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

نمایش نظرات

آموزش امنیت مدل‌های زبانی بزرگ (LLM): نحوه محافظت از سرمایه‌گذاری‌های هوش مصنوعی مولد
جزییات دوره
0h 52m
19
(آخرین آپدیت)
2,015
- 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

Adrián González Sánchez Adrián González Sánchez

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.