آموزش شناسایی و دفاع در برابر سوءاستفاده از مدل‌های زبانی بزرگ (LLM) [ویدیو] - آخرین آپدیت

دانلود Detecting and Defending Against LLM Abuse [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با ادغام مدل‌های زبانی بزرگ (LLM) در برنامه‌های سازمانی و پلتفرم‌های ابری، شناسایی سوءاستفاده‌ها و فعالیت‌های مخرب به طور فزاینده‌ای دشوار می‌شود. در این دوره، یوری دیوژنز، متخصص امنیت ابری، بررسی می‌کند که سازمان‌ها چگونه می‌توانند سیگنال‌های شناسایی پایداری را پیدا کنند که حتی با تکامل تکنیک‌های مهاجمان، همچنان موثر باقی بمانند. شما یاد خواهید گرفت که چگونه با تحلیل الگوهای رفتاری، تله‌متری تعاملات و سیگنال‌های عملیاتی در سیستم‌های هوش مصنوعی، شاخص‌های معنادار سوءاستفاده از LLM را از فعالیت‌های نویزدار یا گمراه‌کننده تشخیص دهید. این دوره روش‌های نظارتی کاربردی را بررسی می‌کند که برای بهبود دید نسبت به سوءاستفاده از پرامپت (Prompt Abuse)، تلاش‌های سوءاستفاده و تعاملات خصمانه در محیط‌های عملیاتی طراحی شده‌اند. یوری با بهره‌گیری از تجربه گسترده خود در امنیت ابری، مدیریت امنیت سایبری و Microsoft Defender for Cloud، توضیح می‌دهد که چگونه سازمان‌ها می‌توانند عملیات امنیت هوش مصنوعی خود را از طریق نظارت مقیاس‌پذیر، مهندسی شناسایی و اقدامات دفاعی بومیِ ابری (Cloud-native) تقویت کنند. شما بینش‌هایی در مورد ایجاد تعادل بین کارایی عملیاتی و استراتژی‌های مقاوم در برابر تهدیدات هوش مصنوعی به دست خواهید آورد. در پایان این دوره، شما درک خواهید کرد که چگونه قابلیت‌های نظارتی و شناسایی کاربردی ایجاد کنید که به سازمان‌ها کمک می‌کند تا با اعتمادبه‌نفس و دقت بیشتری، انواع در حال تکامل سوءاستفاده از LLM را شناسایی، بررسی و به آن‌ها پاسخ دهند. شناسایی سیگنال‌های پایدار سوءاستفاده از LLM تحلیل الگوهای تله‌متری رفتاری هوش مصنوعی شناسایی تعاملات خصمانه هوش مصنوعی تشخیص تهدیدات واقعی از نویزها ساخت جریان‌های کاری نظارت بر هوش مصنوعی مقیاس‌پذیر بهبود روش‌های مهندسی شناسایی هوش مصنوعی تقویت دفاع‌های مبتنی بر ابر در هوش مصنوعی پاسخ به تاکتیک‌های در حال تکامل سوءاستفاده از LLM این دوره برای متخصصان امنیت سایبری، تیم‌های امنیت ابری، تحلیلگران SOC، مهندسان شناسایی، متخصصان هوش مصنوعی و معماران امنیتی که مسئول نظارت و ایمن‌سازی سیستم‌های مجهز به هوش مصنوعی هستند، طراحی شده است. این دوره به‌ویژه برای سازمان‌هایی که مدل‌های زبانی بزرگ را در محیط‌های عملیاتی مستقر کرده و به دنبال رویکردهای کاربردی برای شناسایی تهدیدات هوش مصنوعی و نظارت عملیاتی هستند، ارزشمند است. آشنایی با عملیات امنیت سایبری، امنیت ابری و مفاهیم هوش مصنوعی مفید خواهد بود. شناسایی شاخص‌های قابل اعتماد سوءاستفاده از LLM * تحلیل سیگنال‌های رفتاری و تله‌متری * ساخت استراتژی‌های پایدار نظارت بر هوش مصنوعی

سرفصل ها و درس ها

شناسایی سوءاستفاده از LLM: سیگنال‌های پایدار Detecting LLM Abuse: Signals That Hold Up

  • مرور دوره Course Overview

  • شناسایی و نظارت بر سوءاستفاده از LLM در سیستم‌های هوش مصنوعی دنیای واقعی  Detecting and Monitoring LLM Abuse in Real-World AI Systems

نمایش نظرات

آموزش شناسایی و دفاع در برابر سوءاستفاده از مدل‌های زبانی بزرگ (LLM) [ویدیو]
جزییات دوره
0h 30m
2
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Yuri Diogenes
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Yuri Diogenes Yuri Diogenes

یوری دیوژنز (Yuri Diogenes) به مدت ۲۰ سال در مایکروسافت فعالیت داشته و در حال حاضر مدیر ارشد محصول (Principal PM Manager) است. او همچنین استاد دانشگاه تگزاس در دالاس، دانشگاه ترین و دانشگاه EC-Council است. یوری دارای مدرک دکترا در مدیریت امنیت سایبری و کارشناسی ارشد در هوش امنیت سایبری و تحقیقات جرم‌شناسی است. او ۳۴ کتاب منتشر کرده است که عمدتاً در زمینه امنیت اطلاعات و فناوری‌های مایکروسافت است. یوری همچنین دارای گواهینامه‌های صنعتی متعددی از جمله CISSP، CND، CEH، ECSA، CHFI، CompTIA Security+، CySA+، Network+، CASP و MITRE ATT&CK Cyber Threat Intelligence است.