آموزش مسترکلاس امنیت هوش مصنوعی: تزریق پرامپت و امنیت LLM - آخرین آپدیت

دانلود AI Security Masterclass: Prompt Injection & LLM Security

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت، حمله و ایمن‌سازی برنامه‌های واقعی LLM با استفاده از RAG، فراخوانی ابزارها (Tool Calling)، حافظه، عامل‌های هوش مصنوعی (AI Agents) و پایتون. توسعه‌دهندگان پایتون که قصد ساخت برنامه‌های امن LLM، RAG و عامل‌های هوش مصنوعی را دارند. مهندسان هوش مصنوعی و توسعه‌دهندگان GenAI که به دنبال دفاع از برنامه‌های خود در برابر تزریق پرامپت (Prompt Injection)، جیل‌بریک (Jailbreak) و سایر حملات LLM هستند. مهندسان نرم‌افزار که محصولات مبتنی بر هوش مصنوعی را با OpenAI، Ollama یا سایر مدل‌های زبانی بزرگ می‌سازند. توسعه‌دهندگان RAG و عامل‌های هوش مصنوعی که می‌خواهند بازیابی اسناد، فراخوانی ابزارها، حافظه و جریان‌های کاری چند-عاملی را ایمن کنند. توسعه‌دهندگان کلاود و بک‌اند که در حال ادغام هوش مصنوعی در برنامه‌های عملیاتی هستند و به الگوهای امنیتی کاربردی و نرده‌های حفاظتی (Guardrails) نیاز دارند. معماران فنی و مدیران مهندسی مسئول طراحی سیستم‌های امن هوش مصنوعی و حاکمیت داده. دانشجویان و توسعه‌دهندگانی که دانش پایه پایتون را دارند و می‌خواهند در زمینه امنیت برنامه‌های هوش مصنوعی متخصص شوند. هر کسی که به امنیت هوش مصنوعی علاقه‌مند است و به جای تئوری، یادگیری عملی از طریق ساخت، حمله و ایمن‌سازی برنامه‌های واقعی را ترجیح می‌دهد. پیشنیازها: دانش برنامه‌نویسی پایه پایتون، شامل متغیرها، توابع، کلاس‌ها و ماژول‌ها. یک کامپیوتر با سیستم‌عامل ویندوز، مک یا لینوکس با دسترسی نصب نرم‌افزار. به هیچ دانش قبلی در زمینه امنیت هوش مصنوعی، امنیت سایبری یا تزریق پرامپت نیاز نیست؛ ما همه موارد را گام به گام پوشش می‌دهیم. درک پایه از مدل‌های زبانی بزرگ (LLMs) یا چت‌بات‌های هوش مصنوعی مفید است اما اجباری نیست. داشتن کلید API OpenAI اختیاری است. در طول دوره، یاد می‌گیرید چگونه از مدل‌های رایگان محلی با Ollama برای انجام آزمایش‌ها استفاده کنید. اشتیاق به ساخت، شکستن و ایمن‌سازی برنامه‌های واقعی هوش مصنوعی از طریق تمرینات کدنویسی عملی.

برنامه‌های هوش مصنوعی بسازید که نه‌تنها قدرتمند، بلکه از ابتدا امن (Secure by Design)باشند.

در این مسترکلاس امنیت هوش مصنوعیعملی، یاد می‌گیرید چگونه برنامه‌های مدرن مبتنی بر مدل‌های زبانی بزرگ (LLMs)را بسازید، به آن‌ها حمله کنید و آن‌ها را ایمن سازید. با استفاده از Pythonو Ollama، یک دستیار هوش مصنوعی کامل ایجاد خواهید کرد و به تدریج قابلیت‌های چت، تولید تقویت‌شده با بازیابی (RAG)، فراخوانی ابزار، حافظه دائمی، عامل‌های خودمختار و کنترل‌های امنیتی عملیاتی را به آن اضافه می‌کنید.

شما با ساخت یک دستیار چت محلی شروع می‌کنید و بررسی خواهید کرد که چرا امنیت LLMبا امنیت سنتی برنامه‌ها متفاوت است. سپس حملات واقعی تزریق پرامپترا اجرا می‌کنید، سعی در افشای دستورالعمل‌های مخفی دارید، تکنیک‌های نقش‌آفرینی و جیل‌بریک‌هایچند مرحله‌ای را آزمایش می‌کنید و با متدهای دستکاری پرامپت‌های کدگذاری شده تجربه کسب می‌کنید.

