幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大語言模型與安全(雙色印刷高等教育網路空間安全專業系列教材)

  • 作者：編者:南國順//雷敏//彭海朋|責編:郝建偉//羅倩
  • 出版社：機械工業
  • ISBN：9787111787754
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：210
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共8章，內容包括大語言模型的特點和發展現狀，深度學習基礎，多模態大語言模型，大語言模型微調，行業大語言模型，大語言模型的內部安全威脅，大語言模型的外部安全威脅，大語言模型的隱私保護，每章都設置了思考與練習。本書提供立體化教學資源，包括教學PPT以及思考與練習的參考答案，每章還配有知識點講解的微視頻。
    本書可作為高等院校網路空間安全、信息安全、密碼科學與技術、人工智慧、電腦科學與技術、司法信息安全、網路安全與執法和電腦等相關專業的教材與參考書。
作者介紹
編者:南國順//雷敏//彭海朋|責編:郝建偉//羅倩
目錄
前言
第1章  大語言模型概述
  1.1  大語言模型的特點
    1.1.1  關鍵技術
    1.1.2  規模和參數
    1.1.3  自監督學習
    1.1.4  泛化能力
    1.1.5  模型生成
  1.2  大語言模型的發展現狀和未來展望
    1.2.1  發展現狀
    1.2.2  未來展望
    1.2.3  大語言模型在網路安全領域的應用
  1.3  大語言模型常見安全威脅
    1.3.1  內部安全威脅
    1.3.2  外部安全威脅
    1.3.3  隱私保護
    1.3.4  傳統安全威脅
  1.4  本章小結
  1.5  思考與練習
第2章  深度學習基礎
  2.1  深度學習相關概念
    2.1.1  深度學習簡介
    2.1.2  神經網路的基本構成
    2.1.3  損失函數及其優化
    2.1.4  卷積神經網路
    2.1.5  循環神經網路
  2.2  注意力機制和Transformer模型
    2.2.1  注意力機制的基本概念
    2.2.2  注意力機制的變體及其應用
    2.2.3  Transformer模型
    2.2.4  位置編碼
    2.2.5  Transformer模型的訓練
  2.3  大規模預訓練
    2.3.1  大規模預訓練概述
    2.3.2  預訓練任務
    2.3.3  預訓練中的優化技術
    2.3.4  GPT模型的演化
  2.4  指令微調和提示學習
    2.4.1  指令微調概念
    2.4.2  微調策略與技巧
    2.4.3  提示學習入門
    2.4.4  有效提示設計的原則
  2.5  檢索增強生成技術
    2.5.1  檢索增強生成技術概述
    2.5.2  檢索增強生成技術流程
    2.5.3  主流的檢索增強生成技術
    2.5.4  檢索增強生成技術未來發展方向
  2.6  本章小結
  2.7  思考與練習
第3章  多模態大語言模型

  3.1  多模態大語言模型概述
    3.1.1  多模態大語言模型基本架構
    3.1.2  多模態大語言模型關鍵技術
    3.1.3  多模態大語言模型的未來發展方向
  3.2  圖片多模態大語言模型
    3.2.1  Vision Transformer
    3.2.2  CLIP
    3.2.3  BLIP
    3.2.4  BLIP-
    3.2.5  LLaVA
    3.2.6  InstructBLIP
    3.2.7  Qwen-VL
    3.2.8  CogVLM
  3.3  音頻多模態大語言模型
    3.3.1  SALMONN
    3.3.2  MACAW-LLM
    3.3.3  Qwen-Audio
    3.3.4  AnyGPT
  3.4  視頻多模態大語言模型
    3.4.1  Video-ChatGPT
    3.4.2  VideoChat
    3.4.3  Chat-Univi
    3.4.4  InternLM-XComposer
    3.4.5  VideoLLaMA
    3.4.6  VILA
  3.5  本章小結
  3.6  思考與練習
第4章  大語言模型微調
  4.1  構建微調數據
    4.1.1  基於自然語言處理數據集構建數據
    4.1.2  基於大語言模型構建數據
  4.2  參數高效微調
    4.2.1  增量微調
    4.2.2  選擇性微調
    4.2.3  重參數化微調
  4.3  本章小結
  4.4  思考與練習
第5章  行業大語言模型
  5.1  行業場景下的大語言模型應用
    5.1.1  醫療場景下的大語言模型
    5.1.2  教育場景下的大語言模型
    5.1.3  法律場景下的大語言模型
    5.1.4  金融場景下的大語言模型
    5.1.5  科研場景下的大語言模型
  5.2  行業大語言模型繼續預訓練技術
  5.3  本章小結
  5.4  思考與練習
第6章  大語言模型的內部安全威脅
  6.1  大語言模型的毒性與偏見
    6.1.1  毒性與偏見定義

    6.1.2  檢測與評估方法
  6.2  安全對齊方法
    6.2.1  基於指令微調的安全對齊方法
    6.2.2  人類反饋強化學習的安全對齊技術
    6.2.3  兩種安全對齊技術對比
  6.3  越獄
    6.3.1  越獄的定義
    6.3.2  常見的越獄攻擊方法
    6.3.3  越獄防禦策略
  6.4  幻覺
    6.4.1  幻覺的定義
    6.4.2  幻覺成因分析
    6.4.3  幻覺檢測與評估
    6.4.4  緩解幻覺的策略
  6.5  模型可解釋性與安全
    6.5.1  可解釋性的定義與意義
    6.5.2  模型可解釋性技術
    6.5.3  可解釋性在模型內部安全中的應用
    6.5.4  局限性與挑戰
  6.6  對抗性攻擊與防禦
    6.6.1  對抗性攻擊的概念與類型
    6.6.2  常見的對抗性攻擊方法
    6.6.3  對抗性防禦策略
    6.6.4  局限性與挑戰
  6.7  本章小結
  6.8  思考與練習
第7章  大語言模型的外部安全威脅
  7.1  對抗樣本攻擊
    7.1.1  對抗樣本攻擊的概念
    7.1.2  對抗樣本生成方法
    7.1.3  對抗樣本攻擊對模型的影響
    7.1.4  對抗樣本攻擊的防禦
  7.2  數據投毒
    7.2.1  數據投毒的概念
    7.2.2  數據投毒的常見方式
    7.2.3  數據投毒的典型案例
    7.2.4  數據投毒的檢測與防禦
  7.3  後門攻擊
    7.3.1  後門攻擊的概念
    7.3.2  後門攻擊的方式與原理
    7.3.3  後門攻擊的典型案例
    7.3.4  大模型後門攻擊的檢測與防禦
  7.4  提示詞注入攻擊
    7.4.1  提示詞注入攻擊的概念
    7.4.2  提示詞注入攻擊的方式與原理
    7.4.3  提示詞注入攻擊的典型案例
    7.4.4  提示詞注入攻擊的檢測與防禦
  7.5  本章小結
  7.6  思考與練習
第8章  大語言模型的隱私保護

  8.1  大語言模型作為隱私攻擊者和保護者
    8.1.1  大語言模型作為隱私攻擊者
    8.1.2  大語言模型作為隱私保護者
  8.2  大語言模型隱私攻擊
    8.2.1  被動隱私泄露
    8.2.2  主動隱私攻擊
  8.3  大語言模型隱私保護
    8.3.1  預訓練中的隱私保護
    8.3.2  微調階段的隱私保護
    8.3.3  推理階段的隱私保護
  8.4  本章小結
  8.5  思考與練習
附錄  縮略語
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032