لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تسلط بر Red Teaming هوش مصنوعی: امنیت LLM، دفاع و تست نفوذ
- آخرین آپدیت
دانلود AI Red Teaming Mastery: LLM Security, Defense & Pentesting
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
امنیت هوش مصنوعی و Red Teaming مدلهای زبانی بزرگ (LLM) را با یادگیری تزریق پرامپت (Prompt Injection)، تست نفوذ AI، عاملهای هوشمند و استراتژیهای دفاعی دنیای واقعی بیاموزید.
متدولوژیهای Red Teaming هوش مصنوعی را برای شناسایی سیستماتیک و بهرهبرداری از نقاط ضعف در LLMها و سیستمهای هوش مصنوعی مولد فرا بگیرید.
حملات خصمانه شامل Prompt Injection، جیلبریک (Jailbreaking)، دور زدن مدل (Model Evasion) و مسمومسازی دادهها (Data Poisoning) را با استفاده از ابزارهای استاندارد صنعتی مانند PyRIT و Garak اجرا کنید.
دفاعهای چندلایه هوش مصنوعی شامل گاردریلها (Guardrails)، آموزش خصمانه و فیلترهای ایمنی محتوا را برای مقاومسازی اپلیکیشنهای واقعی AI طراحی و پیادهسازی کنید.
فریمورکهای اتوماسیون سفارشی با پایتون برای تست امنیت سیستماتیک AI، گزارشدهی و شبیهسازی مستمر حملات خصمانه بسازید.
پیش نیازها: هیچ تجربه قبلی در Red Teaming مورد نیاز نیست. مبتدیانی که دیدگاه امنیتی و مهارتهای پایه پایتون دارند میتوانند این دوره را دنبال کنند. این دوره شما را گام به گام ارتقا میدهد.
این دوره طراحی شده است تا شما را از تئوری فراتر برده و وارد دنیای عملی امنیت هوش مصنوعی و Red Teaming کند.
سیستمهای AI به سرعت در حال ادغام در اپلیکیشنهای واقعی هستند، اما اکثر متخصصان هنوز نمیدانند چگونه میتوان به این سیستمها حمله کرد، آنها را دستکاری کرد یا ایمنسازی نمود. در این دوره، شما دقیقاً همین موارد را خواهید آموخت.
ما با مبانی هوش مصنوعی در امنیت سایبری، پایتون برای یادگیری ماشین و نحوه عملکرد سیستمهای مدرن ML در محیطهای امنیتی شروع میکنیم. از آنجا، سیستمهای دفاعی کاربردی مانند تشخیص اسپم، طبقهبندی بدافزار، تشخیص ناهنجاری و خط لولههای تشخیص کلاهبرداری را با استفاده از مجموعهدادههای واقعی خواهید ساخت.
با پیشروی در دوره، وارد امنیت LLM و سیستمهای AI خواهید شد و با ابزارهایی مانند HuggingFace، مدلهای LLM محلی و خط لولههای AI کار خواهید کرد. یاد میگیرید این سیستمها چگونه عمل میکنند، کجا شکست میخورند و مهاجمان چگونه از آنها بهرهبرداری میکنند.
سپس دوره به سمت Red Teaming تغییر مسیر میدهد. شما تکنیکهای حمله واقعی از جمله تزریق پرامپت، جیلبریک، مسمومسازی دادهها، حملات خصمانه و اکسپلویت سیستمهای AI را اجرا خواهید کرد. همچنین تست نفوذ مبتنی بر AI، OSINT و نقاط ضعف عاملهای خودمختار را بررسی میکنید؛ مهارتهایی که تقاضا برای آنها به شدت در حال افزایش است.
در پایان این دوره، شما قادر خواهید بود سیستمهای AI را با دیدگاهی کاربردی و واقعی، بسازید، به آنها حمله کنید و آنها را ایمن سازید.
این یک دوره در حال تکامل است و محتوای جدید به طور منظم به آن اضافه میشود. برای دسترسی مادامالعمر به تمامی بهروزرسانیهای آینده، زودتر ثبتنام کنید.
