书城首页 › 当代 › 工业 › 大模型AI安全解决方案:防御策略全面解析
当代·工业

大模型AI安全解决方案:防御策略全面解析

正版保障多仓发货48小时内发货2-3天送达可开发票
¥83.59 定价 ¥119.00 7折 立省 ¥35.41
现货库存 240 件 全新
商品参数
书名
大模型AI安全解决方案:防御策略全面解析
作者
(英)约翰·索蒂罗普洛斯 著 李彦亮,黎千 译
出版社
清华大学出版社
出版时间
2026-06-01
ISBN
9787302719526
货号
1204457725
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
大模型AI安全解决方案:防御策略全面解析
作者
(英)约翰·索蒂罗普洛斯 著 李彦亮,黎千 译
出版社
清华大学出版社
出版时间
2026-06-01
ISBN
9787302719526
货号
1204457725
品相
全新
分类
当代·工业
作者简介▼

“约翰·索蒂罗普洛斯(John Sotiropoulos)长期从事安全架构与AI安全相关工作,兼具安全视角与工程实践经验。作者对AI系统安全问题的关注,不停留在理论分析层面,而是面向真实应用场景,强调可执行的安全方法与治理思路。

李彦亮,毕业于北京航空航天大学计算机系,拥有20年IT互联网工作经验,先后就职于中国住房公积金管理中心、中国工商银行、Oracle甲骨文公司等。历任程序员、TeamLeader、项目经理、技术总监。对DevOps、网络安全、渗透测试、云计算、云原生、网络协议、系统运维有丰富的项目实战经验。

黎干,美团机器学习平台高级工程师,专注推动业务的机器学习创新。主导搭建多场景大规模机器学习平台,优化架构支撑外卖、酒店等业务高并发运转,护航用户使用体验;搭建机器学习特征仓库,赋能用户画像与个性化推荐。同时参与美团大模型研发落地,完善全流程应用体系,推动智能客服场景智能化升级。”

