اکسپرس 24
کتاب ارزیابی استحکام و مقاومت LLMs در برابر حملات

کتاب ارزیابی استحکام و مقاومت LLMs در برابر حملات

تگ‌ها: adversarial attacks LLM auditing LLM LLM security آسیب پذیری LLM ارزیابی LLM امنیت مدل زبانی تست نفوذ LLM حملات LLM مقاومت مدل هوش مصنوعی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ارزیابی استحکام و مقاومت LLMs در برابر حملات

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: تکنیک‌های Auditing LLMs

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر معماری مدل های زبان بزرگ
  • 2. مبانی یادگیری ماشین برای مدل های زبان
  • 3. ساختارهای داده و الگوریتم های کلیدی در LLMs
  • 4. پیش پردازش متن و آماده سازی داده ها
  • 5. روش های مدل سازی زبان سنتی
  • 6. معماری ترنسفورمر و مکانیزم توجه
  • 7. لایه ها و بلوک های ساختاری ترنسفورمر
  • 8. مدل های زبانی مبتنی بر ترنسفورمر (BERT, GPT)
  • 9. آموزش پیشین مدل های زبان بزرگ
  • 10. تنظیم دقیق (Fine-tuning) مدل های زبان
  • 11. ارزیابی عملکرد مدل های زبان
  • 12. معیارهای سنجش کیفیت در مدل های زبان
  • 13. مفاهیم پایه امنیت سایبری
  • 14. مقدمه ای بر حملات سایبری به سیستم های هوش مصنوعی
  • 15. انواع حملات به مدل های یادگیری ماشین
  • 16. حملات تزریق داده (Data Poisoning)
  • 17. حملات اخلال در آموزش (Training Attacks)
  • 18. حملات استخراج مدل (Model Extraction)
  • 19. حملات استخراج داده آموزشی (Training Data Extraction)
  • 20. حملات مربوط به حریم خصوصی
  • 21. حملات از طریق ورودی های مخرب (Adversarial Attacks)
  • 22. مقدمه ای بر حملات تخاصمی (Adversarial Examples)
  • 23. روش های تولید مثال های تخاصمی
  • 24. حملات مبتنی بر گرادیان (Gradient-based Attacks)
  • 25. حملات بدون گرادیان (Gradient-free Attacks)
  • 26. حملات بر روی مدل های ترنسفورمر
  • 27. حملات تزریق کلمات کلیدی مخرب
  • 28. حملات دستکاری ورودی برای تغییر خروجی
  • 29. حملات وارونه سازی (Inversion Attacks)
  • 30. حملات بازسازی داده های آموزشی
  • 31. حملات مربوط به سوگیری (Bias) در مدل ها
  • 32. سوگیری های ناشی از داده های آموزشی
  • 33. سوگیری های ناشی از معماری مدل
  • 34. شناسایی و کاهش سوگیری در LLMs
  • 35. حملات مهندسی اجتماعی علیه LLMs
  • 36. تکنیک های فیشینگ و جعل هویت با LLMs
  • 37. حملات مبتنی بر تولید محتوای گمراه کننده
  • 38. حملات مرتبط با تولید اطلاعات نادرست (Misinformation)
  • 39. حملات مربوط به تولید محتوای نفرت پراکن
  • 40. حملات مرتبط با تولید محتوای غیر اخلاقی
  • 41. حملات مربوط به تولید محتوای غیر قانونی
  • 42. حملات تزریق دستورالعمل (Prompt Injection)
  • 43. مکانیسم های آسیب پذیری در Prompt Injection
  • 44. روش های حمله Prompt Injection
  • 45. حملات تزریق دستورالعمل مستقیم و غیرمستقیم
  • 46. حملات تزریق دستورالعمل مبتنی بر داده های خارجی
  • 47. حملات تزریق دستورالعمل در سناریوهای چت بات
  • 48. حملات تزریق دستورالعمل در سیستم های پرسش و پاسخ
  • 49. حملات تزریق دستورالعمل در تولید کد
  • 50. حملات تزریق دستورالعمل برای دور زدن فیلترها
  • 51. حملات تزریق دستورالعمل برای استخراج اطلاعات حساس
  • 52. حملات تزریق دستورالعمل برای اجرای دستورات مخرب
  • 53. روش های دفاع در برابر Prompt Injection
  • 54. فیلترینگ ورودی ها و خروجی ها
  • 55. تقویت مدل در برابر ورودی های مخرب
  • 56. اعتبارسنجی خروجی ها
  • 57. استفاده از مدل های کمکی برای تشخیص حملات
  • 58. روش های مبتنی بر دانش و قوانین
  • 59. روش های مبتنی بر یادگیری ماشین
  • 60. روش های مبتنی بر تحلیل معنایی
  • 61. مبانی استحکام (Robustness) در مدل های زبان
  • 62. اهمیت استحکام در کاربردهای حساس
  • 63. روش های افزایش استحکام مدل ها
  • 64. آموزش تخاصمی (Adversarial Training)
  • 65. تکنیک های منظم سازی (Regularization)
  • 66. استفاده از داده های پاکسازی شده
  • 67. اعتبارسنجی و پایش مستمر مدل
  • 68. پایش رفتار غیرعادی مدل
  • 69. شناسایی الگوهای حمله
  • 70. استفاده از سیستم های تشخیص نفوذ
  • 71. چارچوب های امنیتی برای LLMs
  • 72. اصول طراحی امن برای LLMs
  • 73. مدیریت دسترسی و احراز هویت
  • 74. رمزنگاری در پردازش زبان طبیعی
  • 75. امنیت داده ها در چرخه عمر LLMs
  • 76. نقش ارزیابی های امنیتی در چرخه توسعه
  • 77. آزمون های نفوذ (Penetration Testing) برای LLMs
  • 78. تست های استحکام (Robustness Testing)
  • 79. تست های امنیتی مبتنی بر سناریوهای حمله
  • 80. ارزیابی های امنیتی دوره ای و مستمر
  • 81. استانداردهای امنیتی مرتبط با هوش مصنوعی
  • 82. راهنمای سازمان های بین المللی در امنیت AI
  • 83. قوانین و مقررات جمهوری اسلامی ایران در حوزه امنیت سایبری
  • 84. آیین نامه های مربوط به حفاظت از داده ها
  • 85. مقررات بانک مرکزی در خصوص رمزارزها و امنیت مالی
  • 86. قوانین مربوط به جرایم رایانه ای
  • 87. مسئولیت پذیری در قبال آسیب های ناشی از LLMs
  • 88. اخلاق در توسعه و استفاده از LLMs
  • 89. کاربردهای امن LLMs در سازمان های دولتی
  • 90. کاربردهای امن LLMs در بخش خصوصی
  • 91. امنیت LLMs در سیستم های حساس (مالی، بهداشتی)
  • 92. آینده امنیت مدل های زبان بزرگ
  • 93. روند رو به رشد حملات و راهکارهای دفاعی
  • 94. توسعه مدل های خود-ایمن (Self-healing Models)
  • 95. نقش جامعه علمی و پژوهشی در ارتقای امنیت LLMs
  • 96. همکاری های بین المللی در مقابله با تهدیدات سایبری
  • 97. آموزش و فرهنگ سازی در خصوص امنیت LLMs

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.