در ادامه، یک برنامه RAGمبتنی بر سند می‌سازید که قادر است به سوالات از روی فایل‌های PDF پاسخ دهد. خواهید دید که چگونه اسناد مخرب می‌توانند تزریق پرامپت غیرمستقیم ایجاد کنند، محتوای بازیابی شده را مسموم کنند، پاسخ‌ها را دستکاری کرده و اعتماد به دانش سیستم را از بین ببرند. سپس خط لوله RAG را با استفاده از اعتبارسنجی منبع، جداسازی محتوا، پاک‌سازی و کنترل‌های اجرایی ایمن خواهید کرد.

دوره سپس از پاسخ‌های ساده چت‌بات فراتر رفته و به اقدامات واقعی برنامه می‌پردازد. شما یک دستیار هوش مصنوعی با قابلیت فراخوانی ابزارشامل ابزارهای آب‌وهوا، ماشین‌حساب و ایمیل می‌سازید. تزریق پارامتر و اجرای غیرمجاز ابزارها را تست کرده و سپس اعتبارسنجی ورودی، دسترسی‌های حداقل سطح (Least-Privilege)، محدودیت‌های مقصد و تأیید انسانی (Human-in-the-loop)برای اقدامات حساس را پیاده‌سازی می‌کنید.

همچنین حافظه دائمی هوش مصنوعیرا اضافه کرده و یاد می‌گیرید که مهاجمان چگونه می‌توانند اطلاعات ذخیره شده را مسموم کنند تا گفتگوهای آینده را دستکاری نمایند. حافظه را با استفاده از اعتبارسنجی، جریان‌های تأیید، امتیازدهی ریسک و سیاست‌های ذخیره‌سازی امن محافظت خواهید کرد.

با خودمختارتر شدن دستیار، یک عامل هوش مصنوعی (AI Agent)می‌سازید که قادر به برنامه‌ریزی وظایف، انتخاب ابزارها و اجرای جریان‌های کاری چند مرحله‌ای باشد. سپس سعی می‌کنید تصمیمات آن را مختل کنید و آن را با مجوزها، اجرای سیاست‌ها، گیت‌های تأیید و اجرای محدودشده ایمن سازید.

در پایان دوره، تمام دفاع‌ها را در یک درگاه امنیتی هوش مصنوعی (AI Security Gateway)قابل استفاده مجدد ترکیب می‌کنید که شامل موارد زیر است:

  • تشخیص تزریق پرامپت

  • فیلترینگ جیل‌بریک و امتیازدهی ریسک

  • امنیت RAG و پاک‌سازی محتوا

  • احراز هویت ابزارها و اعتبارسنجی پارامترها

  • محافظت در برابر مسمومیت حافظه

  • کنترل‌های امنیتی عامل (Agent)

  • جریان‌های کاری تأیید انسانی

  • اعتبارسنجی خروجی و ثبت لاگ‌های حسابرسی

در نهایت، دستیار هوش مصنوعی امن و کامل را با استفاده از Dockerبسته‌بندی و اجرا کرده و آن را از طریق Ollamaبه مدل‌های محلی متصل می‌کنید.

این دوره برای توسعه‌دهندگان پایتون، مهندسان هوش مصنوعی مولد، توسعه‌دهندگان RAG، سازندگان عامل‌های AI، مهندسان نرم‌افزار و متخصصان فنی که به دنبال تجربه عملی در ایمن‌سازی برنامه‌های LLM هستند، ایده‌آل است.

شما صرفاً حملات هوش مصنوعی را مطالعه نخواهید کرد؛ بلکه قابلیت‌های آسیب‌پذیر را می‌سازید، آن‌ها را اکسپلویت می‌کنید، دفاع‌ها را پیاده کرده و کارکرد آن‌ها را تأیید می‌کنید.

بسازید. حمله کنید. ایمن سازید.


سرفصل ها و درس ها

پروژه پیش‌نمایش Teaser Project

  • دستیار هوش مصنوعی سازمانی SecureOps SecureOps Enterprise AI Assistant

خوش‌آمدگویی و بررسی کلی دوره Welcome & Course Overview

  • خوش‌آمدگویی به مسترکلاس امنیت AI Welcome to AI Security Masterclass

  • چرا امنیت AI بیش از هر زمان دیگری اهمیت دارد Why AI Security Matters More Than Ever

  • چه چیزی در طول این دوره خواهید ساخت What You'll Build Throughout This Course

  • نقشه راه دوره: ساخت، حمله و ایمن‌سازی برنامه‌های AI Course Roadmap: Build, Attack and Secure AI Applications

