2026 iThome 鐵人賽
蒸餾出最精萃的 鐵人
AI Security
選手 33 文章 821
Day 3
2026-09-02
240
0
上一篇我們介紹了 LLM 的基本運作方式,知道大型語言模型會根據使用者輸入的內容與上下文,一步一步預測下一個 Token,最後產生完整的回答。 了解 LLM 如...
Day 3
2026-09-04
240
0
前兩天講了專案背景跟網段怎麼分。今天想退一步,把整個系統切成三層來看,順便交代一下這三層目前各自做到什麼程度。 三層長怎樣大概是這樣的關係:蒐集層:負責把事件...
Day 12
2026-08-12
240
0
昨天結尾我答應了一件事:回頭讀 Day 8 那張清單的描述那一欄,而且是逐字讀完,不抽樣。 今天早上讀完了。 第一支就讓我停下來。那是我裝在瀏覽器自動化那台上的...
Day 16
2026-09-12
239
0
上一篇,我們透過 Attribution Graph,追蹤一個模型在特定 prompt 下,可能用了哪些中間 features 產生答案。但如果模型更新了呢?昨...
Day 15
2026-08-24
239
0
查核資訊: 本文於 2026-08-10 查閱 RAG 原始論文、OWASP LLM01:2026 Prompt Injection、OWASP LLM05:...
Day 7
2026-08-07
237
0
昨天我們把來路不明的腳本關進容器裡跑,重點是「執行的時候給它多少」。今天走到前面一格:那個東西是怎麼進到你機器上的。 多半是這樣。你問 AI 怎麼做某件事,它給...