IT-Sicherheit, maschinelles Lernen und theoretische Informatik
Wiederhole ausgewählte Konzepte aus Kryptografie, Web- und Softwaresicherheit, maschinellem Lernen, neuronalen Netzen und theoretischer Informatik. Grundkenntnisse in Programmierung, Netzwerken, Wahrscheinlichkeit und linearer Algebra werden vorausgesetzt; im Mittelpunkt stehen Definitionen, Bedingungen und Grenzen, kein vollständiger Implementierungskurs.
- Category
- Computer Science
- Level
- advanced
- Languages
- de → de
- Cards
- 32
- Markdown
- IT-Sicherheit, maschinelles Lernen und theoretische Informatik (.md)
Flashcards (32)
| # | Front (Term / Question) | Back (Definition / Answer) | Example | Multiple-Choice Options |
|---|---|---|---|---|
| 1 | Wie teilen sich Backpropagation und Optimierer wie SGD oder Adam die Arbeit beim Training eines neuronalen Netzes? | Backpropagation berechnet mit der Kettenregel die Gradienten der Verlustfunktion. SGD aktualisiert die Parameter mit einem Schritt entgegen einem anhand einer Stichprobe berechneten Gradienten. Adam verwendet gleitende Schätzungen der Gradientenmomente zur Anpassung der Aktualisierungen. Gradientenberechnung und Wahl der Parameteraktualisierung sind getrennte Schritte. | ||
| 2 | Wie können Pufferüberläufe den Speicher beeinträchtigen, und wo liegen die Grenzen von ASLR, NX und Stack-Canaries? | Schreiben außerhalb der Grenzen kann Stack- oder Heap-Daten beschädigen, darunter manchmal Steuerungsinformationen. ASLR randomisiert Speicherpositionen, NX verhindert die Ausführung aus bestimmten Speicherseiten, und Stack-Canaries erkennen bestimmte Überschreibungen auf dem Stack. Diese Schutzmaßnahmen erschweren die Ausnutzung, beseitigen aber nicht den zugrunde liegenden Speichersicherheitsfehler. | ||
| 3 | Warum sollten Passwörter mit einem gesalzenen Passwort-Hashverfahren statt allein mit SHA-256 gespeichert werden? | Ein eindeutiges zufälliges Salt verhindert die Wiederverwendung vorberechneter Tabellen und erzeugt unterschiedliche gespeicherte Hashwerte, auch wenn Nutzer dasselbe Passwort wählen. Ein einstellbarer Aufwand verlangsamt Rateversuche. Argon2id und scrypt verursachen Speicherkosten; bcrypt ist eine langsamere ältere Option mit vorwiegend CPU-bezogenem Aufwand. SHA-256 ist auf Geschwindigkeit ausgelegt. Salts sind nicht geheim, und geeignete Kostenparameter hängen vom Einsatz ab. | ||
| 4 | Wie tragen festgelegte Abhängigkeiten, Signaturprüfung und eine SBOM zur Sicherheit der Softwarelieferkette bei? | Festgelegte Versionen und geprüfte Hashwerte helfen, die vorgesehenen Abhängigkeiten zu identifizieren; geprüfte Signaturen und Herkunftsnachweise helfen, Ursprung und Integrität eines Artefakts festzustellen; eine SBOM inventarisiert Komponenten. Kombiniere dies mit geschützten Build-Prozessen und Schwachstellenprüfungen. Eine gültige Signatur oder SBOM beweist nicht, dass Software sicher ist. | ||
| 5 | Wie beeinflussen L1- und L2-Strafterme die Modellgewichte? Garantieren sie weniger Überanpassung? | L1 addiert λ∑|wᵢ| zur Verlustfunktion und kann einige Gewichte auf null setzen. L2 addiert λ∑wᵢ² und verkleinert Gewichte tendenziell, ohne exakte Nullen zu erzeugen. Bei λ ≥ 0 muss die Stärke abgestimmt werden; keine der beiden Methoden garantiert bessere Generalisierung oder identifiziert ausschließlich irrelevante Merkmale. | ||
