Sicurezza, apprendimento automatico e teoria della computazione
Ripassa concetti selezionati di crittografia, sicurezza web e del software, apprendimento automatico, reti neurali e teoria della computazione. Sono richieste conoscenze di base di programmazione, reti, probabilità e algebra lineare; l’attenzione è rivolta a definizioni, condizioni e limiti, senza costituire un corso completo di implementazione.
- Category
- Computer Science
- Level
- advanced
- Languages
- it → it
- Cards
- 32
- Markdown
- Sicurezza, apprendimento automatico e teoria della computazione (.md)
Flashcards (32)
| # | Front (Term / Question) | Back (Definition / Answer) | Example | Multiple-Choice Options |
|---|---|---|---|---|
| 1 | Come influiscono le penalità L1 e L2 sui pesi di un modello? Garantiscono meno sovraadattamento? | L1 aggiunge λ∑|wᵢ| alla perdita e può portare alcuni pesi a zero. L2 aggiunge λ∑wᵢ² e tende a ridurre i pesi senza indurre zeri esatti. Con λ ≥ 0 occorre regolarne l’intensità; nessuna garantisce una generalizzazione migliore né identifica soltanto caratteristiche irrilevanti. | ||
| 2 | Che cos’è la generazione aumentata dal recupero (RAG) e che cosa non garantisce? | RAG recupera materiale esterno e condiziona la generazione in base a esso. Può fondare meglio le risposte su informazioni e facilitare gli aggiornamenti senza riaddestrare il generatore. Il materiale recuperato può essere obsoleto, scorretto o irrilevante e la generazione può ancora sbagliare; recuperare documenti non li trasforma in una verità garantita. | ||
| 3 | In che cosa la cifratura simmetrica differisce dalla crittografia a chiave pubblica? | La cifratura simmetrica, come AES o ChaCha20, usa la stessa chiave segreta per cifrare e decifrare. La crittografia a chiave pubblica usa una coppia di chiavi correlate, una pubblica e una privata; a seconda dello schema, permette cifratura, firme digitali o accordo sulle chiavi. Queste operazioni non sono intercambiabili. | ||
| 4 | Come possono aiutare le connessioni residuali e la normalizzazione per strato quando la propagazione dei gradienti nelle reti profonde è difficile? | I gradienti possono diventare estremamente piccoli o grandi durante la retropropagazione. Una connessione residuale, y = F(x) + x, fornisce un percorso diretto per la derivata attraverso il termine identità. La normalizzazione per strato ridimensiona le attivazioni e può stabilizzare l’addestramento. Queste tecniche aiutano, ma non garantiscono che i gradienti evanescenti o esplosivi scompaiano. | ||
| 5 | Per problemi decisionali e riduzioni molti-a-uno in tempo polinomiale, quali sono le differenze tra P, NP, NP-difficile e NP-completo? | P contiene i problemi decidibili in tempo polinomiale deterministico. NP contiene i problemi le cui istanze positive hanno certificati di dimensione polinomiale verificabili in tempo polinomiale. Un problema è NP-difficile se ogni problema in NP si riduce a esso in questo modo. NP-completo significa sia NP-difficile sia appartenente a NP; essere NP-difficile non implica di per sé appartenere a NP. | ||
| 6 | Perché memorizzare le password con uno schema di hashing per password dotato di salt invece di usare solo SHA-256? | Un salt casuale univoco impedisce di riutilizzare tabelle precalcolate e produce hash memorizzati diversi anche quando gli utenti scelgono la stessa password. Un costo configurabile rallenta i tentativi di indovinarla. Argon2id e scrypt impongono costi di memoria; bcrypt è un’opzione legacy più lenta, con un costo soprattutto di CPU. SHA-256 è progettato per essere veloce. I salt non sono segreti e i costi adatti dipendono dal contesto di impiego. | ||
| 7 | Come contribuiscono il blocco delle versioni delle dipendenze, la verifica delle firme e una SBOM alla sicurezza della filiera del software? | Le versioni fissate e gli hash verificati aiutano a identificare le dipendenze previste; firme e provenienza verificate aiutano a stabilire origine e integrità dell’artefatto; una SBOM elenca i componenti. Combina queste misure con processi di compilazione protetti ed esame delle vulnerabilità. Una firma valida o una SBOM non dimostra che il software sia sicuro. | ||