  • نصب پایتون، VS Code و Git Installing Python, VS Code, and Git

  • راه‌اندازی Ollama Setting Up Ollama

مبانی امنیت هوش مصنوعی AI Security Foundations

  • تفاوت امنیت AI با امنیت سنتی برنامه‌ها How AI Security Differs from Traditional Application Security

  • درک چشم‌انداز تهدیدات هوش مصنوعی Understanding the AI Threat Landscape

  • ده مورد برتر OWASP برای برنامه‌های LLM OWASP Top 10 for LLM Applications

  • لایه‌های امنیتی در سیستم‌های مدرن AI Security Layers in Modern AI Systems

  • ساخت اولین دستیار چت هوش مصنوعی Build Your First AI Chat Assistant

  • بررسی نقاط ضعف امنیتی در دستیار چت Explore Security Weaknesses in the Chat Assistant

تزریق پرامپت مستقیم Direct Prompt Injection

  • درک تزریق پرامپت مستقیم Understanding Direct Prompt Injection

  • سلسله مراتب پرامپت: پیام‌های سیستم، توسعه‌دهنده و کاربر Prompt Hierarchy: System, Developer and User Messages

  • حمله به دستیار چت با تزریق پرامپت Attack the Chat Assistant with Prompt Injection

  • پیاده‌سازی اعتبارسنجی پرامپت Implement Prompt Validation

  • افزودن نرده‌های حفاظتی پایه Add Basic Guardrails

  • تست دفاع‌های تزریق پرامپت Test Prompt Injection Defenses

تکنیک‌های جیل‌بریک و دستکاری پرامپت Jailbreak Techniques & Prompt Manipulation

  • درک جیل‌بریک‌های هوش مصنوعی Understanding AI Jailbreaks

  • نقش‌آفرینی، کدگذاری و حملات چند مرحله‌ای Role Playing, Encoding and Multi-Turn Attacks

  • اجرای حملات جیل‌بریک علیه دستیار چت Run Jailbreak Attacks Against the Chat Assistant

  • ساخت تحلیل‌گر ریسک پرامپت Build a Prompt Risk Analyzer

  • افزودن فیلترینگ پرامپت و امتیازدهی ریسک Add Prompt Filtering and Risk Scoring

  • تست مقاومت در برابر جیل‌بریک Test Jailbreak Resistance

تولید تقویت‌شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG)

  • تولید تقویت‌شده با بازیابی (RAG) چیست؟ What is Retrieval-Augmented Generation (RAG)?

  • نحوه عملکرد برنامه‌های RAG How RAG Applications Work

  • درک Embeddings و جستجوی برداری Understanding Embeddings and Vector Search

  • ساخت دستیار RAG مبتنی بر سند از صفر Build a Document-Based RAG Assistant from Scratch

  • پرسیدن سوالات با استفاده از اسناد بازیابی شده Ask Questions Using Retrieved Documents

ایمن‌سازی برنامه‌های RAG Securing RAG Applications

  • تزریق پرامپت در برنامه‌های RAG Prompt Injection in RAG Applications

  • مسمومیت اسناد و مرزهای اعتماد Document Poisoning and Trust Boundaries

  • اکسپلویت دستیار RAG با یک PDF مخرب Exploiting a RAG Assistant with a Malicious PDF

  • مسموم کردن محتوای بازیابی شده Poisoning Retrieved Context

  • پیاده‌سازی اعتبارسنجی منابع مورد اعتماد Implement Trusted Source Validation

  • افزودن جداسازی محتوا Add Context Isolation

  • پاک‌سازی محتوای بازیابی شده Sanitize Retrieved Content

  • افزودن لایه اجرایی Add Enforcement Layer

  • تأیید دفاع‌های امنیتی RAG Verify the RAG Security Defenses

ساخت قابلیت فراخوانی ابزار در AI Building AI Tool Calling

  • فراخوانی ابزار (Tool Calling) چیست؟ What is Tool Calling?

