کتاب مدل‌های زبانی بزرگ: چارچوبی برای امنیت جامع و حریم خصوصی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های زبانی بزرگ: چارچوبی برای امنیت جامع و حریم خصوصی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: امنیت و حریم خصوصی در LLMs

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ و امنیت
  • 2. تهدیدات امنیتی منحصر به فرد در LLMها
  • 3. حریم خصوصی داده‌ها در LLMها: چالش‌ها و راهکارها
  • 4. آسیب‌پذیری‌های رایج در LLMها
  • 5. مهندسی پرامپت مخرب و روش‌های مقابله با آن
  • 6. حملات تزریق پرامپت (Prompt Injection Attacks)
  • 7. حملات استخراج مدل (Model Extraction Attacks)
  • 8. حملات عضویت (Membership Inference Attacks)
  • 9. حملات بازسازی داده‌ها (Data Reconstruction Attacks)
  • 10. حملات فریب (Evasion Attacks)
  • 11. تکنیک‌های دفاعی در برابر مهندسی پرامپت مخرب
  • 12. استفاده از لیست‌های سفید و سیاه در LLMها
  • 13. تقویت ورودی (Input Sanitization) برای LLMها
  • 14. محدودیت‌گذاری خروجی (Output Filtering) در LLMها
  • 15. تشخیص و جلوگیری از حملات استخراج مدل
  • 16. حفاظت از حریم خصوصی با استفاده از یادگیری فدرال (Federated Learning)
  • 17. یادگیری تفاضلی (Differential Privacy) در LLMها
  • 18. حذف اطلاعات حساس از داده‌های آموزشی (Data Sanitization)
  • 19. استفاده از رمزنگاری همومورفیک (Homomorphic Encryption)
  • 20. محاسبات چند طرفه امن (Secure Multi-Party Computation)
  • 21. تکنیک‌های ناشناس‌سازی داده‌ها (Data Anonymization)
  • 22. ارزیابی ریسک امنیتی در LLMها
  • 23. چارچوب‌های امنیتی برای LLMها (مانند NIST AI Risk Management Framework)
  • 24. استانداردهای امنیتی و حریم خصوصی مرتبط با LLMها
  • 25. مدیریت کلیدها و دسترسی در LLMها
  • 26. ممیزی امنیتی و تست نفوذ LLMها
  • 27. پایش و نظارت بر LLMها برای تشخیص تهدیدات
  • 28. پاسخ به حوادث امنیتی در LLMها
  • 29. امنیت زنجیره تامین LLMها (Supply Chain Security)
  • 30. مدل‌های زبانی بزرگ متن‌باز در مقابل مدل‌های اختصاصی: ملاحظات امنیتی
  • 31. به‌روزرسانی و پچینگ LLMها
  • 32. امنیت LLMها در محیط‌های ابری
  • 33. امنیت LLMها در دستگاه‌های لبه (Edge Devices)
  • 34. حریم خصوصی و LLMها: مقررات و قوانین (مانند GDPR، CCPA)
  • 35. تأثیر LLMها بر امنیت سایبری
  • 36. آینده امنیت و حریم خصوصی در LLMها
  • 37. توسعه LLMهای امن و با حفظ حریم خصوصی: بهترین روش‌ها
  • 38. استفاده از LLMها برای تشخیص و پاسخ به تهدیدات امنیتی
تگ‌ها: AI Security LLM امنیت LLM امنیت داده امنیت سایبری حریم خصوصی حملات LLM داده کاوی رمزنگاری مدل زبانی بزرگ مهندسی پرامپت هوش مصنوعی یادگیری تفاضلی یادگیری فدرال یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.