| 8 | Come possono i buffer overflow influire sulla memoria e quali sono i limiti di ASLR, NX e dei canary dello stack? | Una scrittura fuori dai limiti può corrompere dati dello stack o dell’heap, talvolta anche informazioni di controllo. ASLR randomizza le posizioni, NX impedisce l’esecuzione da determinate pagine di memoria e i canary rilevano alcune sovrascritture dello stack. Queste mitigazioni riducono la possibilità di sfruttamento, ma non eliminano l’errore di sicurezza della memoria sottostante. | ||
| 9 | In un tipico handshake TLS 1.3 autenticato tramite certificato e basato su Diffie–Hellman effimero, come vengono verificati il server e le chiavi di sessione? | Il client convalida il certificato e l’identità del server, quindi verifica la sua firma CertificateVerify sulla trascrizione dei messaggi dell’handshake. Diffie–Hellman effimero stabilisce un segreto condiviso da cui derivano le chiavi di traffico; i messaggi Finished autenticano la trascrizione e confermano le chiavi derivate. TLS 1.3 supporta anche altre modalità di handshake. | ||
| 10 | Come combina le informazioni dei token l’autoattenzione a prodotto scalare scalato, comprese le maschere? | Calcola softmax(QKᵀ/√dₖ + M)V. Q, K e V sono proiezioni della stessa sequenza; dₖ è la dimensione delle chiavi e delle query. La maschera additiva M vale 0 nelle posizioni consentite e −∞ in quelle bloccate. Softmax si applica alle chiavi consentite per ciascuna query. Una maschera causale blocca i token futuri. | ||
| 11 | Che cosa afferma la tesi di Church–Turing e perché viene chiamata tesi? | Ogni funzione calcolabile con un procedimento meccanico effettivo è calcolabile da una macchina di Turing. Collega una nozione informale di calcolo effettivo a un modello formale; tale identificazione è quindi una tesi, non un teorema su due modelli formali. L’equivalenza tra modelli formali specifici può essere dimostrata. | ||
| 12 | In che cosa le difese contro XSS differiscono dalle misure che ne limitano soltanto l’impatto? | XSS esegue codice controllato da un attaccante nel contesto del sito all’interno del browser. La codifica dell’uscita appropriata al contesto, le operazioni DOM sicure e un’adeguata sanificazione dell’HTML intenzionalmente consentito contrastano l’iniezione. CSP aggiunge una difesa in profondità. HttpOnly può impedire agli script di leggere un cookie, ma non impedisce l’esecuzione di XSS. | ||
| 13 | Che cosa esclude l’indecidibilità del problema dell’arresto? | Esclude un algoritmo che termini sempre e decida correttamente, per ogni programma e ogni ingresso, se quella esecuzione finirà per arrestarsi. Non impedisce di dimostrare la terminazione o la non terminazione per singoli programmi o classi ristrette. | ||
| 14 | Come regolano la same-origin policy e CORS l’accesso del browser alle risposte provenienti da altre origini? | Per gli URL web ordinari, un’origine è definita da schema, host e porta. La same-origin policy limita le letture tra origini effettuate dagli script; CORS permette al server di autorizzare determinati accessi del browser mediante intestazioni di risposta. Solo alcune richieste richiedono una verifica preliminare OPTIONS. CORS non sostituisce l’autorizzazione lato server. | ||
| 15 | Perché usare attivazioni non lineari tra strati affini di una rete neurale? | Una composizione di applicazioni affini resta affine, quindi impilare soltanto tali applicazioni non crea caratteristiche non lineari. Le attivazioni non lineari nascoste, come ReLU o GELU, permettono funzioni più espressive. Questo riguarda la rappresentazione nascosta, non soltanto una trasformazione non lineare in uscita. | ||
