مقدمه ای بر آسیب پذیری های LLM

Introduction to LLM Vulnerabilities

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

از آنجایی که مدل‌های زبان بزرگ (LLM) چشم‌انداز هوش مصنوعی را متحول می‌کنند، درک و رسیدگی به چالش‌های امنیتی منحصربه‌فردی که ارائه می‌کنند بسیار مهم می‌شود. در این دوره جامع از آزمایشگاه‌های هوش مصنوعی عملی، مدرس آلفردو دزا دانش فنی و مهارت‌های مورد نیاز برای شناسایی، کاهش و جلوگیری از آسیب‌پذیری‌های امنیتی در برنامه‌های LLM شما را پوشش می‌دهد. تهدیدات امنیتی رایج، مانند سرقت مدل، تزریق سریع و افشای اطلاعات حساس را کاوش کنید و تکنیک های عملی برای جلوگیری از سوء استفاده مهاجمان از آسیب پذیری ها و به خطر انداختن سیستم های شما را بیاموزید. بهترین روش‌ها را برای طراحی ایمن افزونه، اعتبارسنجی ورودی و پاک‌سازی، و همچنین نحوه نظارت فعال بر وابستگی‌ها برای به‌روزرسانی‌های امنیتی و آسیب‌پذیری‌ها کشف کنید. در طول مسیر، آلفردو استراتژی هایی را برای محافظت از سیستم های هوش مصنوعی در برابر دسترسی های غیرمجاز و نقض داده ها ترسیم می کند. در پایان دوره، شما آماده خواهید بود که راه حل های هوش مصنوعی قوی، ایمن و موثر را به کار بگیرید.

توجه: این دوره توسط آزمایشگاه های هوش مصنوعی عملی ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


سرفصل ها و درس ها

درباره این دوره About This Course

  • با مربی خود آشنا شوید Meet your instructor

1. مبانی مدل های زبان بزرگ 1. Foundations of Large Language Models

  • LLM چیست و چگونه کار می کند What are LLMs and how do they work

  • چگونه LLM ها در برنامه ها کار می کنند How do LLMs work in applications

  • LLM ها چگونه ایجاد می شوند How are LLMs created

2. برنامه های کاربردی مدل زبان 2. Language Model Applications

  • انواع رایج برنامه های کاربردی هوش مصنوعی مولد Common types of generative AI applications

  • نمای کلی یک برنامه مبتنی بر API Overview of an API-based application

  • چالش ها و نکات برجسته برنامه های هوش مصنوعی Challenges and highlights of AI applications

  • مقدمه ای بر برنامه های کاربردی مدل زبان Introduction to language model applications

  • خلاصه Summary

  • نمای کلی یک برنامه کاربردی مدل تعبیه شده Overview of an embedded-model application

  • اپلیکیشن چند وجهی چیست؟ What is a multi-modal application

3. آسیب پذیری های مدل 3. Model Vulnerabilities

  • مقدمه ای بر آسیب پذیری های مبتنی بر مدل Introduction to model-based vulnerabilities

  • مدل سرقت Model theft

  • شبیه سازی مدل Model replication

  • مدیریت ناامن خروجی Insecure output handling

  • خلاصه Summary

  • تزریق سریع Prompt injection

4. آسیب پذیری های سیستم 4. System Vulnerabilties

  • خلاصه Summary

  • مقدمه ای بر آسیب پذیری های سیستم Introduction to system vulnerabilities

  • افشای اطلاعات حساس Sensitive information disclosure

  • آسیب پذیری های برنامه Application vulnerabilities

  • طراحی پلاگین ناامن Insecure plugin design

نتیجه گیری Conclusion

  • نتیجه گیری Conclusion

  • انواع دیگر آسیب پذیری ها Other types of vulnerabilities

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

مقدمه ای بر آسیب پذیری های LLM
جزییات دوره
1h 25m
24
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
574
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pragmatic AI Labs Pragmatic AI Labs

آزمایشگاه‌های هوش مصنوعی عمل‌گرا یک آموزش‌دهنده فناوری است.

آزمایشگاه‌های هوش مصنوعی عملی همه را، صرف‌نظر از ابزار یا پیش‌زمینه، به دانشی برای تغییر خود و ارتقای جوامع خود مجهز می‌کند. آزمایشگاه‌های هوش مصنوعی عملگرا تلاش می‌کنند تا آموزش را دموکراتیک کرده و زندگی را از طریق فناوری خلاقانه و اخلاقی تقویت کنند. با مدرسان برجسته از دانشگاه‌های برتر با تجربه صنعت در دنیای واقعی، برنامه‌های آن بر ارائه مهارت‌های در دسترس و پیشرفته تمرکز دارد که منجر به تحقق مشاغل و در عین حال اجتناب از آسیب و بهبود رفاه انسان می‌شود.

Alfredo Deza Alfredo Deza

آلفردو دزا نویسنده، المپیکی و استاد کمکی در دانشگاه دوک است.

آلفردو نزدیک به دو دهه تجربه DevOps و مهندسی نرم افزار دارد و چندین کتاب درباره DevOps و Python از جمله Python for DevOps<نوشته است./i> و MLOهای عملی. زمینه های تخصص او عبارتند از Azure و رایانش ابری، DevOps، MLOps، Python، Databricks، و اتوماسیون با CI/CD.

آلفردو در حال حاضر به عنوان یک مدافع اصلی ابر در مایکروسافت کار می کند و در Marietta، جورجیا زندگی می کند.