AI驱动安全:技术原理与行业实践电子书

内容提要

资源与支持

推 荐 语

推荐序一

推荐序二

推荐序三

前言

第1章 AI的历史与发展趋势

1.1 技术演进及关键节点

1.1.1 AI技术发展阶段

1.1.2 AI关键技术发展演进

1.1.3 AI技术学派

1.2 AI技术发展趋势

1.2.1 AI智能体从辅助工具到自主决策的跨越

1.2.2 小模型的高效化与本地化应用

1.2.3 生成式搜索重构信息获取模式

1.2.4 技术主权与算力基础设施的全球竞争

1.3 AI发展过程中存在的争议

1.3.1 参数量与AI性能是否成正比

1.3.2 AI未来的发展方向是开源还是闭源

1.3.3 AI系统形态分化：集中式与分布式

第2章 AI技术的价值重构：个人效率、组织变革及社会影响

2.1 个人生产力的指数级提升

2.1.1 AI工具提高工作效率

2.1.2 AI技术赋能个性化学习

2.1.3 AI应用驱动职业技能重塑

2.2 组织业务的战略级转型

2.2.1 AI驱动组织业务全流程重塑

2.2.2 AI赋能降本增效与商业模式创新

2.2.3 数据驱动决策与风险防控体系升级

2.3 对社会生产、生活的影响

2.3.1 生产力跃迁：产业效率革命

2.3.2 生产、生活基础设施智能化升级

2.4 安恒信息公司“AI+安全”实践

第3章 大模型全链路解析

3.1 大模型的关键要素

3.1.1 数据：大模型训练的原始资料

3.1.2 算法：大模型的神经中枢

3.1.3 算力：千亿参数的承载基石

3.2 大模型架构与主流推理框架

3.2.1 大模型架构的构成

3.2.2 主流大模型推理框架

3.3 训练大模型的方法论

3.3.1 预训练：通用能力的规模化锻造

3.3.2 有监督微调与LoRA微调

3.3.3 强化学习：人类价值观的对齐工程

3.4 大模型的部署与应用

3.4.1 常见的大模型部署模式

3.4.2 大模型选型决策建议

3.4.3 大模型计费模式

3.4.4 多模态交互方式及意义

3.4.5 大模型提示词的优化

3.4.6 打造适合自己的大模型

3.5 大模型在各行业的典型应用场景

第4章 AI在网络安全领域的深度应用

4.1 AI引领智能安全运营新范式

4.1.1 动态威胁检测

4.1.2 海量告警研判

4.1.3 安全事件联动处置

4.1.4 渗透测试辅助

4.1.5 代码审计智能化

4.2 AI赋能构建智能风险防御体系

4.2.1 全域风险监测

4.2.2 未知威胁狩猎

4.2.3 自动化巡检

4.3 AI重构威胁情报生态

4.3.1 威胁情报生产

4.3.2 威胁情报评价

4.3.3 威胁情报共享

4.4 AI助力构建智能数据保护体系

4.4.1 智能数据分类分级

4.4.2 API资产管理与风险智能研判

4.4.3 数据防泄露

4.4.4 数据安全风险管理

4.5 数据智能驱动下的安全新范式

4.5.1 AI驱动数据挖掘

4.5.2 数据价值智能评估

4.5.3 数据安全流通与价值释放

第5章 AI安全风险与合规

5.1 AI核心安全风险

5.1.1 基础设施风险

5.1.2 模型内生风险

5.1.3 数据安全风险

5.1.4 应用输出风险

5.2 AI治理与合规要求

5.2.1 国家政策与合规要求

5.2.2 国际监管与合规实践

5.2.3 AI合规治理与实践

第6章 构建安全可信的AI应用生态

6.1 AI全生命周期安全防护

6.1.1 AI全生命周期安全防护概述

6.1.2 语料数据准备阶段

6.1.3 大模型开发阶段

6.1.4 大模型训练阶段

6.1.5 部署阶段

6.1.6 运行阶段

6.1.7 使用与审计阶段

6.2 AI通用安全框架

6.2.1 “四横”基础能力矩阵

6.2.2 “四纵”支撑体系构建

6.2.3 “四横四纵”框架系统运作

6.3 典型行业AI安全实践

6.3.1 金融行业

6.3.2 能源与工业领域

6.3.3 政务与公共服务

第7章 总结与展望

7.1 AI应用形态成熟度分析

7.1.1 智能问答助手：效率与局限并存

7.1.2 智能体：场景化应用探索者

7.1.3 数字员工：高智能背后的权衡

7.1.4 具身智能：物理交互的智能新形态

7.2 AI发展挑战与应对之策

7.2.1 AI安全挑战：前行路上的暗礁

7.2.2 应对措施：穿越风暴的指南针

7.3 未来趋势：智能新纪元的曙光