ITE302c Đạo đức trong Công nghệ thông tin – Bộ ôn tập cuối kỳ số 2 (60 câu)

STRIDE và VAST là các phương pháp phân loại và phân tích mối đe dọa. STRIDE là một phương pháp phân loại mối đe dọa theo 6 loại: Spoofing, Tampering, Repudiation, Information Disclosure, Denial of Service và Elevation of Privilege. VAST là một phương pháp phân loại mối đe dọa theo 5 loại: Threat, Attack Pattern, Attack Resource, Attack Pattern Impact và Attack Pattern Platform. Các phương pháp này thường được sử dụng trong quá trình phân tích và mô hình hóa mối đe dọa để xác định và đánh giá các mối đe dọa tiềm ẩn. Vì vậy, STRIDE và VAST có thể được áp dụng trong các công cụ phân tích và mô hình hóa mối đe dọa.

Kỹ thuật giúp cải thiện tính công bằng của thuật toán là kiểm tra thiên vị và dữ liệu đào tạo đa dạng. Kiểm tra thiên vị giúp xác định xem thuật toán có thiên vị hay không, trong khi dữ liệu đào tạo đa dạng giúp đảm bảo rằng thuật toán được đào tạo trên các mẫu dữ liệu đa dạng và đại diện. Điều này giúp giảm thiểu khả năng thuật toán thiên vị đối với các nhóm dân tộc hoặc giới tính cụ thể. Ví dụ, nếu thuật toán được đào tạo trên dữ liệu về việc vay tiền chỉ bao gồm dữ liệu của người da trắng, thì nó có thể thiên vị đối với người da đen. Tuy nhiên, nếu dữ liệu được mở rộng để bao gồm cả người da đen, thì thuật toán sẽ có khả năng thiên vị thấp hơn. Vì vậy, kiểm tra thiên vị và dữ liệu đào tạo đa dạng là hai kỹ thuật quan trọng giúp cải thiện tính công bằng của thuật toán.

Đáp án đúng: There is a strong positive correlation between both variables.. Đám điểm bám sát một đường đi lên ⇒ tương quan DƯƠNG và MẠNH. (Câu gốc có kèm ảnh biểu đồ phân tán — đã mô tả lại bằng lời trong đề bài.)

Để đảm bảo tính trách nhiệm trong hệ thống, yếu tố quan trọng cần được xem xét là việc phân công trách nhiệm rõ ràng. Điều này có nghĩa là mỗi cá nhân hoặc nhóm đều có vai trò và nhiệm vụ cụ thể, giúp tránh sự nhầm lẫn và đảm bảo rằng mọi người đều biết mình cần làm gì. Việc phân công trách nhiệm rõ ràng giúp tăng cường tính minh bạch và trách nhiệm trong hệ thống, từ đó cải thiện hiệu suất và giảm thiểu sai sót. Ngoài ra, việc này cũng giúp xây dựng sự tin tưởng và hợp tác giữa các cá nhân và nhóm, tạo điều kiện cho sự phát triển và thành công của hệ thống.

Tính tự động hóa là một hiện tượng tâm lý trong đó con người dựa quá mức vào công nghệ và tự động hóa để đưa ra quyết định. Điều này dẫn đến việc bỏ qua khả năng đánh giá và phân tích của con người. Trong nhiều trường hợp, con người có xu hướng tin tưởng vào kết quả của hệ thống tự động hóa hơn là khả năng đánh giá của bản thân. Điều này có thể gây ra những hậu quả nghiêm trọng, đặc biệt là trong các tình huống khẩn cấp hoặc khi quyết định có ảnh hưởng lớn đến kết quả. Tính tự động hóa có thể được giải thích bởi sự phụ thuộc quá mức vào công nghệ, điều này khiến con người trở nên phụ thuộc vào hệ thống tự động hóa và bỏ qua khả năng đánh giá của bản thân.

Khi thiết kế thuật toán mà không xem xét đến các nguyên tắc đạo đức, có thể dẫn đến những kết quả không mong muốn. Một trong những hậu quả đó là thuật toán có thể tạo ra kết quả phân biệt đối xử hoặc không an toàn. Điều này có thể xảy ra khi thuật toán được đào tạo trên dữ liệu không cân đối hoặc không chính xác, dẫn đến việc phân loại sai hoặc tạo ra quyết định không công bằng. Kết quả này có thể ảnh hưởng đến người dùng, đặc biệt là những người thuộc nhóm thiểu số hoặc dễ bị tổn thương. Vì vậy, việc xem xét đến các nguyên tắc đạo đức trong thiết kế thuật toán là rất quan trọng để đảm bảo rằng các hệ thống AI được phát triển là công bằng, minh bạch và an toàn.

Hacktivism là một hình thức hoạt động mạng nhằm mục đích thúc đẩy thay đổi xã hội. Các hacker thường sử dụng công nghệ để chống lại các chính sách hoặc hành vi mà họ coi là bất công hoặc độc hại. Mục tiêu chính của hacktivism không phải là kiếm tiền hoặc phục vụ một người có quyền lực, mà là tạo ra sự thay đổi tích cực trong xã hội. Điều này có thể bao gồm việc tiết lộ thông tin bí mật, phá vỡ các hệ thống độc tài hoặc chống lại các chính sách phân biệt đối xử. Mục đích của hacktivism là tạo ra sự thay đổi và nâng cao nhận thức về các vấn đề xã hội.

