Il miglior punto di partenza per imparare sull'AI è comprendere come funzionano i principali algoritmi di apprendimento automatico. Questo ti aiuterà a capire come funziona l'AI, come usarla e come attaccarla:

{{#ref}} ./AI-Supervised-Learning-Algorithms.md {{#endref}}

{{#ref}} ./AI-Unsupervised-Learning-Algorithms.md {{#endref}}

{{#ref}} ./AI-Reinforcement-Learning-Algorithms.md {{#endref}}

{{#ref}} ./AI-Deep-Learning.md {{#endref}}

Architettura LLM

Nella pagina seguente troverai le basi di ciascun componente per costruire un LLM di base utilizzando i trasformatori:

{{#ref}} AI-llm-architecture/README.md {{#endref}}

Sicurezza AI

Framework di Rischio AI

In questo momento, i principali 2 framework per valutare i rischi dei sistemi AI sono l'OWASP ML Top 10 e il Google SAIF:

{{#ref}} AI-Risk-Frameworks.md {{#endref}}

Sicurezza dei Prompt AI

Gli LLM hanno fatto esplodere l'uso dell'AI negli ultimi anni, ma non sono perfetti e possono essere ingannati da prompt avversari. Questo è un argomento molto importante per capire come usare l'AI in modo sicuro e come attaccarla:

{{#ref}} AI-Prompts.md {{#endref}}

RCE dei Modelli AI

È molto comune per sviluppatori e aziende eseguire modelli scaricati da Internet, tuttavia caricare un modello potrebbe essere sufficiente per eseguire codice arbitrario sul sistema. Questo è un argomento molto importante per capire come usare l'AI in modo sicuro e come attaccarla:

{{#ref}} AI-Models-RCE.md {{#endref}}

Protocollo di Contesto del Modello AI

MCP (Model Context Protocol) è un protocollo che consente ai client agenti AI di connettersi con strumenti esterni e fonti di dati in modo plug-and-play. Questo abilita flussi di lavoro complessi e interazioni tra modelli AI e sistemi esterni:

{{#ref}} AI-MCP-Servers.md {{#endref}}