دوره تکنیک‌های دفاعی در برابر حملات به مدل‌های زبانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تکنیک‌های دفاعی در برابر حملات به مدل‌های زبانی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: امنیت و حریم خصوصی در LLMs

📋 سرفصل‌های دوره

• 1. مبانی امنیت مدل‌های زبانی
• 2. معماری مدل‌های زبانی بزرگ
• 3. انواع حملات به مدل‌های زبانی
• 4. حملات تزریق دستور (Prompt Injection)
• 5. تکنیک‌های شناسایی و مقابله با تزریق دستور
• 6. حملات استخراج داده (Data Extraction Attacks)
• 7. روش‌های محافظت از داده‌های آموزشی
• 8. حملات سوگیری و تبعیض (Bias and Discrimination Attacks)
• 9. شناسایی و کاهش سوگیری در مدل‌ها
• 10. حملات مسمومیت داده (Data Poisoning Attacks)
• 11. راهکارهای جلوگیری از مسمومیت داده
• 12. حملات انکار سرویس (Denial of Service Attacks)
• 13. مدیریت منابع و مقیاس‌پذیری در برابر DoS
• 14. حملات دستکاری خروجی (Output Manipulation Attacks)
• 15. اعتبارسنجی و پالایش خروجی مدل
• 16. حملات مهندسی اجتماعی (Social Engineering Attacks)
• 17. آموزش کاربران در برابر مهندسی اجتماعی
• 18. حملات مبتنی بر تکیه (Reliance Attacks)
• 19. مدیریت وابستگی به خروجی مدل
• 20. حملات نفوذ به مدل (Model Inversion Attacks)
• 21. حفاظت از پارامترهای مدل
• 22. حملات سرقت مدل (Model Stealing Attacks)
• 23. تکنیک‌های رمزنگاری و حفاظت از مدل
• 24. حملات استدلال معکوس (Reverse Engineering Attacks)
• 25. مستندسازی و حفاظت از دانش فنی
• 26. حملات مرتبط با تولید محتوای مضر
• 27. شناسایی و فیلترینگ محتوای نامناسب
• 28. حملات تولید اطلاعات نادرست (Misinformation Generation)
• 29. راهکارهای اعتبارسنجی اطلاعات
• 30. حملات جعل هویت (Impersonation Attacks)
• 31. تشخیص و احراز هویت کاربران
• 32. حملات سوءاستفاده از قابلیت‌های مدل
• 33. کنترل دسترسی و مجوزدهی
• 34. حملات جاسوسی از طریق مدل
• 35. مدیریت لاگ‌ها و نظارت بر فعالیت‌ها
• 36. حملات مبتنی بر آسیب‌پذیری‌های نرم‌افزاری
• 37. پچ کردن و به‌روزرسانی مداوم
• 38. حملات مرتبط با پردازش زبان طبیعی
• 39. امنیت در پردازش زبان طبیعی
• 40. حملات در ترجمه ماشینی
• 41. حفاظت از داده‌های ترجمه
• 42. حملات در خلاصه‌سازی متن
• 43. اعتبارسنجی خلاصه‌ها
• 44. حملات در پاسخ به پرسش
• 45. امنیت در سیستم‌های پرسش و پاسخ
• 46. حملات در مدل‌های تولید متن خلاق
• 47. کنترل خروجی متن خلاق
• 48. حملات در مدل‌های تولید کد
• 49. امنیت در تولید کد
• 50. حملات در مدل‌های تحلیل احساسات
• 51. دقت و امنیت در تحلیل احساسات
• 52. حملات در مدل‌های تشخیص موجودیت نام‌دار
• 53. حفاظت از داده‌های تشخیص موجودیت
• 54. حملات در مدل‌های طبقه‌بندی متن
• 55. امنیت در طبقه‌بندی متن
• 56. حملات در مدل‌های تشخیص اسپم
• 57. جلوگیری از تشخیص اشتباه اسپم
• 58. حملات در مدل‌های تشخیص گفتار
• 59. امنیت در تشخیص گفتار
• 60. حملات در مدل‌های تولید گفتار
• 61. کنترل خروجی گفتار
• 62. حملات در مدل‌های پردازش تصویر
• 63. امنیت در پردازش تصویر
• 64. حملات در مدل‌های تشخیص اشیاء
• 65. حفاظت از دقت تشخیص اشیاء
• 66. حملات در مدل‌های تولید تصویر
• 67. کنترل خروجی تصویر
• 68. حملات در مدل‌های تشخیص چهره
• 69. حریم خصوصی در تشخیص چهره
• 70. حملات در مدل‌های تحلیل ویدئو
• 71. امنیت در تحلیل ویدئو
• 72. حملات در مدل‌های یادگیری تقویتی
• 73. امنیت در عامل‌های یادگیری تقویتی
• 74. حملات در مدل‌های یادگیری فدرال
• 75. حفاظت از حریم خصوصی در یادگیری فدرال
• 76. حملات در مدل‌های مبتنی بر گراف
• 77. امنیت در مدل‌های گراف
• 78. حملات در مدل‌های توضیح‌پذیر (XAI)
• 79. امنیت در مدل‌های شفاف
• 80. حملات در مدل‌های کوچک‌سازی شده
• 81. حفاظت از مدل‌های کوچک
• 82. حملات در مدل‌های توزیع شده
• 83. امنیت در سیستم‌های توزیع شده
• 84. حملات در مدل‌های چندوجهی (Multimodal)
• 85. امنیت در مدل‌های چندوجهی
• 86. حملات در مدل‌های با حافظه طولانی
• 87. مدیریت حافظه در مدل‌ها
• 88. حملات در مدل‌های خودرگرسیو
• 89. امنیت در مدل‌های خودرگرسیو
• 90. حملات در مدل‌های مبتنی بر ترنسفورمر
• 91. بهینه‌سازی ترنسفورمرها
• 92. حملات در مدل‌های مبتنی بر معماری‌های نوین
• 93. امنیت معماری‌های نوین
• 94. حملات در مدل‌های حساس به تغییرات کوچک
• 95. مقاومت در برابرPerturbations
• 96. حملات در مدل‌های با قابلیت یادگیری مداوم
• 97. امنیت در یادگیری مداوم
• 98. حملات در مدل‌های با قابلیت توضیح‌پذیری بالا
• 99. شفافیت در مدل‌ها
• 100. حملات در مدل‌های با تمرکز بر حریم خصوصی