A 讀程式：資料、切分與注入
導航：← 08 誤判率與BH ｜ 目錄 ｜ B 特徵與模型 →
每題的解答都收合在題目下方：先自己作答，再點開「看解答」核對。
先認識這些詞
這一課新出現的詞如下（前面課程已解釋過的詞不重複，完整列表見 術語表）。
本課沒有新的專業詞；前面出現過的詞可在 術語表 查到。
目標
讀完這課，你能依序說出：資料怎麼載入、怎麼切分、假灌票在哪裡產生，並確認每一步有沒有偷看檢驗題。
前置
先讀完 00、03、04。
讀的順序
依資料流排列，不是依檔名排列：
- 資料載入（
src/data.py）：原始投票讀進來，帳號換成數字代碼。 - 切分（
src/split.py）：分成參照與檢驗。 - 注入（
src/attacks.py、src/tasks.py）：在參照題或檢驗題上製造假灌票。
第一步：資料載入（src/data.py）
白話：原始檔案裡的錢包地址或帳號，要換成整數代碼。之後的程式只看代碼，不看原始身分。
問自己
1. 原始身分在哪一行被換掉？換完之後，原始值還會留在記憶體或檔案裡嗎？
看解答
在資料載入時，帳號會被換成整數代碼（見 src/data.py）。之後程式只看代碼。要確認原始值是否還留在檔案或記憶體中，需要找出寫入檔案的地方（見下方練習）。
2. 代碼是怎麼產生的？同一個帳號每次都會得到同一個代碼嗎？
看解答
同一個帳號應該每次都得到同一個代碼，否則帳號歷史特徵就沒有意義。實際的轉換方式要在 src/data.py 中確認。
練習：找到寫入檔案的地方（搜尋 to_csv、to_pickle、open(... "w")）。確認寫入的內容沒有原始身分。
看解答
寫入的內容應該只有代碼，不含原始帳號或錢包地址。如果找到原始值被寫入檔案，要停下來回報，不要繼續。
第二步：切分（src/split.py）
白話：依票數分層，切成約 75% 參照、25% 檢驗。切分後會再做平衡檢查。
問自己
1. 切分是隨機的嗎？隨機種子是多少？
看解答
切分應該是隨機的，並且用固定種子（分層後隨機抽取）。種子的數字要在 config.py 中查。
2. 檢驗題的標籤會不會在切分階段就被用來做其他事？
看解答
不應該。切分只看票數（用來分層），不應該用到檢驗題的標籤。要確認切分函式的輸入欄位。
練習：用一個 40 題的假資料，手動切分，確認比例大約是 30 : 10。
看解答
參照約 30 題，檢驗約 10 題（同第 04 課）。
第三步：注入（src/attacks.py、src/tasks.py）
白話：在參照題或檢驗題上製造假灌票。
看這裡
src/attacks.py第 91–92 行（set_mask）：決定哪些題能被注入。src/attacks.py第 97 行（targets）：決定這次實際被攻擊的題。src/tasks.py第 75 行（inject）：呼叫注入的入口。src/tasks.py第 147 行（main_settings）：四種主要攻擊的設定。
問自己
1. 訓練注入（set_idx = 0）只會選到參照題嗎？
看解答
是的。set_idx = 0 對應參照題（set_mask 回傳非檢驗題的遮罩）。
2. 檢驗注入（set_idx = 1）只會選到檢驗題嗎？
看解答
是的。set_idx = 1 對應檢驗題。
3. 替換時，被替換的票是否真的改成假票，總票數有沒有不變？
看解答
應該不變。替換式注入是把真票換成假票，不新增票數；可以在練習中用前後的票數比較來確認。
練習：在 set_mask 旁邊，寫下兩種 set_idx 各能選到哪些題。把答案和 src/selfinj.py 第 42 行、第 88 行對照。
看解答
set_idx = 0：參照題（非檢驗題）；set_idx = 1：檢驗題。src/selfinj.py 第 42 行（訓練注入）用 0，第 88 行（檢驗注入）用 1，與這個對應一致。
檢核
1. 原始身分在哪一步被移除？
看解答
在資料載入（src/data.py）時就換成代碼，之後的程式只看代碼。
2. 參照題和檢驗題在注入時如何分開？
看解答
注入時用 set_idx 區分：0 只選參照題，1 只選檢驗題。
3. 如果你發現檢驗題的注入會影響參照題，這是洩漏還是正常？為什麼？
看解答
要看它是否進入訓練。如果檢驗注入只在評估時使用、訓練時不含它，就是正常；如果它改變了訓練用的特徵，就是洩漏。本研究的訓練用圖只注入參照題（set_idx = 0），所以是正常的（見 B 課）。
導航
引用文獻
- 資料來源：Snapshot Labs (2026) [bib: snapshot_hub]；Polis [bib: compdemocracy_polis_opendata]；Rayana & Akoglu (2015) [bib: rayana2015collective]。
- 切分平衡：Morgan & Rubin (2012) [bib: morgan2012rerandomization]。
- 注入與替換：Liu et al. (2022) [bib: liu2022bond]。