人工智慧實踐(LLM)紅隊

從 LLM 基礎、LLM 架構、AI / GenAI 應用程式一直到 AI 代理,學習 AI 紅隊

從這 10.5 小時的課程,你會學到

  • LLMs 基礎知識
  • 越獄 LLMs
  • OWASP 十大 LLM 和 GenAI
  • 實踐 – LLM 紅隊工具
  • 編寫惡意提示(對抗性提示工程)

要求

  • Python程式設計基礎
  • 網路安全基礎知識

課程說明

客觀的

本課程提供人工智慧安全的實踐培訓,重點關注大型語言模型 (LLM, Large Language Models) 的紅隊。它是專為攻擊性網路安全研究人員、人工智慧從業者和網路安全團隊經理設計的。培訓旨在使參與者掌握以下技能:

  • 出於道德目的識別並利用人工智慧系統中的漏洞。
  • 保護人工智慧系統免受攻擊。
  • 在組織內實施人工智慧治理和安全措施。

學習目標

  • 了解生成式 AI 的風險和漏洞。
  • 探索歐盟 AI 法案和新興 AI 安全標準等監管框架。
  • 獲得測試和保護 LLM 系統的實用技能。

課程結構

  1. AI 紅隊簡介:
    • LLMs 的架構。
    • LLM 風險的分類。
    • 紅隊策略和工具概述。
  2. 打破 LLMs :
    • 越獄 LLM 的技術。
    • 漏洞測試的實作練習。
  3. Prompt 注射 :
    • Prompt 注入的基礎知識及其與越獄的差異。
    • 進行和防止 prompt 注射的技術。
    • 使用 RAG (Retrieval-Augmented Generation,檢索增強生成)和代理架構進行實踐練習。
  4. OWASP 對 LLM 的十大風險 :
    • 了解常見風險。
    • 演示以強化概念。
    • 指導紅隊演習來測試和減輕這些風險。
  5. 實施工具和資源 :
    • 用於紅隊的 Jupyter 筆記本、模板和工具。
    • 用於實施護欄和監控解決方案的安全工具分類。

主要成果

  • 增強知識:培養 AI 安全術語、框架和策略的專業知識。
  • 實務技能:紅隊 LLM 和降低風險的實務經驗。
  • 框架開發:為您的組織建立 AI 治理和安全成熟度模型。

誰該參加?

本課程適合以下族群:

  • 進攻性網路安全研究人員。
  • 人工智慧從業者專注於國防和安全。
  • 尋求建立和指導人工智慧安全團隊的管理人員。

祝你好運,會議期間再見!

目標受眾

想要獲得 LLMs 和人工智慧代理的網路安全專業人士

講師簡介

Jitendra Chauhan 駭客、架構師和講師

對網路安全、演算法、人工智慧/機器學習和駭客技術充滿熱情並終身學習。這一切始於 2005 年,當時我加入了一家以「自動化人類駭客」為使命的新創公司。

IT 校友和經驗豐富的 AI 和網路安全專家,擁有 19 年經驗、2 項專利、3 家新創公司、紅隊專家和產品建構者,包括自動人機駭客和雲端 SOC。目前是 Detoxio AI、Automated LLM Red Teaming 和 GenAI Security 的共同創辦人

在過去

  • 領導多家新創公司的產品與策略
  • 2 x Startups 創始成員
  • 3項「網路安全與人工智慧」專利
  • 對著名賭場、銀行和電信公司進行紅隊測試和滲透測試
  • 建構了各種產品,包括 SIEM、滲透測試、EASM 和紅隊產品
  • 在 CISO Platform、Nullcon India 等各種會議中發表演講

字幕:英文

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

  • Udemy 永久擁有課程 許多課程約 NT400(點擊連結看更多)
  • 年訂閱每月 NT350 🌈 悠遊 Udemy 的 26000+ 門課,最大化學習 ( 原價 NT635/月 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

發表迴響

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料

由 WordPress.com 建置.

Up ↑

探索更多來自 Soft & Share 的內容

立即訂閱即可持續閱讀,還能取得所有封存文章。

Continue reading