🔒 Registro cerrado · Apertura oficial próximamente · Acceso exclusivo para alumnos activos
Iniciar SesiónExfiltración e impacto: la huella que dejan
3 tareas · 35 min · Principiante
Los objetivos de mayor impacto contra modelos de IA incluyen el robo de propiedad intelectual (extracción de pesos o réplica del modelo mediante consultas continuas) y la denegación de servicio o degradación de la integridad del modelo. En Cóndor Andino se analizan las métricas de inferencia y los registros de incidentes para evaluar la severidad de estos impactos bajo el marco ATLAS.
Objetivo de la sala
Los objetivos de mayor impacto contra modelos de IA incluyen el robo de propiedad intelectual (extracción de pesos o réplica del modelo mediante consultas continuas) y la denegación de servicio o degradación de la integridad del modelo. En Cóndor Andino se analizan las métricas de inferencia y los registros de incidentes para evaluar la severidad de estos impactos bajo el marco ATLAS.La técnica AML.T0024 (Model Inversion / Extraction) se caracteriza por un volumen anormal de consultas diseñadas para reconstruir las fronteras de decisión del modelo objetivo.
Revisa la tabla deteccion_extraccion e identifica la sesión con alta similitud de consultas y gran volumen de tokens solicitados.
Esta tarea se hace en el laboratorio
Una consola para consultar la base de datos, aquí en la página. No instalas nada y no puedes romper nada.
Responde para continuar
¿Cuántos tokens fueron solicitados en la sesión SES-EXT-881 clasificada como intento de extracción?
Ver pista de ayuda
Consulta `SELECT * FROM deteccion_extraccion` para la sesión SES-EXT-881.
En la tabla impacto_observado, el incidente INC-IMP-02 describe la erosión deliberada de la integridad del modelo de scoring de riesgo mediante datos sesgados.
Esta tarea se hace en el laboratorio
Una consola para consultar la base de datos, aquí en la página. No instalas nada y no puedes romper nada.
Responde para continuar
¿Qué nivel de severidad tiene asignado el incidente INC-IMP-02?
Ver pista de ayuda
Revisa la columna severidad en `impacto_observado` para INC-IMP-02.
A diferencia de la denegación de servicio tradicional en servidores web, un ataque de denegación de servicio contra ML (AML.T0029) satura la memoria VRAM de las GPUs mediante tamaños de contexto extremos o algoritmos de generación costosos.
Esta tarea se hace en el laboratorio
Una consola para consultar la base de datos, aquí en la página. No instalas nada y no puedes romper nada.
Responde para continuar
¿Cuál es el impacto principal de la técnica AML.T0029 (Denial of ML Service) sobre la infraestructura de inferencia?
Ver pista de ayuda
Piensa en el costo computacional de procesar contextos largos en tarjetas gráficas.
Conectando con la base…
Tablas
deteccion_extraccion
- sesion_id
- tecnica_atlas
- tokens_solicitados
- similitud_respuestas
- dictamen
impacto_observado
- incidente_id
- tecnica_impacto
- sistema_afectado
- perdida_estimada
- severidad
El resultado aparece aquí.
fila(s)
Whoami-Labs Pro
Whoami-Labs Pro utiliza cookies
Utilizamos cookies y almacenamiento local para el funcionamiento del sitio, seguridad de sesión y, si lo autorizas, analítica y marketing. Puedes aceptar, rechazar o personalizar. Política de Privacidad
Preferencias
Configuraciones de cookies
Elige qué categorías permitir. Las esenciales siempre están activas. Consulta la Política de Privacidad.
Esenciales
Siempre activas · sesión, CSRF, tema y esta preferencia
Necesarias para iniciar sesión, proteger formularios (CSRF) y recordar tu elección de cookies y tema. Sin ellas la plataforma no funciona de forma segura.
Analíticos
Hoy no activos en la plataforma; listos para cuando se conecten
Nos ayudan a entender uso de cursos y páginas. Si los activas, se usarán cuando conectemos analítica; hasta entonces no se carga ningún tracker.
Marketing
Hoy no activos; campañas futuras solo con tu permiso
Comunicaciones o campañas. No activos hoy en la plataforma; quedarán listos si los conectamos y solo si los permites.