آموزش تنظیم دقیق LLM برای امنیت سایبری: Mistral، Llama، AutoTrain، AutoGen، و نمایندگان LLM

مقدمه Introduction

• Google Colab و سایر ابزارهای مهم Google Colab and other important tools

• پیش نیازهای دوره Prerequisites of the course

• آنچه در این دوره می توان آموخت What can be learned in this course

• چگونه از این دوره نهایت استفاده را ببریم How to make the most of this course

• مقدمه ای بر LLM ها و عوامل LLM برای امنیت سایبری Introduction to LLMs and LLM agents for cybersecurity

1. LLMهای منبع باز و چرایی اهمیت آنها 1. Open-Source LLMs and Why They're Important

• مفاهیم مهم LLM: معماری ترانسفورماتور، توجه، کوانتیزاسیون، بارگذاری پارامترها، و تنظیم دقیق Important LLM concepts: Transformer architecture, attention, quantization, parameter offloading, and fine-tuning

• دارایی‌هایی برای یافتن و اجرای مدل‌ها: صورت در آغوش گرفته، Replicate، Google Colab و Olama Assets to find and run models: Hugging Face, Replicate, Google Colab, and Ollama

• راه حل: یاد بگیرید که چگونه یک LLM را از Hugging Face وارد کنید Solution: Learn how to import an LLM from Hugging Face

• مدل های تنظیم دقیق: QLoRA، PEFT، و Unsloth Fine-tuning models: QLoRA, PEFT, and Unsloth

• GenAI و LLM های برتر: GPT4، کلود، و جمینی (منبع بسته) GenAI and top LLMs: GPT4, Claude, and Gemini (closed source)

• چالش: یک LLM را در Colab وارد کنید Challenge: Import an LLM in Colab

• LLMهای منبع باز: لاما، میسترال، میکسترال و کد لاما Open source LLMs: Llama, Mistral, Mixtral, and Code Llama

2. LLM و امنیت سایبری 2. LLMs and Cybersecurity

• چالش: ایمیل های فیشینگ را با استفاده از LLM شناسایی کنید Challenge: Identify phishing emails using LLMs

• تهدیدات در حال تکامل جدید، توسط LLM ها New evolving threats, powered by LLMs

• چگونه متخصصان امنیت سایبری از LLM به خوبی استفاده می کنند How cybersecurity professionals use LLMs for good

• راه حل: LLM ها را با مجموعه داده های فیشینگ ایمیل در Colab تنظیم کنید Solution: Fine-tune LLMs with email phishing datasets in Colab

• تولید داده مصنوعی: نمونه کد Synthetic data generation: Code example

• تولید داده مصنوعی: مقدمه Synthetic data generation: Introduction

• حملات پیشرفته توسط هکرها با استفاده از LLM Advanced attacks by hackers using LLMs

3. اسکن آسیب پذیری کد با LLM 3. Code Vulnerability Scanning with LLMs

• بلاک چین و حسابرسی قراردادهای هوشمند Blockchains and smart contract auditing

• استنتاج و محک زدن Inference and benchmarking

• تنظیم دقیق و نقشه برداری یک مجموعه داده Fine-tuning and mapping a dataset

• آموزش مدل Training the model

• مقدمه ای بر اسکن آسیب پذیری کد Introduction to code vulnerability scanning

• خروجی خارج از جعبه (اسکن آسیب پذیری) از یک LLM Out-of-the-box output (vulnerability scanning) from an LLM

4. OSINT با LLM Agents 4. OSINT with LLM Agents

• مقدمه ای بر OSINT و اینکه چگونه LLM ها می توانند کمک کنند Introduction to OSINT and how LLMs can help

• برنامه ریزی کارگزاران، وظایف و مسئولیت های آنها Planning the agents, their tasks, and their responsibilities

• اتمام کار و تجزیه و تحلیل خروجی Finishing touches and analyzing the output

• راه اندازی پروژه: LLM ها، نمایندگان و تعیین وظایف Setting up the project: LLMs, Agents, and defining tasks

• چارچوب‌های عامل و هوش مصنوعی خدمه: ابزارها و وظایف Agent frameworks and Crew AI: Tools and tasks

• معرفی عوامل و گردش کار نماینده Introduction to agents and agent workflows

5. اسکن آسیب پذیری وب با عوامل LLM 5. Web Vulnerability Scanning with LLM Agents

• برنامه ریزی پروژه و کشف ابزار مناسب Planning the project and discovering the right tools

• مقدمه ای بر اسکن آسیب پذیری وب Introduction to web vulnerability scanning

• پرتاب خدمه و تجزیه و تحلیل خروجی Kicking off the crew and analyzing the output

• تنظیم عوامل و وظایف آنها Setting up agents and their tasks

• تجزیه و تحلیل سیاهههای مربوط و راه اندازی ابزار Analyzing logs and setting up tools

• دریافت داده های شبکه و DOM و پردازش آن Getting network and DOM data and processing it

6. فایروال LLM-Powered 6. LLM-Powered Firewall

• خروجی استنتاج و یادداشت های پایانی Inference output and closing notes

• پیش پردازش داده ها Data preprocessing

• مقدمه ای بر پروژه های فایروال مبتنی بر LLM Introduction to LLM-powered firewall projects

• تنظیم دقیق LLM LLM fine-tuning

• راه اندازی LLM LLM setup

• جمع آوری و ذخیره داده های شبکه Network data gathering and storing

• برنامه ریزی رویکرد Planning the approach

7. آینده امنیت سایبری با LLM 7. The Future of Cybersecurity with LLMs

• امنیت پیش بینی با LLM Predictive security with LLMs

• یادگیری ازدحام با بات نت های غیرمتمرکز هوش مصنوعی Swarm learning with decentralized AI botnets

• تهدیدات آینده Threats of the future

• منابعی برای پیشبرد یادگیری شما Resources to take your learning further

• بات نت های غیرمتمرکز برای حملات غیرمتمرکز DOS Decentralized botnets for decentralized DOS attacks

• با چشم انداز فناوری پویا در حال تغییر همراه باشید Keep up with the ever-changing dynamic tech landscape

• عوامل LLM برای هک کردن LLM powered agents for hacking

نتیجه گیری Conclusion

• یادگیری های کلیدی، بهترین شیوه ها، و بیانیه های جدایی Key learnings, best practices, and parting statements

• جمع بندی دوره Summarizing the course