感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間:
課程簡介
大型語言模型架構與攻擊面概覽
- 大型語言模型的建構、部署方式及透過 API 存取機制
- 大型語言模型應用程式堆疊中的關鍵組件(如提示、代理程式、記憶體、API)
- 實務應用中安全問題發生的時機與原因
提示注入與越獄攻擊
- 何謂提示注入及其危險性
- 直接與間接提示注入情境
- 用於繞過安全過濾器的越獄技術
- 檢測與緩解策略
資料洩漏與隱私風險
- 透過回應造成的意外資料暴露
- 個人 identifiable information(PII)洩漏及模型記憶濫用
- 設計注重隱私的提示及檢索增強生成(RAG)
大型語言模型輸出過濾與防護
- 使用 Guardrails AI 進行內容過濾與驗證
- 定義輸出結構與約束條件
- 監控並記錄不安全輸出
人工監督與工作流程方法
- 引入人工監督的時機與位置
- 核准佇列、評分閾值及備援處理
- 信任校準與可解釋性的角色
安全的大型語言模型應用程式設計模式
- API 呼叫與代理程式的最小權限與沙盒隔離
- 速率限制、節流及濫用偵測
- 結合 LangChain 的強大鏈結與提示隔離
合規性、日誌與治理
- 確保大型語言模型輸出的可審計性
- 維持追蹤性以及提示/版本控制
- 符合內部安全政策與法規需求
總結與下一步計畫
最低要求
- 理解大型語言模型及基於提示的介面
- 具備使用 Python 建構大型語言模型應用程式的經驗
- 熟悉 API 整合與雲端部署
受眾
- 人工智慧開發人員
- 應用程式與解決方案架構師
- 使用大型語言模型工具的技術產品經理