لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع و عملی OWASP Top 10 برای مدلهای زبانی بزرگ (LLMs)
- آخرین آپدیت
دانلود OWASP Top 10 for LLMs: Complete Hands-On Labs
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
حمله و دفاع از یک اپلیکیشن واقعی چت LLM به همراه RAG در برابر ۱۰ ریسک برتر OWASP برای LLMها - به صورت کاملاً عملی، محلی و با استفاده از Ollama رایگان.
شناسایی هر ۱۰ دستهبندی OWASP Top 10 برای اپلیکیشنهای LLM (نسخه ۲۰۲۵) در سیستمهای واقعی چت و RAG.
بهرهبرداری و سپس دفاع از یک اپلیکیشن LLM محلی - اجرای هر حمله در حالت آسیبپذیر و سپس مشاهده نحوه مسدود شدن آن توسط سیستمهای دفاعی.
پیکربندی هفت لایه دفاعی ترکیبی: فیلتر پرامپت، اعتبارسنجی ورودی، پاکسازی خروجی، محدودکننده نرخ (Rate Limiter)، ایزولهساز کانتکست، گارد ابزارها و اعتبارسنج RAG.
نوشتن مدل تهدید و برنامه دفاع در عمق (Defense-in-Depth) برای هر محصول یا قابلیت جدید مبتنی بر LLM.
پیشنیازها: تسلط به خط فرمان (Command Line) و مفاهیم پایه JavaScript/TypeScript - شما ماژولهای کد کوچک را مطالعه و ویرایش خواهید کرد.
یک لپتاپ با ۸ گیگابایت رم یا بیشتر که بتواند مدل محلی را با Ollama (رایگان) اجرا کند - بدون نیاز به حساب ابری یا API Key.
آشنایی با وباپلیکیشنها و مفاهیم پایه LLM/Chatbot مفید است اما الزامی نیست.
این دوره شامل استفاده از هوش مصنوعی است.
مدلهای زبانی بزرگ یک فرض بنیادی در امنیت اپلیکیشنها را شکستند: دیگر جداسازی پاکی بین دادهها و دستورالعملها وجود ندارد. این دوره OWASP Top 10 برای اپلیکیشنهای LLM (۲۰۲۵) را به تنها روشی که واقعاً یاد میگیرید آموزش میدهد - با بهرهبرداری از هر نقطه ضعف در یک اپلیکیشن واقعی و سپس دفاع در برابر آن.
شما یک آزمایشگاه محلی و متنباز را اجرا خواهید کرد: یک دستیار چت Next.js متصل به خط لوله تولید تقویتشده با بازیابی (RAG) که کاملاً توسط Ollama روی دستگاه خودتان اجرا میشود. بدون حساب ابری، بدون API Key و بدون هزینه. هر سناریو دو بار اجرا میشود - یک بار در حالت آسیبپذیر که حمله موفق میشود، و یک بار در حالت دفاعشده که زنجیرهای از دفاعهای واقعی آن را متوقف میکند. شما خواهید دید که چگونه یک پرامپت در یک حالت منجر به نشت داده میشود و در حالت دیگر رد میشود، و سپس کد منبع دفاعی که این تفاوت را ایجاد کرده است مطالعه میکنید.
در دوازده بخش، تمام ده دسته را پوشش خواهید داد: تزریق پرامپت (Prompt Injection)، افشای اطلاعات حساس، زنجیره تامین، مسمومیت داده و مدل، مدیریت نادرست خروجی، دسترسی بیش از حد (Excessive Agency)، نشت پرامپت سیستم، نقاط ضعف وکتور و Embedding، اطلاعات نادرست و اتکای بیش از حد، و مصرف نامحدود (Denial of Wallet). شما هفت دفاع ترکیبی را پیکربندی و بررسی میکنید و یاد میگیرید دقیقاً هر کدام کدام حملات را متوقف میکنند و چرا اکتشافات ساده (Heuristics) هرگز کافی نیستند.
این دوره یک شرکت فرضی به نام NovaBridge را در قالب یک داستان مستمر مبتنی بر حوادث دنبال میکند تا تهدیدات در یک محیط سازمانی واقعبینانه قرار گیرند. هر بخش با یک تمرین عملی به پایان میرسد و دوره با یک پروژه نهایی (Capstone) بسته میشود که در آن برای یک محصول کاملاً جدید، مدل تهدید طراحی کرده و آن را در برابر هر ۱۰ دسته مقاوم میکنید.
در پایان، شما قادر خواهید بود هر ریسک OWASP LLM را در سیستمهای واقعی شناسایی کنید و یک برنامه دفاع در عمق برای هر محصول مبتنی بر LLM که میسازید، بنویسید.
سرفصل ها و درس ها
خوشآمدگویی و راهاندازی
Welcome & Setup
خوشآمدگویی و آنچه خواهید ساخت
Welcome and What You'll Build
نگاهی کلی به OWASP Top Ten برای LLMها
OWASP Top Ten for LLMs at a Glance
راهاندازی Ollama و پلتفرم آزمایشگاه
Setting Up Ollama and the Lab Platform
دمو: راهاندازی Ollama و پلتفرم آزمایشگاه
Demo: Setting Up Ollama and the Lab Platform
گشتی در کنسول امنیتی
A Tour of the Security Console
نصب آزمایشگاه روی ویندوز، مک و لینوکس
Installing the Lab on Windows, macOS, and Linux
راهنمای گامبهگام نصب: اجرای دستورات
Install Walkthrough: Run the Commands
دمو: گشتی در کنسول امنیتی
DEMO: A Tour Of The Security Console
برپایی محلی پلتفرم آزمایشگاه
Stand Up the Lab Platform Locally
PhD در علوم کامپیوتر و مدیر فناوری اطلاعات با 30 سال تجربه فنی در زمینه های مختلف از جمله امنیت فناوری اطلاعات، مدیریت فناوری اطلاعات، مدیریت خدمات فناوری اطلاعات، توسعه نرم افزار، مدیریت پروژه، تجزیه و تحلیل تجاری و معماری نرم افزار. من دارای بسیاری از گواهینامههای IT مانند
ISO 27001 Auditor، ComptIA Security+، GSEC، CEH، CISM
نمایش نظرات