Khi thiết kế trí tuệ nhân tạo (AI), việc bỏ qua các mối quan tâm về đạo đức có thể dẫn đến nhiều hậu quả nghiêm trọng. Một trong những rủi ro chính là sự phản ứng dữ dội của công chúng và hậu quả về mặt quy định. Điều này có thể xảy ra khi công chúng phát hiện ra rằng AI được thiết kế một cách không công bằng hoặc không minh bạch, dẫn đến sự mất niềm tin vào các tổ chức và cá nhân liên quan. Ngoài ra, các cơ quan quản lý cũng có thể áp dụng các quy định và hình phạt đối với các tổ chức không tuân thủ các tiêu chuẩn đạo đức trong thiết kế AI. Vì vậy, việc xem xét và giải quyết các mối quan tâm về đạo đức là rất quan trọng trong thiết kế AI để tránh những hậu quả tiêu cực này.

Một mô hình dự đoán có thể tiết lộ nhiều thông tin về bản thân nó. Trong đó, dữ liệu mà mô hình được đào tạo trên có thể được xem là một trong những thông tin quan trọng nhất. Khi chúng ta biết được dữ liệu mà mô hình được đào tạo trên, chúng ta có thể hiểu được tính chất và đặc điểm của mô hình. Điều này giúp chúng ta đánh giá được độ chính xác và tin cậy của mô hình. Ngoài ra, dữ liệu mà mô hình được đào tạo trên cũng có thể giúp chúng ta nhận biết được các vấn đề tiềm ẩn trong mô hình, chẳng hạn như sự thiên vị trong dữ liệu.

Loại malware nào sau đây theo dõi hành vi của người dùng mà không có sự biết hoặc sự cho phép của họ?

Một mô hình dự đoán có thể giúp chúng ta học hỏi được những điều gì không phụ thuộc vào việc liệu dữ liệu của cá nhân đó có được bao gồm trong tập dữ liệu huấn luyện hay không. Điều này có nghĩa là nếu chúng ta huấn luyện mô hình dự đoán với dữ liệu của cá nhân đó, hoặc nếu chúng ta huấn luyện mô hình dự đoán mà không bao gồm dữ liệu của cá nhân đó, kết quả dự đoán của mô hình vẫn nên giống nhau. Điều này cho thấy rằng mô hình dự đoán đã học hỏi được những đặc điểm chung của dữ liệu mà không bị ảnh hưởng bởi dữ liệu của cá nhân đó.

AI và các công nghệ dựa trên dữ liệu khác sử dụng xác suất bằng cách tạo ra mô hình tin tưởng về xác suất xảy ra của một sự kiện. Xác suất là một khái niệm quan trọng trong thống kê và lý thuyết xác suất, giúp chúng ta dự đoán khả năng xảy ra của một sự kiện dựa trên dữ liệu có sẵn. Trong AI, xác suất được sử dụng để tạo ra các mô hình học máy, chẳng hạn như mô hình dự đoán, mô hình phân loại và mô hình hồi quy. Những mô hình này sử dụng dữ liệu đào tạo để ước tính xác suất xảy ra của một sự kiện, giúp chúng ta đưa ra quyết định thông minh hơn. Ví dụ, một mô hình dự đoán có thể sử dụng xác suất để dự đoán khả năng xảy ra của một sự kiện dựa trên các yếu tố như thời tiết, địa điểm và thời gian. Tóm lại, AI và các công nghệ dựa trên dữ liệu khác sử dụng xác suất để tạo ra mô hình tin tưởng về xác suất xảy ra của một sự kiện, giúp chúng ta đưa ra quyết định thông minh hơn.

Khi sử dụng dữ liệu đào tạo, cần phải thông báo cho người dùng về các hạn chế của dữ liệu để đảm bảo tính minh bạch. Hai hạn chế quan trọng cần được thông báo là bất kỳ thiên vị nào trong dữ liệu mẫu và bất kỳ giá trị nào bị thiếu trong dữ liệu và cách xử lý chúng. Thiên vị trong dữ liệu mẫu có thể ảnh hưởng đến độ chính xác của mô hình đào tạo, trong khi giá trị bị thiếu có thể ảnh hưởng đến kết quả dự đoán. Do đó, cần phải thông báo cho người dùng về các hạn chế này để họ có thể đánh giá kết quả một cách khách quan.

Danh mục rủi ro liên quan đến trách nhiệm của các bên liên quan trong việc tạo và sử dụng công nghệ dựa trên dữ liệu là Accountability. Trách nhiệm này đề cập đến việc xác định và chịu trách nhiệm về các quyết định và hành động được đưa ra dựa trên dữ liệu. Điều này bao gồm việc đảm bảo rằng các bên liên quan hiểu rõ về dữ liệu và các công nghệ được sử dụng, cũng như việc xác định và chịu trách nhiệm về bất kỳ hậu quả nào có thể xảy ra từ việc sử dụng dữ liệu và công nghệ. Accountability là một phần quan trọng của quản lý rủi ro trong việc tạo và sử dụng dữ liệu và công nghệ.

Khi bỏ qua các yếu tố đạo đức trong quá trình phát triển công nghệ, hậu quả lâu dài có thể xảy ra là mất lòng tin của công chúng và khả năng bị phản ứng từ các cơ quan quản lý. Điều này có thể dẫn đến sự sụp đổ của doanh nghiệp và ảnh hưởng nghiêm trọng đến nền kinh tế. Ngoài ra, việc bỏ qua các yếu tố đạo đức cũng có thể dẫn đến sự mất mát về uy tín và danh dự của công ty. Điều này có thể ảnh hưởng đến khả năng thu hút nhân tài và đầu tư trong tương lai. Vì vậy, việc xem xét các yếu tố đạo đức là rất quan trọng trong quá trình phát triển công nghệ.