اکسپرس 24
کتاب امنیت در استنتاج (Inference) مدل‌های زبانی بزرگ

کتاب امنیت در استنتاج (Inference) مدل‌های زبانی بزرگ

تگ‌ها: AI Governance AI Security Generative AI Security Inference Security Jailbreak Attacks Large Language Models LLM Security Machine Learning Security Model Protection Privacy Preserving AI Prompt Injection RAG Security امنیت LLM امنیت استنتاج امنیت هوش مصنوعی

انتخاب پلن

افزودنی‌های اختیاری

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 امنیت در استنتاج (Inference) مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: امنیت و حریم خصوصی در LLMs

📋 سرفصل‌های دوره

  • 1. مبانی امنیت در استنتاج مدل‌های زبانی بزرگ
  • 2. معماری فرآیند استنتاج در مدل‌های زبانی بزرگ
  • 3. تفاوت امنیت در آموزش و امنیت در مرحله استنتاج
  • 4. شناخت تهدیدات امنیتی در سرویس‌های مبتنی بر LLM
  • 5. مدل‌سازی تهدید برای سیستم‌های استنتاج هوش مصنوعی
  • 6. سطوح حمله در چرخه استقرار مدل‌های زبانی بزرگ
  • 7. امنیت APIهای ارائه‌دهنده خدمات LLM
  • 8. کنترل دسترسی و احراز هویت در سرویس‌های استنتاج
  • 9. مدیریت مجوزها و سیاست‌های استفاده از مدل
  • 10. امنیت ورودی‌ها در سیستم‌های مبتنی بر LLM
  • 11. مبانی حملات Prompt Injection در استنتاج
  • 12. حملات مستقیم و غیرمستقیم Prompt Injection
  • 13. روش‌های تشخیص و کاهش حملات Prompt Injection
  • 14. حملات Jailbreak علیه مدل‌های زبانی بزرگ
  • 15. روش‌های دفاعی در برابر Jailbreak و دور زدن محدودیت‌ها
  • 16. محدودسازی رفتار مدل با سیاست‌های امنیتی
  • 17. امنیت Context Window و مدیریت داده‌های ورودی
  • 18. حملات استخراج اطلاعات از طریق ورودی‌های مخرب
  • 19. نشت اطلاعات حساس در پاسخ‌های مدل
  • 20. حملات Model Extraction در مرحله استنتاج
  • 21. روش‌های جلوگیری از سرقت قابلیت‌های مدل
  • 22. حملات Membership Inference و تشخیص داده‌های آموزشی
  • 23. حملات استخراج داده‌های خصوصی از مدل
  • 24. حریم خصوصی کاربران در تعامل با LLMها
  • 25. ناشناس‌سازی و حفاظت از داده‌های ورودی کاربران
  • 26. مدیریت داده‌های حساس در سیستم‌های مکالمه‌ای
  • 27. امنیت حافظه و تاریخچه گفتگو در LLM Applications
  • 28. محافظت از Retrieval-Augmented Generation در زمان استنتاج
  • 29. امنیت پایگاه‌های دانش متصل به مدل‌های زبانی
  • 30. مقابله با Poisoning در سیستم‌های مبتنی بر RAG
  • 31. اعتبارسنجی منابع و خروجی‌های بازیابی‌شده
  • 32. کنترل خروجی مدل برای جلوگیری از نشت اطلاعات
  • 33. فیلترینگ و نظارت بر پاسخ‌های تولیدشده
  • 34. طراحی Guardrailهای امنیتی برای LLMها
  • 35. ارزیابی امنیتی رفتار مدل در زمان اجرا
  • 36. آزمون نفوذ برای برنامه‌های مبتنی بر LLM
  • 37. طراحی سناریوهای حمله و تست امنیت استنتاج
  • 38. معیارهای ارزیابی مقاومت امنیتی مدل‌های زبانی
  • 39. پایش مداوم تهدیدات در سیستم‌های LLM
  • 40. ثبت رخدادها و تحلیل لاگ‌های استنتاج
  • 41. تشخیص رفتارهای غیرعادی کاربران و مهاجمان
  • 42. امنیت استنتاج در مدل‌های متن‌باز
  • 43. مدیریت ریسک در استقرار مدل‌های زبانی بزرگ
  • 44. امنیت زیرساخت پردازش مدل‌های هوش مصنوعی
  • 45. حفاظت از شتاب‌دهنده‌ها و منابع محاسباتی استنتاج
  • 46. بهینه‌سازی امنیت و عملکرد در سرویس‌های LLM
  • 47. تأثیر کاهش حجم مدل و Quantization بر امنیت
  • 48. امنیت مدل‌های کوچک‌شده و نسخه‌های بهینه‌شده
  • 49. مقایسه رویکردهای دفاعی در برابر حملات LLM
  • 50. طراحی معماری امن برای سرویس‌های مبتنی بر LLM
  • 51. پیاده‌سازی لایه‌های امنیتی در برنامه‌های هوشمند
  • 52. اصول حاکمیت و مدیریت ریسک مدل‌های زبانی
  • 53. استانداردها و چارچوب‌های امنیتی مرتبط با LLM
  • 54. طراحی چک‌لیست امنیتی برای استنتاج مدل‌های زبانی
  • 55. مطالعه نمونه‌های واقعی آسیب‌پذیری در سیستم‌های LLM
  • 56. پروژه عملی ارزیابی و ایمن‌سازی یک سیستم استنتاج LLM

📚 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.