دوره آموزشی امنیت مدلهای زبانی بزرگ (LLM): چطور از سرمایهگذاریهات تو هوش مصنوعی مولد محافظت کنی
49 دقیقهمتوسط2025-04-30
مدرسین

Adrián González Sánchez
جزئیات دوره
اگه با هوش مصنوعی کار میکنی، حتماً اسم مدلهای زبانی بزرگ (LLMs) مثل ChatGPT به گوشت خورده. ولی یه چیز خیلی مهم که کمتر بهش توجه میشه، امنیت در سیستمهای AI هست! این دورهی سطح متوسط، به رهبری Adrián González Sánchez طراحی شده تا بهت یاد بده چطور سیستمهای AI رو ایمن و مقاوم بسازی.
توی این دوره یاد میگیری که چطور از دادههات محافظت کنی، جلوی حملات احتمالی رو بگیری، و سیستمهات رو جوری طراحی کنی که در برابر تهدیدهای امنیتی مقاوم باشن. همهچی از زیرساخت، شبکه، دسترسی کاربرها، تا نظارت بر سیستم رو یاد میگیری. علاوه بر این با مفاهیم پیشرفتهای مثل:
مهندسی پرامپت (Prompt Engineering)
بازیابی تقویتشده اطلاعات (RAG)
فاینتیونینگ مدلها برای کارهای خاص
و حتی AI Red Teaming آشنا میشی.
همچنین با نحوهی پیادهسازی اصول LLMOps و رعایت استانداردهای امنیتی در فضای ابری مثل Microsoft Azure آشنا میشی تا بتونی با خیال راحت، پروژههات رو در فضای واقعی اجرا کنی.
🎯 اهداف یادگیری به زبان ساده
بررسی چالشهای امنیتی که موقع استفاده از GenAI پیش میاد.
شناخت انواع حملات علیه LLMها و اثراتی که روی سیستم دارن.
طراحی امنیتی لایهبهلایه (مثل لایههای پیاز 🧅) برای محافظت کامل از مدلها.
استفاده از اصول LLMOps و راهکارهای جلوگیری از نفوذ یا نشت اطلاعات.
ساخت معماری کامل و امن برای سیستمهای AI، مخصوصاً توی فضای ابری (مثل Azure).
آمادگی برای مقابله با تهدیدات واقعی با تکنیکهایی مثل Red Teaming و Compliance.
توی این دوره یاد میگیری که چطور از دادههات محافظت کنی، جلوی حملات احتمالی رو بگیری، و سیستمهات رو جوری طراحی کنی که در برابر تهدیدهای امنیتی مقاوم باشن. همهچی از زیرساخت، شبکه، دسترسی کاربرها، تا نظارت بر سیستم رو یاد میگیری. علاوه بر این با مفاهیم پیشرفتهای مثل:
مهندسی پرامپت (Prompt Engineering)
بازیابی تقویتشده اطلاعات (RAG)
فاینتیونینگ مدلها برای کارهای خاص
و حتی AI Red Teaming آشنا میشی.
همچنین با نحوهی پیادهسازی اصول LLMOps و رعایت استانداردهای امنیتی در فضای ابری مثل Microsoft Azure آشنا میشی تا بتونی با خیال راحت، پروژههات رو در فضای واقعی اجرا کنی.
🎯 اهداف یادگیری به زبان ساده
بررسی چالشهای امنیتی که موقع استفاده از GenAI پیش میاد.
شناخت انواع حملات علیه LLMها و اثراتی که روی سیستم دارن.
طراحی امنیتی لایهبهلایه (مثل لایههای پیاز 🧅) برای محافظت کامل از مدلها.
استفاده از اصول LLMOps و راهکارهای جلوگیری از نفوذ یا نشت اطلاعات.
ساخت معماری کامل و امن برای سیستمهای AI، مخصوصاً توی فضای ابری (مثل Azure).
آمادگی برای مقابله با تهدیدات واقعی با تکنیکهایی مثل Red Teaming و Compliance.
مهارت ها
Vulnerability ManagementGenerative AICybersecurityArtificial Intelligence (AI)One-Off
سرفصل ها
۰. مقدمه
- 01 - مقدمه - چشمانداز LLM
- 02 - آنچه باید بدانید
۱. هوش مصنوعی مولد - زمینه فعلی و پذیرش سازمانی
- 03 - بررسی اجمالی
- 04 - امنیت سایبری و زمینه هوش مصنوعی مولد
- 05 - درباره امنیت و ایمنی هوش مصنوعی مولد
- 06 - اعلان به عنوان درب ورودی به سیستمهای LLM
۲. مباحث امنیت و ایمنی هوش مصنوعی مولد
- 07 - بررسی اجمالی
- 08 - چالشهای عمومی امنیت هوش مصنوعی
- 09 - انواع اصلی حملات LLM
- 10 - نقش LLMOps و تکنیکهای نظارت
3. رویکرد چند سطحی به امنیت و ایمنی LLM
- 11 - مرور کلی
- 12- اقدامات متقابل فنی - مادون قرمز، LLM و کد
- 13 - انسان - شخصیتها و بهترین شیوهها
- 14- زمینهای - مقررات و استانداردها
۴. مورد عملی - بحران امنیتی LLM در Red30
- 15 - مرور کلی
- 16 - مقدمه - Red30 و استفاده از فناوریهای هوش مصنوعی مولد
- 17 - چالش - تحلیل ریسکهای کلیدی برای Red30
- 18 - راه حل - چک لیست با ۳۶۰ جنبه
نتیجهگیری
- 19 - گامهای بعدی برای سفر امنیتی هوش مصنوعی مولد شما
دوره های مرتبط
- دوره آموزشی حریم خصوصی و رعایت مقررات در عصر هوش مصنوعی مولد: حاکمیت دادهها، دستهبندی و فهرستبندی
- دوره آموزشی مدیریت آسیبپذیری: ارزیابی ریسکها با CVSS، CISA KEV، EPSS و SSVC
- دوره آموزشی مدیریت آسیبپذیری در امنیت سایبری: مبانی
- دوره آموزشی معماری امنیت: رویکردی راهبردی
- دوره آموزشی آمادگی برای آزمون گواهی CompTIA SecurityX (CAS-005)
- دوره آموزشی آمادگی برای گواهینامه تکنسین پشتیبانی مجاز سیسکو (CCST) در امنیت سایبری (100-160)
- دوره آموزشی جستجوی تهدید بهصورت عمیق: استراتژیهای شناسایی و پاسخ مبتنی بر اطلاعات و هوش
- دوره آموزشی پاسخ به تهدیدات با کمک هوش مصنوعی با Microsoft Defender for Cloud