| 6 | Was enthält ein signiertes kompaktes JWT, und warum reicht das Dekodieren nicht aus? | Seine drei base64url-Teile enthalten Header, Nutzdaten mit Claims sowie Signatur oder MAC. Sie sind kodiert, nicht verschlüsselt. Prüfe Signatur oder MAC mit einem vertrauenswürdigen Schlüssel und einem ausdrücklich erlaubten Algorithmus; validiere anschließend die von der Anwendung verlangten Claims, etwa Aussteller, Zielgruppe und Ablaufzeit. JWTs können auch verschlüsselte Darstellungen verwenden. | ||
| 7 | Wie unterscheidet sich symmetrische Verschlüsselung von Public-Key-Kryptografie? | Symmetrische Verschlüsselung, etwa AES oder ChaCha20, verwendet denselben geheimen Schlüssel zum Ver- und Entschlüsseln. Public-Key-Kryptografie nutzt ein zusammengehöriges Paar aus einem öffentlichen und einem privaten Schlüssel; je nach Verfahren ermöglicht sie Verschlüsselung, digitale Signaturen oder Schlüsselvereinbarung. Diese Operationen sind nicht austauschbar. | ||
| 8 | Warum werden zwischen affinen Schichten eines neuronalen Netzes nichtlineare Aktivierungen verwendet? | Eine Verkettung affiner Abbildungen ist weiterhin affin; nur solche Abbildungen zu stapeln erzeugt daher keine nichtlinearen Merkmale. Nichtlineare Aktivierungen in verborgenen Schichten, etwa ReLU oder GELU, ermöglichen ausdrucksstärkere Funktionen. Das betrifft die verborgene Darstellung, nicht nur eine nichtlineare Ausgabetransformation. | ||
| 9 | Wie unterscheiden sich überwachtes, unüberwachtes und bestärkendes Lernen? | Überwachtes Lernen nutzt Beispiele mit Zielkennzeichnungen, um Vorhersagen zu lernen. Unüberwachtes Lernen findet Strukturen in Daten ohne diese Zielkennzeichnungen. Bestärkendes Lernen erlernt Verhalten durch Interaktion mit einer Umgebung, um die erwartete kumulierte Belohnung zu verbessern. | ||
| 10 | Was schließt die Unentscheidbarkeit des Halteproblems aus? | Sie schließt einen Algorithmus aus, der immer terminiert und für jedes Programm und jede Eingabe korrekt entscheidet, ob diese Ausführung irgendwann hält. Sie verhindert nicht, Terminierung oder Nichtterminierung für einzelne Programme oder eingeschränkte Klassen zu beweisen. | ||
| 11 | Welche Sicherheitseigenschaften sollte eine kryptografische Hashfunktion mit fester Ausgabelänge wie SHA-256 bieten? | Sie bildet eine Eingabe deterministisch auf einen Hashwert fester Länge ab. Urbildresistenz macht es praktisch undurchführbar, zu einem vorgegebenen Hashwert eine Eingabe zu finden. Zweite-Urbild-Resistenz macht es praktisch undurchführbar, zu einer gegebenen Eingabe eine andere mit demselben Hashwert zu finden. Kollisionsresistenz macht es praktisch undurchführbar, zwei beliebige verschiedene Eingaben mit demselben Hashwert zu finden. | ||
| 12 | Wie hängen das Prinzip der geringsten Rechte und Zero Trust zusammen? | Das Prinzip der geringsten Rechte gewährt nur den für eine Aufgabe nötigen Zugriff. Zero Trust vermeidet implizites Vertrauen allein aufgrund von Netzwerkstandort oder Eigentum und bewertet Identität, Gerätezustand und Richtlinien vor dem Ressourcenzugriff sowie fortlaufend erneut. Es wendet das Prinzip der geringsten Rechte an, statt es zu ersetzen. | ||
