Privacy and Security for Large Language Models: Hands-On Privacy-Preserving Techniques for Personalized AI

Эта книга представляет собой практическое руководство по защите приватности и безопасности больших языковых моделей (LLM) в эпоху персонализированного искусственного интеллекта. Автор рассматривает фундаментальные проблемы, возникающие при развертывании LLM в реальных условиях, где модели обучаются на конфиденциальных данных пользователей.

Книга проводит читателя по комплексному пути — от базовых концепций LLM до продвинутых тем, таких как редтиминг (тестирование на проникновение), федеративное обучение и адаптация моделей к культурным нормам. Особое внимание уделяется практическим методам сохранения приватности при тонкой настройке моделей на чувствительных данных, включая медицинские записи.

Издание служит критически важным руководством для защиты генеративного AI-фронта, подробно анализируя утечки приватности и методы усиления безопасности RAG-систем. Книга содержит глубокие технические рекомендации и лучшие практики для профессионалов, стремящихся создавать безопасные и надежные AI-системы.

Целевая аудитория включает AI-практиков, инженеров машинного обучения, специалистов по безопасности и data scientists, которые сталкиваются с вопросами развертывания LLM в регулируемых отраслях, таких как здравоохранение, финансы и образование.