What do you think?
Ataki na AI, środki neutralizujące i strategie obronne. Przewodnik dla specjalistów ds. cyberbezpieczeństwa po atakach adwersarialnych, modelowaniu zagrożeń i wprowadzaniu zabezpieczeń zgodnych ze strategią MLSecOps
Ataki adwersarialne oszukują systemy AI za pomocą złośliwych danych, generując zagrożenia przez wpływanie na proces uczenia się sztucznej inteligencji. Stanowi to wyzwanie dla cyberbezpieczeństwa, ponieważ zmusza do obrony przed zupełnie nowym rodzajem zagrożeń. Książka demistyfikuje ataki adwersarialne i wyposaża specjalistów ds. cyberbezpieczeństwa w umiejętności zabezpieczania systemów AI, bez zbytniego zagłębiania się w kwestie naukowo-badawcze i strategie biznesowe.
Książka jest kompleksowym przewodnikiem po bezpieczeństwie AI, przedstawiającym uporządkowane podejście z praktycznymi przykładami identyfikowania i przeciwdziałania atakom adwersarialnym. Książka nie ogranicza się do losowego zestawienia zagrożeń, lecz konsoliduje najnowsze badania i standardy branżowe, uwzględniając klasyfikacje MITRE, NIST i OWASP. Wprowadza strategię zabezpieczania AI już na etapie projektowania i wykorzystuje modelowanie zagrożeń do prezentacji obrony opartej na analizie ryzyka, koncentrując się na integracji MLSecOps i LLMOps z ogólnymi systemami bezpieczeństwa przedsiębiorstwa. Przedstawia przykłady wdrażania integracji ciągłej (CI), strategii i narzędzi MLOps oraz mechanizmów kontroli bezpieczeństwa. Opierając się na klasycznych filarach NIST autor formułuje plan wzmacniania bezpieczeństwa AI w przedsiębiorstwach, uwzględniając także kontekst etyki i zaufania w ramach koncepcji Trustworthy AI.
Po przeczytaniu tej książki będziesz w stanie skutecznie projektować i wdrażać zabezpieczenia systemów AI.
Czego się nauczysz:
Zrozumiesz ataki polegające na zatruwaniu danych, omijaniu zabezpieczeń i naruszaniu prywatności oraz nauczysz się je neutralizować.
Dowiesz się, jak sieci GAN mogą być wykorzystywane do przeprowadzania ataków i generowania deepfake'ów.
Poznasz nowe zagrożenia związane z dużymi modelami językowymi (LLM), w tym ataki polegające na wstrzykiwaniu promptów i ekstakcji danych.
Opanujesz techniki zatruwania LLM-ów za pomocą mechanizmu RAG, osadzeń (embeddingów) i dostrajania.
Zbadasz zagrożenia związane z łańcuchem dostaw i modelami LLM o dostępie otwartym.
Nauczysz się wdrażać operacje MLSecOps z integracją ciągłą (CI), MLOps i SBOM-ami.
Książka jest kompleksowym przewodnikiem po bezpieczeństwie AI, przedstawiającym uporządkowane podejście z praktycznymi przykładami identyfikowania i przeciwdziałania atakom adwersarialnym. Książka nie ogranicza się do losowego zestawienia zagrożeń, lecz konsoliduje najnowsze badania i standardy branżowe, uwzględniając klasyfikacje MITRE, NIST i OWASP. Wprowadza strategię zabezpieczania AI już na etapie projektowania i wykorzystuje modelowanie zagrożeń do prezentacji obrony opartej na analizie ryzyka, koncentrując się na integracji MLSecOps i LLMOps z ogólnymi systemami bezpieczeństwa przedsiębiorstwa. Przedstawia przykłady wdrażania integracji ciągłej (CI), strategii i narzędzi MLOps oraz mechanizmów kontroli bezpieczeństwa. Opierając się na klasycznych filarach NIST autor formułuje plan wzmacniania bezpieczeństwa AI w przedsiębiorstwach, uwzględniając także kontekst etyki i zaufania w ramach koncepcji Trustworthy AI.
Po przeczytaniu tej książki będziesz w stanie skutecznie projektować i wdrażać zabezpieczenia systemów AI.
Czego się nauczysz:
Zrozumiesz ataki polegające na zatruwaniu danych, omijaniu zabezpieczeń i naruszaniu prywatności oraz nauczysz się je neutralizować.
Dowiesz się, jak sieci GAN mogą być wykorzystywane do przeprowadzania ataków i generowania deepfake'ów.
Poznasz nowe zagrożenia związane z dużymi modelami językowymi (LLM), w tym ataki polegające na wstrzykiwaniu promptów i ekstakcji danych.
Opanujesz techniki zatruwania LLM-ów za pomocą mechanizmu RAG, osadzeń (embeddingów) i dostrajania.
Zbadasz zagrożenia związane z łańcuchem dostaw i modelami LLM o dostępie otwartym.
Nauczysz się wdrażać operacje MLSecOps z integracją ciągłą (CI), MLOps i SBOM-ami.
600 pages, Unknown Binding
Published July 8, 2025
Ratings & Reviews
Friends & Following
Create a free account to discover what your friends think of this book!
Community Reviews
No one has reviewed this book yet.