# 20221221 學長口試問題

##

### 1 晏林學長

- Q1：
- 針對的角色為module poisoning
13頁為例：這次攻擊是針對model的還是data poisoning

- Q2：
1. 25頁：第18張圖為什麼是***gaussian-alike***
2. 32頁：黃色跟紫色兩條線根藍色還有紅色那條線的走勢，請解釋下關係
3. 並且從這張圖中解釋對你globel model的韌性(容忍外部poisoning的能力)，不會因為攻擊導致你的model crash
4. 34、35頁：說明左邊那張圖的下面綠色跟藍色的線條，
范老師補充：這邊應該解釋成－緩解後的下毒成功率

- Q3：
1. 23頁：在實驗中攻擊的占比
2. 34頁：左邊圖，個線條的意義
黃色會讓大家誤解

### 2 竣賓學長

- Q1：
聽不太懂跟Hyper Parameter的設定
超參數如果以random給應該會比Grid search好

- Q2：
MDGCN加了Focal Loss會比較好?
也許只是多了一個分類器，才會有提升的效果，但如果再多一個分類器，會不會有一樣的效果

- Q3：
第41頁 在每個不同的實驗(不同的分類器)對於三種database都有各自最好的結果，那要怎麼確定哪個才會是最好的
並且在這個表格中，數字有點多，可以簡化，以便讀者閱讀

- Q4：
地42頁 為什麼PPT在inbalanced會這麼低，獎懲的紀錄可能也會有一些問題，可能假帳號之間互推，或者引戰等問題，造成獎懲的matrix有不準的問題
獎懲的policy可以在思考一下
由於PPT跟其他的database的準確率差太多了，可能要寫出一下原因

- Q5：
並沒有describe這些分身帳號的資訊

- Q6：
penalty matrices
可以看一下push的數量，如果有超過中位數，才可以判斷成reward，避免誤判