Найкраща відправна точка для вивчення AI - це зрозуміти, як працюють основні алгоритми машинного навчання. Це допоможе вам зрозуміти, як працює AI, як його використовувати і як на нього атакувати:

{{#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}}

Архітектура LLMs

На наступній сторінці ви знайдете основи кожного компонента для побудови базового LLM за допомогою трансформерів:

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

Безпека AI

Рамки ризиків AI

На даний момент основними 2 рамками для оцінки ризиків систем AI є OWASP ML Top 10 та Google SAIF:

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

Безпека запитів AI

LLMs зробили використання AI вибуховим в останні роки, але вони не ідеальні і можуть бути обмануті ворожими запитами. Це дуже важлива тема для розуміння, як безпечно використовувати AI і як на нього атакувати:

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

RCE моделей AI

Досить поширено, що розробники та компанії запускають моделі, завантажені з Інтернету, однак просто завантаження моделі може бути достатнім для виконання довільного коду на системі. Це дуже важлива тема для розуміння, як безпечно використовувати AI і як на нього атакувати:

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

Протокол контексту моделі AI

MCP (Протокол контексту моделі) - це протокол, який дозволяє клієнтам агентів AI підключатися до зовнішніх інструментів і джерел даних у режимі plug-and-play. Це дозволяє створювати складні робочі процеси та взаємодії між моделями AI та зовнішніми системами:

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

README.md Unescape Escape

AI в кібербезпеці

Основні алгоритми машинного навчання