آموزش حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان - آخرین آپدیت

دانلود Generative AI Data Privacy and Safe Use for Developers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توسعه‌دهندگان هنگام ادغام هوش مصنوعی مولد در برنامه‌ها، با چالش‌های حیاتی در زمینه‌های حریم خصوصی داده‌ها، آسیب‌پذیری‌های امنیتی و رعایت قوانین رگولاتوری مواجه هستند. در دوره «حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان»، شما یاد می‌گیرید که برنامه‌های GenAI امن و مطابق با استانداردهای حریم خصوصی بسازید. ابتدا، لیست OWASP Top 10 برای مدل‌های زبانی بزرگ (LLM) و آسیب‌پذیری‌های رایج را بررسی می‌کنید. سپس، نحوه پیاده‌سازی پیکربندی‌های API با اولویت حریم خصوصی را خواهید آموخت و در نهایت، روش‌های تضمین انطباق با قوانین رگولاتوری را یاد می‌گیرید. پس از اتمام این دوره، مهارت‌ها و دانش لازم در زمینه حریم خصوصی داده‌های GenAI را برای استقرار ایمن برنامه‌های مبتنی بر LLM در محیط‌های عملیاتی کسب خواهید کرد.

سرفصل ها و درس ها

درک OWASP Top 10 برای مدل‌های زبانی بزرگ Understanding OWASP Top 10 for LLMs

  • لیست OWASP Top 10 برای LLMها OWASP Top 10 for LLMs

  • تزریق دستورات (Prompt Injection) Prompt Injection

  • افشای اطلاعات حساس Sensitive Information Disclosure

  • امنیت زنجیره تأمین Supply Chain

  • مسموم‌سازی داده‌ها و مدل Data and Model Poisoning

  • مدیریت نادرست خروجی‌ها Improper Output Handling

  • دسترسی‌های بیش از حد (Excessive Agency) Excessive Agency

  • نشت دستورات سیستمی System Prompt Leakage

  • نقاط ضعف برداری و جاسازی (Embedding) Vector and Embedding Weaknesses

  • اطلاعات نادرست Misinformation

  • مصرف نامحدود منابع Unbounded Consumption

پیاده‌سازی LLMOps برای حریم خصوصی داده‌ها Implementing LLMOps for Data Privacy

  • پیکربندی حریم خصوصی Privacy Configuration

  • قابلیت مشاهده LLM (Observability) LLM Observability

  • دمو: LiteLLM Demo: LiteLLM

  • دمو: مانیتورینگ استفاده از API Demo: API Usage Monitoring

  • نرده‌های حفاظتی (Guardrails) Guardrails

  • دمو: Guardrails Demo: Guardrails

  • محدودسازی هزینه و نرخ درخواست Cost and Rate Limiting

بررسی معماری‌های پیشرفته حریم خصوصی Exploring Advanced Privacy Architecture

  • رایانش محرمانه (Confidential Computing) Confidential Computing

  • یادگیری فدرال (Federated Learning) Federated Learning

  • انطباق با قوانین رگولاتوری Regulatory Compliance

نمایش نظرات

آموزش حریم خصوصی داده‌ها و استفاده ایمن از هوش مصنوعی مولد برای توسعه‌دهندگان
جزییات دوره
54m
21
(آخرین آپدیت)
13
4.9 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

Bogdan Sucaciu Bogdan Sucaciu

بوگدان دوست دارد روزانه مهندس نرم افزار ، و شبانه نویسنده Pluralsight است ، فن آوری های پیشرفته را آزمایش کند و در مورد آنها آموزش دهد. موضوعات مورد علاقه وی در زمینه گفتگو جریان داده ها ، معماری مبتنی بر رویداد ، سیستم های توزیع شده و فناوری های ابری است. او چندین سال تجربه "پخت و پز" نرم افزار با زبانهای مبتنی بر JVM ، برخی از طعم دهنده های فن آوری وب و تزئین با تست خودکار دارد. وی دارای مدرک کارشناسی رباتیک است که ساعتهای بی شماری را صرف برنامه نویسی میکروکنترلرها و دستگاه های اینترنت اشیا و البته ساخت ربات ها کرد. در آنجا ، او علاقه ، طراحی و برنامه نویسی سیستم های پیچیده خود را کشف کرد ، بنابراین رویای خود را دنبال کرد و به یک برنامه نویس خودآموز تبدیل شد.