大模型安全实战课--极客时间课程推荐/优惠

你将获得：

• 系统提升大模型安全治理能力；
• 8 类高频模型风险防御思路与手段；
• 大模型安全攻防演练与案例剖析；
• 即学即用的企业级安全实践指南。

基于大模型能力开发的产品和服务越来越多，大模型安全问题也成了每位拥抱AI的开发者、产品人乃至技术人负责人绕不开的必答题。

在大模型应用的过程中，我们经常产生后面这些疑问：

• “我们项目用开源大模型接了RAG，但老板担心会出安全事故，怎么办？”
• “如果用户给模型输入不合规内容，模型会不会出事？”
• “我们想做一个To C的模型应用，怎么通过备案？”
• “我们接了行业私有数据，怎么保证模型不会把客户数据拿去训练？”
• “听说很多提示词被泄露后会被滥用，怎么保护好这些Prompt?”
• “提示词过滤器如何设计？”
• ……

为此，我们邀请了赵帅老师开设这门《大模型安全实战课》，分享这些年在实际项目中经历过的坑、踩过的雷，以及摸索总结出来的一套系统化的做法。帮助你从理论到实践，真正建立起一整套可落地的安全思路、技术手段和架构策略，让安全原则不仅仅停留在概念上，而是能在AI产品和平台设计中变成可执行的方案、可操作的流程，帮你打通真正的安全落地路线。

课程的知识导图如下。

模块设计

为了提升你的模型安全认知水平和实战落地能力，课程里一共设计了四个模块。

启航篇：对大模型安全建设建立系统、科学认知。认识大模型安全的本质与价值，模型的运行机制，识别高频的风险类型，了解大模型安全架构逻辑。

风险篇：针对大模型的高频风险，和你深入探讨“大模型被欺骗”（提示注入、上下文劫持、微调投毒等问题）“大模型被盗窃”（逆向攻击）“大模型说错话”（内容越界、隐私泄露）等诸多现实落地风险的判别和预防，帮你稳步提升“风险识别能力”。

防御篇：在深入理解风险的基础上，学习大模型安全的应对策略，掌握如何通过系统性设计手段构建大模型的“安全防线”。围绕“输入-处理-输出”这一工作流程，我们将学习包括 Prompt 过滤、上下文权限隔离、内容输出拦截与标识、审计日志回溯等在内的核心机制，同时进一步引入如RLHF（强化学习人类反馈）、宪法式 AI、红队测试、系统提示对齐等业界主流安全机制。

企业篇：将安全从“原理”与“机制”层面，进一步推进到“场景实践”的维度。我们将结合真实案例来加强自己的“安全落地工程”的实战能力。这一章精选了多个代表性的具体业务场景，让你掌握如何在具体产品（聊天类助手、编程类助手、教育、金融、医疗、政务等行业智能体）中实现“因地制宜”的模型安全控制。

开篇词

• 开篇词｜大模型安全不是黑科技，是新的基本功
• 课前热身｜10道题帮你测试 AI “安全分”

启航篇

• 01｜初识安全：如何理解大模型安全？
• 02｜模型机制：生成式大语言模型的运行逻辑全景图

风险篇

防御篇

企业篇