لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش امنیت مدلهای زبانی بزرگ (LLM): نحوه محافظت از سرمایهگذاریهای هوش مصنوعی مولد
- آخرین آپدیت
دانلود LLM Security: How to Protect Your Generative AI Investments
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره سطح متوسط، آدریان گونزالس سانچز، معمار هوش مصنوعی، به دنیای امنیت AI نفوذ کرده و روشهای موثر برای ایمنسازی مدلهای زبانی بزرگ (LLMs) را به شما آموزش میدهد. در این دوره با تکنیکهای ضروری امنیتی، از حفاظت از زیرساختها و شبکهها گرفته تا پیادهسازی کنترلهای دسترسی و سیستمهای نظارتی آشنا خواهید شد. استراتژیهای مقابله با نشت دادهها، حملات خصمانه و نقاط ضعف سیستم را در حین استفاده از فناوریهایی مانند ChatGPT، APIهای ابری و مدلهای مولد پیشرفته بیاموزید. همچنین کاربردهای عملی مهندسی پرامپت (Prompt Engineering)، تولید تقویتشده با بازیابی (RAG) و Fine-tuning مدلهای هوش مصنوعی برای وظایف خاص را بررسی خواهید کرد. با تحلیل چالشهای دنیای واقعی، بینشهای ارزشمندی در مورد Red Teaming در هوش مصنوعی، رعایت مقررات و مدلهای مسئولیت مشترک کسب کنید. در پایان این دوره، شما قادر خواهید بود ریسکها را ارزیابی کرده، تدابیر امنیتی را پیادهسازی کنید و از کارایی و امنیت سیستمهای هوش مصنوعی خود اطمینان حاصل نمایید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه: چشمانداز مدلهای زبانی بزرگ
Introduction: The LLM landscape
آنچه باید بدانید
What you should know
1. هوش مصنوعی مولد: فضای فعلی و پذیرش سازمانی
1. Generative AI: Current Context and Enterprise Adoption
مرور کلی
Overview
امنیت سایبری و فضای هوش مصنوعی مولد
Cybersecurity and generative AI context
درباره امنیت و ایمنی هوش مصنوعی مولد
About generative AI security and safety
پرامپت به عنوان دروازه ورود به سیستمهای LLM
Prompting as the entry door to LLM systems
2. موضوعات امنیت و ایمنی هوش مصنوعی مولد
2. Generative AI Security and Safety Topics
مرور کلی
Overview
انواع اصلی حملات به LLM
Main types of LLM attacks
چالشهای کلی امنیت هوش مصنوعی
General AI security challenges
نقش LLMOps و تکنیکهای نظارتی
Role of LLMOps and monitoring techniques
3. رویکرد چندسطحی به امنیت و ایمنی LLM
3. Multilevel Approach to LLM Security and Safety
مرور کلی
Overview
زمینه: مقررات و استانداردها
Contextual: Regulations and standards
انسانی: پرسوناها و بهترین روشها
Human: Personas and best practices
فنی: اقدامات متقابل در زیرساخت، LLM و کد
Technical: Infra, LLM, and code countermeasures
4. مورد عملی: بحران امنیتی LLM در Red30
4. Practical Case: LLM Security Crisis at Red30
مقدمه: Red30 و استفاده از فناوریهای هوش مصنوعی مولد
Introduction: Red30 and use of generative AI technologies
مرور کلی
Overview
راهکار: چکلیست با دید ۳۶۰ درجه
Solution: Checklist with 360 aspects
چالش: تحلیل ریسکهای کلیدی برای Red30
Challenge: Analyze the key risks for Red30
جمعبندی
Conclusion
گامهای بعدی در مسیر امنیت هوش مصنوعی مولد
Next steps for your generative AI security journey
Adrián González Sánchez متخصص داده و هوش مصنوعی است و این موضوعات را در سطح دانشگاهی و اجرایی تدریس می کند.
آدریان به عنوان مدیر فناوری، مشاور شرکت و مربی شغلی، روی استراتژی، معماری و مهارتهای مدیریت محصول برای پروژههای ابری، دادهها و هوش مصنوعی تمرکز دارد. او در حال حاضر بر روی فناوریهای هوش مصنوعی مولد و تکامل از هوش مصنوعی مسئول به حسابپذیر، از جمله مقررات جدید (مانند قانون هوش مصنوعی اتحادیه اروپا) و استانداردهای صنعتی برای هوش مصنوعی تمرکز دارد. آدریان در چندین صنعت از جمله بخش عمومی، مراقبت های بهداشتی، مخابرات، آموزش، زنجیره تامین، خرده فروشی و فین تک تجربه دارد. او قبلاً در زمینه توسعه نرم افزار کار کرده و یک استارتاپ فین تک را تأسیس کرده است. او مدیر محصول خبره (CPM®) و صاحب خبره محصول اسکرام (CSPO®) در میان دیگران است.
نمایش نظرات