目录▼

第一篇对抗AI概览

第1章AI入门2

1.1理解AI和ML2

1.2ML类型与生命周期3

1.3ML中的关键算法5

1.4神经网络和深度学习6

1.5ML开发工具7

1.6总结8

1.7扩展阅读8

第2章搭建攻防环境9

2.1技术要求9

2.2配置开发环境10

2.3动手实践基础ML基线方法12

2.4使用CNN开发目标AI服务15

2.5规模化ML开发19

2.6总结21

第3章安全与对抗AI22

3.1技术要求22

3.2安全基础知识23

3.3加固对抗性测试环境24

3.4保护代码和产物33

3.5使用对抗AI绕过安全防护38

3.6总结40

第二篇模型攻击

第4章投毒攻击42

4.1投毒攻击的基本原理42

4.2简单投毒攻击的实施方法45

4.3后门投毒攻击机制48

4.4隐藏触发器后门攻击54

4.5干净标签攻击55

4.6高级投毒攻击56

4.7防御与应对措施57

4.8总结61

第5章模型木马篡改与模型重编程62

5.1基于pickle序列化的后门注入62

5.2通过KerasLambda层注入木马65

5.3使用自定义层的木马70

5.4神经负载注入73

5.5边缘AI攻击76

5.6模型劫持80

5.7总结82

第6章供应链攻击与对抗AI83

6.1传统供应链风险与AI83

6.2AI供应链风险93

6.3数据投毒103

6.4AI/ML软件物料清单106

6.5总结106

第三篇针对已部署AI的攻击

第7章针对已部署AI的规避攻击108

7.1规避攻击基础原理108

7.2扰动与图像规避攻击技术111

7.3使用TextAttack和BERT进行NLP规避攻击121

7.4通用对抗扰动123

7.5具有可迁移性的黑盒攻击125

7.6防御规避攻击126

7.7总结132

第8章隐私攻击之模型窃取133

8.1理解隐私攻击133

8.2通过模型提取攻击窃取模型133

8.3防御和应对措施145

8.4总结150

第9章隐私攻击之数据窃取151

9.1理解模型反演攻击151

9.2模型反演攻击类型152

9.3模型反演攻击示例158

9.4理解推理攻击159

9.5属性推理攻击160

9.6属性推理攻击示例162

9.7成员推理攻击163

9.8总结169

第10章隐私保护AI170

10.1隐私保护ML与AI170

10.2简单数据匿名化171

10.3高级匿名化174

10.4差分隐私182

10.5联邦学习184

10.6拆分学习185

10.7隐私保护ML的高级加密方案185

10.8高级ML加密技术实践187

10.9应用隐私保护ML技术189

10.10总结190

第四篇生成式AI与对抗攻击

第11章生成式AI前沿192

11.1生成式AI简要介绍192

11.2使用GAN195

11.3使用预训练的GAN204

11.4总结207

第12章GAN深度伪造与对抗攻击208

12.1GAN在深度伪造与检测中的应用208

12.2GAN在网络攻击与渗透测试中的应用222

12.3防御和应对措施232

12.4总结237

第13章对抗AI大语言模型基础238

13.1LLM简介238

13.2使用LLM开发AI应用240

13.3使用Python体验LLM241

13.4基于LangChain的智能对话244

13.5引入自有数据245

13.6LLM引发的对抗AI变革247

13.7总结248

第14章提示词对抗攻击249

14.1对抗输入和提示词注入249

14.2直接提示词注入250

14.3基于梯度的自动化提示词注入260

14.4自有数据的风险261

14.5间接提示词注入262

14.6使用提示词注入实现数据渗出263

14.7通过提示词注入实现权限提升265

14.8通过提示词注入实现RCE265

14.9防御和应对措施266

14.10总结273

第15章LLM投毒攻击274

15.1RAG中的嵌入向量投毒274

15.2针对LLM微调的投毒攻击289

15.3总结302

第16章高级生成式AI攻击场景303

16.1LLM中的供应链攻击303

16.2隐私攻击与LLM312

16.3LLM模型反演与训练数据提取攻击313

16.4LLM推理攻击314

16.5基于次级模型的LLM模型复制技术316

16.6隐私攻击的防御与应对措施317

16.7总结318

第五篇安全设计AI与MLSecOps

第17章安全设计与可信AI320

17.1安全设计AI320

17.2构建威胁分类体系323

17.3AI威胁分类325

17.4AI威胁分类映射326

17.5AI威胁建模331

17.6威胁建模实践331

17.7增强版FoodieAI威胁建模332

17.8风险评估与优先级排序337

17.9安全设计与实施341

17.10测试与验证347

17.11前移策略:尽早落实安全措施348

17.12实时运营348

17.13超越安全:可信AI350

17.14总结351

第18章基于MLSecOps的AI安全实践352

18.1MLSecOps的必要性352

18.2MLSecOps2.0框架354

18.3构建基础MLSecOps平台359

18.4MLSecOps实战364

18.5集成MLSecOps与LLMOps374

18.6基于软件物料清单的高级MLSecOps376

18.7总结379

第19章不断成熟的AI安全380

19.1企业级AI安全挑战380

19.2企业级AI安全基础382

19.3基于企业安全的AI防护383

19.4运营级AI安全384

19.5循序渐进的企业级安全385

19.6总结386

文摘▼

在人工智能蓬勃发展的当下,大模型的安全问题日益凸显。《大模型AI安全解决方案:防御策略全面解析》便是一本应对这一挑战的专业书籍。本书开篇介绍AI基础知识与攻防环境搭建,为后续深入探讨筑牢根基;随后深入剖析模型攻击,涵盖投毒攻击、木马篡改攻击、供应链攻击等多种类型,详细阐述其原理、实施方式及应对策略。针对已部署AI系统的攻击如规避攻击、隐私窃取攻击等手段,书中也有全面解析,并给出防御方法。本书在生成式AI与对抗攻击部分,探讨GAN、大语言模型等面临的攻击与防御。最后,本书从安全设计与MLSecOps角度,介绍如何构建安全可靠的AI系统。

无论你是AI开发者、安全从业者还是相关领域研究者,都能从本书中汲取专业知识,提升应对大模型安全问题的能力。

¥83.59
🛒购物车