لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش امنیت هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLM)
- آخرین آپدیت
دانلود Generative AI and LLM Security
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این برنامه آموزشی، متخصصان امنیت سایبری، مهندسان هوش مصنوعی و معماران امنیت را به تخصص لازم برای شناسایی، تحلیل و کاهش آسیبپذیریها در هوش مصنوعی مولد (GenAI) و مدلهای زبانی بزرگ (LLMs) مجهز میکند. شما با بررسی مبانی تهدیدات GenAI شروع خواهید کرد و بردارهای حمله رایج مانند تزریق پرامپت (Prompt Injection)، جیلبریک (Jailbreak)، سرقت مدل و دستکاریهای خصمانه را بررسی میکنید. از طریق دموهای عملی، خواهید آموخت که مهاجمان چگونه از نقاط ضعف سیستمهای مبتنی بر هوش مصنوعی سوءاستفاده میکنند و مدافعان چگونه میتوانند این ریسکها را در محیطهای واقعی شناسایی کرده و به آنها پاسخ دهند.
با تکیه بر این اصول، تجربهای عملی در ایمنسازی اپلیکیشنهای LLM، همراستاسازی خروجیهای مدل با اهداف امنیتی و بهکارگیری گاردریلها (Guardrails)، واترمارکینگ و روشهای ارزیابی ایمنی کسب خواهید کرد. همچنین با استفاده از APIهای Gemini و گوگل کولب (Google Colab)، نحوه استقرار امن و کاهش ریسک در سیستمهای فعال را شبیهسازی خواهید کرد.
در ادامه، برنامه به بررسی امنیت چرخه حیات هوش مصنوعی میپردازد و استراتژیهای ایمنسازی دادههای آموزشی، جلوگیری از حملات مسمومسازی (Poisoning) و محافظت از خط لولههای (Pipelines) هوش مصنوعی را پوشش میدهد. شما مباحثی چون منشأ مدل (Model Provenance)، اسکن وابستگیها و خط لولههای استقرار امن را بررسی خواهید کرد تا یکپارچگی سیستمهای هوش مصنوعی در کل زنجیره تأمین تضمین شود.
این دوره همچنین بر اخلاق در هوش مصنوعی و انطباق قانونی تأکید دارد؛ از جمله شناسایی سوگیری (Bias)، عدالت در طراحی مدل و چارچوبهای نظارتی جهانی مانند GDPR، CCPA، NIST AI RMF، استانداردهای ISO و قانون هوش مصنوعی اتحادیه اروپا (EU AI Act). با استفاده از ابزارهایی مانند Sola Security، شما حسابرسی، حاکمیت و مدیریت ریسک را برای عملیاتی کردن شیوههای اخلاقی و منطبق با قانون تمرین خواهید کرد.
در نهایت، تهدیدات پیشرو در حوزههای نوظهور مانند هوش مصنوعی چندوجهی (Multimodal AI) و هوش مصنوعی عاملمحور (Agentic AI) را بررسی کرده و حملات خصمانه و آسیبپذیریهای متقاطع آنها و پیامدهایشان برای امنیت سایبری سازمانها را تحلیل میکنید.
در پایان این برنامه، شما قادر خواهید بود:
- بردارهای حمله هدفمند به GenAI و LLMها را شناسایی و ارزیابی کنید.
- مهندسی پرامپت امن و استراتژیهای دفاعی در برابر تزریق پرامپت و جیلبریک را پیادهسازی کنید.
- گاردریلها، مکانیسمهای ایمنی و واترمارکینگ را در اپلیکیشنهای LLM طراحی و اجرا کنید.
- از دادههای آموزشی، خط لولهها و گردشکارهای استقرار هوش مصنوعی در برابر مسمومسازی و ریسکهای زنجیره تأمین محافظت کنید.
- انطباق با مقررات GDPR، CCPA، NIST، ISO و EU AI Act را ارزیابی و اجرا کنید.
- تهدیدات پیشرو در سیستمهای هوش مصنوعی چندوجهی و عاملمحور را شناسایی و کاهش دهید.
- شیوههای امنیتی اخلاقی، شفاف و تابآور را در کل چرخه حیات هوش مصنوعی ادغام کنید.
این تخصص برای مهندسان امنیت سایبری، توسعهدهندگان LLM، متخصصان امنیت هوش مصنوعی، مهندسان ML و معماران امنیت ابری/لبه طراحی شده است که میخواهند تخصص پیشرفتهای در حفاظت از سیستمهای GenAI کسب کنند.
به ما بپیوندید تا مهارتها، ابزارها و استراتژیهای لازم برای ایمنسازی نسل بعدی سیستمهای هوش مصنوعی در برابر تهدیدات در حال تکامل را بیاموزید.