| 16 | Che cosa hanno in comune gli automi finiti deterministici, quelli non deterministici e le espressioni regolari formali? | Gli automi finiti deterministici e non deterministici riconoscono esattamente i linguaggi regolari, descritti anche dalle espressioni regolari formali. Un automa non deterministico accetta se almeno un calcolo consentito accetta. Funzionalità delle espressioni regolari nei linguaggi di programmazione, come i riferimenti all’indietro, possono andare oltre questa classe formale. | ||
| 17 | Come nasce una SQL injection e in che modo aiutano le query parametrizzate? | Un ingresso non attendibile viene interpretato come codice SQL anziché come dato. Associa i valori dei dati a parametri invece di concatenarli nell’SQL. In genere i parametri non possono sostituire nomi di tabelle, nomi di colonne o parole chiave SQL; scegli questi elementi strutturali tra opzioni attendibili ed esplicitamente consentite. | ||
| 18 | In che cosa differiscono gli attacchi DDoS volumetrici, SYN flood e a livello applicativo? | Colpiscono rispettivamente la banda, le risorse per la gestione delle connessioni e il lavoro dell’applicazione, usando sorgenti di traffico distribuite. Le difese devono corrispondere al collo di bottiglia: filtraggio o pulizia del traffico a monte contro le inondazioni, SYN cookie contro certi attacchi allo stato delle connessioni, e filtraggio o limiti di frequenza specifici dell’applicazione contro gli abusi HTTP. Nessun controllo arresta tutti gli attacchi DDoS. | ||
| 19 | Come si dividono il lavoro di addestramento di una rete neurale la retropropagazione e ottimizzatori come SGD o Adam? | La retropropagazione applica la regola della catena per calcolare i gradienti della perdita. SGD aggiorna i parametri con un passo opposto a un gradiente calcolato su un campione. Adam usa stime mobili dei momenti del gradiente per adattare gli aggiornamenti. Calcolare il gradiente e scegliere l’aggiornamento dei parametri sono operazioni distinte. | ||
| 20 | Che cos’è CSRF e perché i cookie SameSite non sono una difesa completa? | CSRF induce il browser a inviare richieste indesiderate con credenziali allegate automaticamente, come i cookie di sessione. Convalida token anti-CSRF appropriati nelle richieste che modificano lo stato e usa SameSite come difesa aggiuntiva. SameSite=Lax può consentire i cookie durante una navigazione di primo livello tra siti tramite GET; gli endpoint GET non devono quindi eseguire azioni che modificano lo stato. | ||
| 21 | Come protegge PKCE il flusso OAuth con codice di autorizzazione, anche nel suo utilizzo in OpenID Connect? | Il client crea un nuovo verificatore di codice segreto e invia la sfida calcolata da esso mediante S256 insieme alla richiesta di autorizzazione. Quando riscatta il codice, fornisce il verificatore; il server ricalcola la sfida dal verificatore e controlla che coincida con quella associata al codice. Il solo codice intercettato non basta. OAuth gestisce l’autorizzazione delegata; OpenID Connect aggiunge un livello di autenticazione. | ||
| 22 | A dimensioni delle caratteristiche fisse, come differiscono autoattenzione completa, FlashAttention e cache KV nel costo al variare della lunghezza della sequenza? | Per N token, l’attenzione completa convenzionale usa O(N²) operazioni aritmetiche e O(N²) spazio per i punteggi materializzati. FlashAttention esatta evita tale memorizzazione quadratica, ma mantiene l’aritmetica quadratica. Durante la decodifica autoregressiva, la cache KV riutilizza chiavi e valori precedenti; evita di ricalcolarli, ma l’attenzione completa confronta comunque ogni nuova query con i token precedenti. | ||
| 23 | Qual è la relazione tra minimo privilegio e Zero Trust? | Il minimo privilegio concede soltanto gli accessi necessari a un compito. Zero Trust evita la fiducia implicita basata unicamente sulla posizione in rete o sulla proprietà e valuta identità, stato del dispositivo e criteri prima di concedere l’accesso a una risorsa, con rivalutazioni continue. Applica il minimo privilegio invece di sostituirlo. | ||