| 13 | Wie regeln die Same-Origin-Policy und CORS den Browserzugriff auf Antworten anderer Ursprünge? | Bei gewöhnlichen Web-URLs wird ein Ursprung durch Schema, Host und Port bestimmt. Die Same-Origin-Policy beschränkt ursprungsübergreifende Lesezugriffe durch Skripte; CORS erlaubt einem Server, bestimmte Browserzugriffe über Antwort-Header zu gestatten. Nur einige Anfragen benötigen eine vorgeschaltete OPTIONS-Anfrage. CORS ersetzt keine serverseitige Autorisierung. | ||
| 14 | Wie unterscheiden sich vollständige Selbstaufmerksamkeit, FlashAttention und KV-Caching bei festen Merkmalsdimensionen im Aufwand nach Sequenzlänge? | Für N Tokens benötigt herkömmliche vollständige Aufmerksamkeit O(N²) Rechenoperationen und O(N²) Speicher für explizit gespeicherte Aufmerksamkeitswerte. Exakte FlashAttention vermeidet diesen quadratischen Speicherbedarf, behält aber den quadratischen Rechenaufwand. Beim autoregressiven Dekodieren verwendet KV-Caching frühere Schlüssel und Werte erneut; es vermeidet Neuberechnungen, doch vollständige Aufmerksamkeit vergleicht jede neue Abfrage weiterhin mit den vorherigen Tokens. | ||
| 15 | Wie können Residualverbindungen und Schichtnormalisierung bei schwieriger Gradientenweitergabe in tiefen Netzen helfen? | Gradienten können bei der Backpropagation extrem klein oder groß werden. Eine Residualverbindung, y = F(x) + x, bietet über den Identitätsterm einen direkten Ableitungspfad. Schichtnormalisierung skaliert Aktivierungen und kann das Training stabilisieren. Diese Techniken helfen, garantieren aber nicht, dass verschwindende oder explodierende Gradienten ausbleiben. | ||
| 16 | Was besagt die Church–Turing-These, und warum heißt sie These? | Jede Funktion, die durch ein effektives mechanisches Verfahren berechnet werden kann, ist mit einer Turingmaschine berechenbar. Die Aussage verbindet einen informellen Begriff effektiven Rechnens mit einem formalen Modell; diese Gleichsetzung ist deshalb eine These und kein Satz über zwei formale Modelle. Die Äquivalenz konkreter formaler Modelle lässt sich beweisen. | ||
| 17 | Was ist SSRF, und was sollte die Abwehr einschränken? | SSRF veranlasst einen Server zu Anfragen an vom Angreifer ausgewählte Ziele, wodurch interne Dienste oder Cloud-Metadaten zugänglich werden können. Beschränke erlaubte Ziele und Protokolle, prüfe aufgelöste Adressen und Weiterleitungen und setze Kontrollen für ausgehenden Netzwerkverkehr durch. Nur den übermittelten Hostnamen zu prüfen reicht nicht aus. | ||
| 18 | Was authentifiziert HMAC, und was leistet es nicht? | HMAC berechnet aus einer Nachricht und einem gemeinsamen geheimen Schlüssel einen Prüfwert, beispielsweise mit HMAC-SHA256. Ein gültiger Prüfwert stützt Integrität und Authentifizierung gegenüber einem Inhaber dieses Schlüssels. Er verschlüsselt die Nachricht nicht und beweist nicht, welcher von mehreren Schlüsselinhabern sie erstellt hat. | ||
| 19 | Wie kombiniert Selbstaufmerksamkeit mit skaliertem Skalarprodukt Tokeninformationen, auch bei Maskierung? | Sie berechnet softmax(QKᵀ/√dₖ + M)V. Q, K und V sind Projektionen derselben Sequenz; dₖ ist die Schlüssel- und Abfragedimension. Die additive Maske M ist an erlaubten Positionen 0 und an gesperrten −∞. Softmax wird für jede Abfrage über die erlaubten Schlüssel angewandt. Eine kausale Maske blockiert zukünftige Tokens. | ||
