Overview
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
À medida que a implantação de tecnologias de IA aumenta, a necessidade de proteger a privacidade e a segurança no uso de grandes modelos de linguagem (LLMs) é mais crucial do que nunca. Os profissionais enfrentam o desafio de aproveitar o imenso poder dos LLMs para aplicativos personalizados e, ao mesmo tempo, garantir a privacidade e a segurança rigorosas dos dados. Os riscos são altos, pois violações de privacidade e vazamentos de dados podem levar a repercussões financeiras e de reputação significativas.
Este livro serve como um guia muito necessário para que você possa lidar com essas preocupações urgentes. O Dr. Baihan Lin oferece uma exploração abrangente de técnicas de segurança e preservação da privacidade, como privacidade diferencial, aprendizagem federada e criptografia homomórfica, aplicadas especificamente aos LLMs. Com seus exemplos práticos de código, estudos de caso do mundo real e metodologias robustas de ajuste fino em aplicativos específicos do domínio, este livro é um recurso vital para o desenvolvimento de soluções de IA seguras, éticas e personalizadas no cenário atual de consciência da privacidade.
Com a leitura deste livro, você irá:
- Descobrir técnicas de preservação de privacidade para LLMs
- Aprenderá metodologias seguras de ajuste fino para personalizar LLMs
- Entender estratégias de implantação segura e proteção contra ataques
- Explorar considerações éticas, como parcialidade e transparência
- Você obterá insights de estudos de caso do mundo real nos setores de saúde, finanças e outros
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access