| 24 | Che cos’è SSRF e che cosa devono limitare le relative difese? | SSRF induce un server a inviare richieste a destinazioni scelte da un attaccante, esponendo potenzialmente servizi interni o metadati del cloud. Limita destinazioni e protocolli consentiti, controlla indirizzi risolti e reindirizzamenti e applica controlli sul traffico di rete in uscita. Non basta verificare il solo nome host fornito. | ||
| 25 | In che cosa differiscono l’apprendimento supervisionato, non supervisionato e per rinforzo? | L’apprendimento supervisionato usa esempi con etichette obiettivo per imparare a predire. Quello non supervisionato trova struttura nei dati senza tali etichette obiettivo. L’apprendimento per rinforzo apprende un comportamento interagendo con un ambiente per migliorare la ricompensa cumulativa attesa. | ||
| 26 | Che cosa contiene un JWT compatto firmato e perché decodificarlo non basta? | Le sue tre parti in base64url contengono intestazione, contenuto con le dichiarazioni e firma o MAC. Sono codificate, non cifrate. Verifica la firma o il MAC con una chiave attendibile e un algoritmo esplicitamente consentito, poi convalida le dichiarazioni richieste dall’applicazione, come emittente, destinatari e scadenza. I JWT possono anche usare rappresentazioni cifrate. | ||
| 27 | Che cosa protegge la forward secrecy quando viene compromessa una chiave di autenticazione a lungo termine? | Le sessioni registrate in precedenza restano riservate se non sono stati compromessi anche i loro segreti di sessione. Diffie–Hellman effimero può offrire questa proprietà quando i segreti effimeri vengono cancellati in modo sicuro; compromettere soltanto la chiave a lungo termine non rivela quindi le chiavi delle sessioni passate. | ||
| 28 | Quali proprietà di sicurezza dovrebbe offrire una funzione hash crittografica con uscita di lunghezza fissa, come SHA-256? | Trasforma deterministicamente un ingresso in un digest di lunghezza fissa. La resistenza alle preimmagini rende computazionalmente impraticabile trovare un ingresso per un digest dato; la resistenza alle seconde preimmagini rende impraticabile trovare un altro ingresso con lo stesso digest di un ingresso dato; la resistenza alle collisioni rende impraticabile trovare due ingressi distinti qualsiasi con lo stesso digest. | ||
| 29 | Come si collegano bias e varianza a sottoadattamento e sovraadattamento nel quadro classico bias–varianza? | Il bias è un errore sistematico della previsione o stima media; la varianza è la sensibilità al campione di dati di addestramento. Un bias elevato può contribuire al sottoadattamento. Una varianza elevata può contribuire ad adattare il modello a fluttuazioni specifiche dell’addestramento e a generalizzare male. L’equilibrio dipende da modello, dati e procedura di addestramento. | ||
| 30 | Che cosa misurano precisione, richiamo, F1 e ROC-AUC per un classificatore binario? | Per la classe positiva scelta, precisione = TP/(TP+FP), richiamo = TP/(TP+FN) e F1 = 2TP/(2TP+FP+FN), quando i denominatori sono diversi da zero. ROC-AUC riassume i tassi di veri positivi rispetto ai falsi positivi al variare delle soglie. Con classi sbilanciate, esamina anche l’andamento di precisione e richiamo e i costi degli errori; ROC-AUC da sola non è una misura universale della qualità. | ||
| 31 | Che cosa autentica HMAC e che cosa non fornisce? | HMAC calcola un codice a partire da un messaggio e da una chiave segreta condivisa, per esempio con HMAC-SHA256. Un codice valido sostiene l’integrità e l’autenticazione nei confronti di chi possiede quella chiave. Non cifra il messaggio né dimostra quale dei diversi possessori della chiave lo abbia creato. | ||
| 32 | Come riduce HSTS gli attacchi di degradazione di HTTPS e quale limite presenta alla prima visita? | Un attaccante può tentare di mantenere il browser su HTTP non cifrato. Per un host HSTS noto, il browser usa HTTPS e rifiuta gli errori di certificato. Una regola appresa soltanto durante una precedente visita sicura non protegge una prima visita non sicura; una regola precaricata può colmare questa lacuna iniziale. |