  • فراخوانی تابع و انتخاب ابزار Function Calling and Tool Selection

  • طراحی ابزارهای آب‌وهوا، ماشین‌حساب و ایمیل Designing Weather, Calculator and Email Tools

  • ساخت دستیار چت با قابلیت فراخوانی ابزار Build a Tool-Calling Chat Assistant

  • تست فراخوانی‌های متعدد ابزار Test Multiple Tool Calls

ایمن‌سازی فراخوانی ابزار در AI Securing AI Tool Calling

  • ریسک‌های امنیتی فراخوانی ابزار Tool Calling Security Risks

  • تزریق پارامتر و اقدامات غیرمجاز Parameter Injection and Unauthorized Actions

  • فعال‌سازی فراخوانی‌های غیرمجاز ابزار Triggering Unauthorized Tool Calls

  • اعتبارسنجی ورودی‌های ابزار Validate Tool Inputs

  • محدود کردن مجوزهای ابزار Restrict Tool Permissions

  • افزودن تأیید انسانی برای اقدامات حساس Add Human Approval for Sensitive Actions

  • تأیید امنیت ابزارها Verify Tool Security

ساخت حافظه هوش مصنوعی Building AI Memory

  • حافظه کوتاه‌مدت در مقابل بلندمدت Short-Term vs Long-Term Memory

  • طراحی حافظه دائمی هوش مصنوعی Designing Persistent AI Memory

  • افزودن حافظه AI به دستیار Add AI Memory to the Assistant

  • تست بازیابی حافظه Test Memory Retrieval

ایمن‌سازی حافظه هوش مصنوعی Securing AI Memory

  • حملات مسمومیت حافظه Memory Poisoning Attacks

  • ریسک‌های محتوای دائمی Persistent Context Risks

  • مسموم کردن حافظه AI Poisoning AI Memory

  • اعتبارسنجی حافظه قبل از ذخیره‌سازی Validate Memory Before Storage

  • الزام به تأیید کاربر قبل از ذخیره حافظه Require User Approval Before Saving Memory

  • محافظت در برابر مسمومیت حافظه Protect Against Memory Poisoning

  • تأیید امنیت حافظه Verify Memory Security

ساخت عامل‌های هوش مصنوعی (AI Agents) Building AI Agents

  • از چت‌بات‌ها تا عامل‌های هوش مصنوعی From Chatbots to AI Agents

  • برنامه‌ریزی، استدلال و استفاده از ابزار Planning, Reasoning and Tool Use

  • ساخت یک عامل برنامه‌ریز خودمختار Build an Autonomous Planner Agent

  • تست جریان کاری عامل Test the Agent Workflow

ایمن‌سازی عامل‌های هوش مصنوعی Securing AI Agents

  • تهدیدات امنیتی عامل‌ها (Agents) Agent Security Threats

  • تأییدیه‌های انسانی در چرخه Human-in-the-Loop Approvals

  • مختل کردن یک عامل خودمختار Compromising an Autonomous Agent

  • افزودن جریان‌های کاری تأیید انسانی Add Human Approval Workflows

  • محدود کردن مجوزهای عامل Restrict Agent Permissions

  • ایمن‌سازی تصمیم‌گیری عامل Secure Agent Decision Making

  • تأیید امنیت عامل Validate Agent Security

ساخت درگاه امنیتی هوش مصنوعی Building an AI Security Gateway

  • معماری امنیتی لایه‌بندی شده AI Layered AI Security Architecture

  • موتورهای سیاست‌گذاری، نرده‌های حفاظتی و امتیازدهی ریسک Policy Engines, Guardrails and Risk Scoring

  • بررسی کامل معماری امن هوش مصنوعی Reviewing the Complete Secure AI Architecture

  • ساخت درگاه امنیتی هوش مصنوعی (AI Security Gateway) Build the AI Security Gateway

  • ادغام اعتبارسنجی پرامپت Integrate Prompt Validation

  • ادغام امنیت RAG Integrate RAG Security

  • ادغام امنیت ابزارها Integrate Tool Security

  • ادغام امنیت حافظه Integrate Memory Security

  • ادغام امنیت عامل‌ها Integrate Agent Security

  • تأیید کامل خط لوله امنیتی Verify the Complete Security Pipeline

آماده‌سازی برای محیط عملیاتی و جمع‌بندی Production Readiness and Course Wrap-Up

  • استقرار برنامه‌های امن هوش مصنوعی Deploying Secure AI Applications

  • مانیتورینگ، لاگ‌گیری و پاسخ به حوادث Monitoring, Logging and Incident Response

  • بسته‌بندی دستیار امن AI با Docker Package the Secure AI Assistant with Docker

  • ساخت و اجرای دستیار امن AI در داکر Build and Run the Dockerized Secure AI Assistant

  • جمع‌بندی دوره و گام‌های بعدی Course Wrap-Up and Next Steps

نمایش نظرات

آموزش مسترکلاس امنیت هوش مصنوعی: تزریق پرامپت و امنیت LLM
جزییات دوره
11.5 hours
88
(آخرین آپدیت)
580
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

School of AI School of AI

Arjun Vaid Arjun Vaid

مهندس نرم‌افزار و مدرس طراحی کاربردی محصول