| 20 | Wie unterscheiden sich XSS-Abwehrmaßnahmen von Maßnahmen, die nur die Auswirkungen begrenzen? | XSS führt vom Angreifer kontrollierten Code im Browserkontext einer Website aus. Kontextgerechte Ausgabekodierung, sichere DOM-Operationen und geeignete Bereinigung bewusst zugelassenen HTMLs setzen an der Einschleusung an. CSP ergänzt die gestaffelte Abwehr. HttpOnly kann verhindern, dass Skripte ein Cookie lesen, verhindert aber nicht die Ausführung von XSS. | ||
| 21 | Wie schützt PKCE den OAuth-Autorisierungscode-Ablauf, auch bei der Verwendung in OpenID Connect? | Der Client erzeugt einen neuen geheimen Code-Verifier und sendet die daraus mittels S256 berechnete Challenge mit der Autorisierungsanfrage. Beim Einlösen des Codes liefert er den Verifier; der Server prüft ihn gegen die zugeordnete Challenge. Ein abgefangener Code allein reicht nicht aus. OAuth dient delegierter Autorisierung; OpenID Connect ergänzt eine Authentifizierungsschicht. | ||
| 22 | Was schützt Forward Secrecy, wenn ein langfristiger Authentifizierungsschlüssel kompromittiert wird? | Früher aufgezeichnete Sitzungen bleiben vertraulich, sofern ihre Sitzungsgeheimnisse nicht ebenfalls kompromittiert wurden. Ephemeres Diffie–Hellman kann diese Eigenschaft bieten, wenn ephemere Geheimnisse sicher gelöscht werden; die Kompromittierung allein des langfristigen Schlüssels legt dann frühere Sitzungsschlüssel nicht offen. | ||
| 23 | Was ist CSRF, und warum bieten SameSite-Cookies keinen vollständigen Schutz? | CSRF veranlasst einen Browser zu unerwünschten Anfragen mit automatisch angehängten Anmeldedaten, etwa Sitzungscookies. Prüfe geeignete Anti-CSRF-Tokens bei zustandsändernden Anfragen und nutze SameSite als zusätzliche Schutzschicht. SameSite=Lax kann Cookies bei websiteübergreifender GET-Navigation auf oberster Ebene zulassen; GET-Endpunkte dürfen deshalb keine zustandsändernden Aktionen ausführen. | ||
| 24 | Wie werden bei einem typischen zertifikatsauthentifizierten TLS-1.3-Handshake mit ephemerem Diffie–Hellman der Server und die Sitzungsschlüssel geprüft? | Der Client prüft das Zertifikat und die Identität des Servers und anschließend dessen CertificateVerify-Signatur über die Mitschrift der Handshake-Nachrichten. Ephemeres Diffie–Hellman erzeugt ein gemeinsames Geheimnis, aus dem die Verkehrsschlüssel abgeleitet werden; Finished-Nachrichten authentifizieren die Mitschrift und bestätigen die abgeleiteten Schlüssel. TLS 1.3 unterstützt auch andere Handshake-Modi. | ||
| 25 | Wie unterscheiden sich bei Entscheidungsproblemen und polynomiellen Many-one-Reduktionen P, NP, NP-schwer und NP-vollständig? | P enthält deterministisch in Polynomialzeit entscheidbare Probleme. NP enthält Probleme, deren Ja-Instanzen Zertifikate polynomieller Größe besitzen, die in Polynomialzeit geprüft werden können. Auf ein NP-schweres Problem lässt sich jedes Problem aus NP so reduzieren. NP-vollständig bedeutet zugleich NP-schwer und in NP; NP-Schwere allein bedeutet keine Zugehörigkeit zu NP. | ||
