机构名称：
¥ 2.0
在教育和医疗保健等部门中，生成AI（Genai）和大语言模型（LLM）的快速整合已标志着技术的重大进步。但是，这种增长也导致了一个很大程度上没有探索的方面：它们的安全漏洞。作为包括离线模型和在线模型，各种工具，浏览器插件和第三方应用程序的生态系统，它不断扩大，它显然扩大了攻击面，从而升级了安全漏洞的潜力。在6G和景观之外的这些扩展为对手而言，为恶意目的操纵LLMS提供了新的途径。我们从对手的角度专注于LLM的安全性方面。我们旨在剖析其目标和方法论，对已知安全弱点进行深入分析。这将包括开发全面的威胁分类法，分类各种对手行为。此外，我们的研究还将集中于如何将LLMS纳入国防团队（也称为蓝色团队）的网络安全工作中。我们将探讨LLMS和区块链技术之间的潜在协同作用，以及这种组合如何导致下一代，完全自主的安全解决方案的发展。这种方法旨在在整个计算连续体中建立统一的网络安全策略，从而增强整体数字安全基础架构。我们的全面分析，从学术研究，概念研究和OWASP等著名的网络安全资源中借鉴，旨在为LLM利益相关者配备详细的，可行的路线图。本指南的重点是增强因对LLM应用程序威胁而告知的国防策略。此外，威胁分类法的发展，特别是针对生成AI和LLM的发展，将显着增强AI互连等新型框架的鲁棒性。通过对潜在的对抗行为进行分类，该分类法赋予了框架
6G安全性中的大型语言模型
主要关键词
相关文件推荐