سرفصل ها و درس ها
مقدمه دوره
Course Introduction
معرفی دوره
Intro to Course
مبانی Red Teaming هوش مصنوعی و تشخیص بدافزار
AI Red Teaming & Malware Detection Basics
Red Teaming هوش مصنوعی چیست؟
What is AI Red Teaming?
اصول بنیادی Red Teaming هوش مصنوعی
AI Red Teaming Fundamentals
اصول بنیادی Red Teaming هوش مصنوعی
AI Red Teaming Fundamentals
یادگیری ماشین برای Red Teaming هوش مصنوعی
Machine Learning for AI Red Teaming
یادگیری ماشین برای Red Teaming هوش مصنوعی
Machine Learning for AI Red Teaming
تسلط بر ۴ مسئله اصلی یادگیری ماشین
Master the 4 Core Machine Learning Problems
توضیح مسائل اصلی یادگیری ماشین
Core Machine Learning Problems Explained
راهاندازی پایتون برای یادگیری ماشین، کتابخانهها و اولین مدل AI
Python for Machine Learning Setup, Libraries, and Your First AI Model
راهاندازی پایتون برای یادگیری ماشین
Python Setup for Machine Learning
ساخت فیلتر اسپم با پایتون
Build a Spam Filter in Python
ساخت فیلتر اسپم با پایتون
Build a Spam Filter in Python
بدافزار در برابر AI: نحوه ساخت تشخیصدهنده تهدید با دقت ۹۶٪
Malware vs AI: How I Built a 96% Accurate Threat Detector
آموزش AI برای شناسایی بدافزار تنها با ۴ ویژگی
I Trained an AI to Catch Malware Using Just 4 Features
تشخیص ناهنجاری شبکه با هوش مصنوعی
Network Anomaly Detection with AI
تشخیص ناهنجاری شبکه با AI
Network Anomaly Detection with AI
محافظت از احراز هویت و تعیین سطح دسترسی
Authentication & Authorization Protection
هوش مصنوعی برای امنیت احراز هویت
AI for Authentication Security
پیشگیری از کلاهبرداریهای مالی
Financial Fraud Prevention
هوش مصنوعی برای تشخیص کلاهبرداری
AI for Fraud Detection
مقدمهای بر HuggingFace و LLM
HuggingFace & LLM Introduction
مبانی HuggingFace و LLM
HuggingFace and LLM Basics
راهاندازی LLM محلی و N8N
Local LLM & N8N Setup
راهاندازی LLMهای محلی و N8N
Local LLMs and N8N Setup
طراحی چتبات و رابط کاربری وب
Chatbot Design & Web Interface
طراحی چتبات و رابطهای وب
Chatbot Design and Web Interfaces
یادگیری عمیق در امنیت سایبری
Deep Learning in Cybersecurity
یادگیری عمیق در امنیت سایبری
Deep Learning in Cybersecurity
توسعه و تحقیق در مدلهای AI
AI Model Development & Research
توسعه مدل AI و تحقیق
AI Model Development and Research
معماری و یکپارچهسازی سیستمهای AI
AI System Integration & Architecture
امنیت یکپارچهسازی سیستمهای AI
AI System Integration Security
تست نفوذ مبتنی بر هوش مصنوعی
AI-Powered Penetration Testing
هوش مصنوعی برای تست نفوذ
AI for Penetration Testing
OSINT و شناسایی هدف با هوش مصنوعی
AI-Powered OSINT & Reconnaissance
هوش مصنوعی برای OSINT و شناسایی
AI for OSINT and Recon
امنیت عاملهای AI و سیستمهای خودمختار
AI Agent & Autonomous System Security
امنیت عاملهای AI
AI Agent Security
مبانی حملات به LLM
LLM Attack Fundamentals
مبانی حملات به LLM
LLM Attack Fundamentals
بهرهبرداری از کد و توابع (Exploitation)
Code & Function Exploitation
بهرهبرداری از کدهای LLM
LLM Code Exploitation
سوءاستفاده از سیستمهای AI
AI System Abuse
تکنیکهای سوءاستفاده از سیستم AI
AI System Abuse Techniques
نمایش نظرات