| 26 | Wie hängen Bias und Varianz im klassischen Bias-Varianz-Bild mit Unter- und Überanpassung zusammen? | Bias ist ein systematischer Fehler der mittleren Vorhersage oder Schätzung; Varianz beschreibt die Empfindlichkeit gegenüber der gezogenen Trainingsstichprobe. Hoher Bias kann zur Unteranpassung beitragen. Hohe Varianz kann dazu beitragen, das Modell an trainingsspezifische Schwankungen anzupassen und schlecht zu verallgemeinern. Das Gleichgewicht hängt von Modell, Daten und Trainingsverfahren ab. | ||
| 27 | Wie verringert HSTS HTTPS-Downgrade-Angriffe, und welche Grenze besteht beim ersten Besuch? | Ein Angreifer kann versuchen, den Browser auf unverschlüsseltem HTTP zu halten. Bei einem bekannten HSTS-Host verwendet der Browser HTTPS und lehnt Zertifikatsfehler ab. Eine erst bei einem früheren sicheren Besuch gelernte Richtlinie schützt keinen ersten unsicheren Besuch; eine vorinstallierte HSTS-Richtlinie kann diese anfängliche Lücke schließen. | ||
| 28 | Wie entsteht SQL-Injection, und wie helfen parametrisierte Abfragen? | Nicht vertrauenswürdige Eingaben werden als SQL-Code statt als Daten interpretiert. Binde Datenwerte über Parameter ein, statt sie in SQL hineinzukonkatenieren. Parameter können in der Regel keine Tabellen- oder Spaltennamen und keine SQL-Schlüsselwörter ersetzen; wähle solche Strukturelemente aus vertrauenswürdigen, ausdrücklich erlaubten Optionen. | ||
| 29 | Was messen Präzision, Recall, F1 und ROC-AUC bei einem binären Klassifikator? | Für die gewählte positive Klasse gilt Präzision = TP/(TP+FP), Recall = TP/(TP+FN) und F1 = 2TP/(2TP+FP+FN), sofern die Nenner ungleich null sind. ROC-AUC fasst Richtig-Positiv- gegenüber Falsch-Positiv-Raten über verschiedene Schwellenwerte zusammen. Bei unausgeglichenen Klassen sollten auch Präzision und Recall sowie die Fehlerkosten betrachtet werden; ROC-AUC allein ist kein universelles Qualitätsmaß. | ||
| 30 | Was ist Retrieval-Augmented Generation (RAG), und was garantiert sie nicht? | RAG ruft externes Material ab und macht die Generierung davon abhängig. Das kann Antworten besser belegen und Informationsaktualisierungen erleichtern, ohne den Generator neu zu trainieren. Abgerufenes Material kann veraltet, falsch oder irrelevant sein, und auch die Generierung kann weiterhin falsch liegen; der Abruf macht Dokumente nicht zu garantiert gesicherten Fakten. | ||
| 31 | Was haben deterministische und nichtdeterministische endliche Automaten mit formalen regulären Ausdrücken gemeinsam? | Deterministische und nichtdeterministische endliche Automaten erkennen genau die regulären Sprachen, die auch durch formale reguläre Ausdrücke beschrieben werden. Ein nichtdeterministischer Automat akzeptiert, wenn mindestens ein erlaubter Berechnungspfad akzeptiert. Funktionen praktischer Regex-Systeme, etwa Rückverweise, können über diese formale Klasse hinausgehen. | ||
| 32 | Wie unterscheiden sich volumetrische DDoS-Angriffe, SYN-Floods und Angriffe auf Anwendungsebene? | Sie zielen auf Bandbreite, Ressourcen zur Verbindungsverwaltung beziehungsweise Anwendungsarbeit und nutzen verteilte Verkehrsquellen. Die Abwehr muss zum Engpass passen: vorgelagerte Filterung oder Verkehrsbereinigung gegen Fluten, SYN-Cookies gegen bestimmte Angriffe auf den Verbindungszustand und anwendungsspezifische Filterung oder Ratenbegrenzung gegen HTTP-Missbrauch. Keine einzelne Maßnahme stoppt jeden DDoS-Angriff. |