセットとテストデータセットに分割するコード

D. 相関関係や外れ値を識別するボックスチャート、ヒストグラム、散布図、ベン図

A. AIシステムが本番環境への展開前にプライバシー基準に準拠していることを確認する

B. リリース前にAIシステムが要件を満たしていることを検証する

C. AIシステムが最新のデータセットでトレーニングされていることを確認する

D. AIシステムのユーザーインターフェースがアクセシビリティ基準に準拠していることを確認する

A. モデルパフォーマンスダッシュボード

B. AIシステムにおける明確な説明責任と所有権の役割

C. ベンダーリスク評価アンケート

D. インシデント対応ランブック

A. 人的監視の手順は記載されていません。

B. 外部データソースの使用は指定されていません。

C. 重要システムに必要な必須評価は規定されていません。

D. AI手順ではプライバシー原則が定義されていません。

A. 取り込み前に目に見えないテキストを削除するテキストサニタイズを実装します。

B. 温度を下げることで、AI モデルが注射に従う可能性を低くします。

C. フォントをデフォルトに変更するテキストサニタイズを実装します。

D. 見えないテキストを無視するように、AI モデルにさらに指示を追加します。

A. 開発開始前にすべての新規AIプロジェクトを承認する

B. 監査対象となるAIモデルの構築

C. AIライフサイクル全体にわたって、ガバナンス構造、ポリシー、および管理が効果的に設計され、運用されているかどうかを独自に評価する。

D. 組織のデータサイエンスチームの管理

A. ホワイトボックステスト

B. 徹底的なコードレビュー

C. ブラックボックステスト

D. グレーボックステスト

A. 最近ラベル付けされたデータのみのクラスの重みを増やします。

B. ガイドラインのばらつきを吸収するために、より大きなモデルをトレーニングします。

C. 層別サンプルのラベルを変更してシフトを推定し、それに応じてデータセットを調整します。

D. 古いラベル付けポリシーと新しいラベル付けポリシーを取得するために、追加のレイヤーを使用してモデルを拡張します。