سرفصل ها و درس ها
تهدیدات در سیستمهای هوش مصنوعی مولد
Threats in Generative AI Systems
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
بردارهای حمله رایج در سیستمهای هوش مصنوعی مولد
Common Attack Vectors in Generative AI Systems
حمله تزریق پرامپت (Prompt Injection)
Prompt Injection Attack
حمله جیلبریک هوش مصنوعی (AI Jailbreak)
AI Jailbreak Attack
دمو: شناسایی ریسکهای تزریق پرامپت و جیلبریک
Demonstration: Detecting Prompt Injection and Jailbreak Risks
حملات سرقت و استخراج مدل
Model Theft and Extraction Attacks
استراتژیهای کاهش ریسک در GenAI
Mitigation Strategies for GenAI Risks
تهدیدات و ریسکهای خاص مدلهای زبانی بزرگ (LLM)
LLM-Specific Threats and Risks
همراستاسازی خروجی LLM با اهداف امنیتی
Aligning LLM Output to Security Objectives
گاردریلها و مکانیسمهای ایمنی برای LLMها
Guardrails and Safety Mechanisms for LLMs
آشنایی با APIهای LLM و انواع آنها
Understanding LLM APIs and Their Types
دمو: ادغام LLM با Gemini API
Demonstration: LLM Integration with Gemini API
امنیت چرخه حیات هوش مصنوعی
AI Lifecycle Security
اهمیت دادههای امن در توسعه هوش مصنوعی
The Importance of Secure Data in AI Development
مسمومسازی دادهها و تکنیکهای شناسایی
Data Poisoning and Detection Techniques
بهترین روشها برای ایمنسازی خط لولههای داده AI
Best Practices for Securing AI Data Pipelines
دمو: ایمنسازی دادههای AI در برابر ریسکهای مسمومسازی
Demonstration: Securing AI Data Against Poisoning Risks
ردیابی منشأ و تبار مدل (Model Provenance)
Model Provenance and Lineage Tracking
اسکن وابستگیها و ریسکهای مدلهای شخص ثالث
Dependency Scanning and Third-Party Model Risks
تکنیکهای توزیع و تأیید امن مدل
Secure Model Distribution and Verification Techniques
امضای آرتیفکتها و بررسی یکپارچگی مدل
Artifact Signing and Model Integrity Checks
ذخیرهسازی امن و مدیریت کلید برای آرتیفکتهای AI
Secure Storage and Key Management for AI Artifacts
مانیتورینگ برای شناسایی دستکاری در مراحل قبل و بعد از استقرار
Monitoring for Tampering in Pre/Post-Deployment
دمو: ردیابی منشأ مدل و اسکن وابستگیها
Demonstration: Tracking Model Provenance and Scanning Dependencies
اخلاق در هوش مصنوعی و انطباق نظارتی
AI Ethics and Regulatory Compliance
سوگیری، عدالت و طراحی اخلاقی در سیستمهای هوش مصنوعی
Bias, Fairness, and Ethical Design in AI Systems
شفافیت و پاسخگویی در سیستمهای GenAI
Transparency and Accountability in GenAI Systems
چالشهای اخلاقی در مدلهای مولد
Ethical Challenges in Generative Models
الزامات انطباق با GDPR، CCPA و قوانین AI
GDPR, CCPA, and AI Compliance Requirements
درک چارچوبهای ریسک AI در NIST و ISO
Understanding NIST and ISO AI Risk Frameworks
حسابرسی AI و ملاحظات قانونی
AI Auditing and Legal Considerations
دمو: بررسی قابلیتهای Sola Security
Demonstration: Exploring Sola Security Features
دمو: غربالگری اخلاقی با استفاده از Sola Security
Demonstration: Ethical Screening using Sola Security
تهدیدات پیشرو در سیستمهای هوش مصنوعی
Frontier Threats in AI Systems
معرفی هوش مصنوعی چندوجهی (Multimodal AI)
Introduction to Multimodal AI
تهدیدات امنیتی برای هوش مصنوعی چندوجهی
Security Threats to Multimodal AI
دمو: استفاده از AI چندوجهی برای شناسایی تهدیدات ایمیلی
Demonstration: Multimodal AI for Email Threat Detection
هوش مصنوعی عاملمحور (Agentic AI) چیست؟
What is Agentic AI?
هوش مصنوعی عاملمحور در امنیت سایبری
Agentic AI in Cybersecuriy
دمو: استفاده از Agentic AI برای تریاژ امنیت سایبری
Demonstration: Agentic AI for Cybersecurity Triage
جمعبندی دوره و ارزیابی
Course Wrap-Up and Assessment
نمایش نظرات