大家好，今天我們要來了解「深度學習（Deep Learning）」的四大關鍵架構，或許我們不了解這些架構到底有多複雜，但實際生活上天天在用的ChatGPT、Claude，背後的核心是 Transformer，連熱門的 Deepfake 詐騙，背後的核心就是 GAN。

如果不稍微搞懂這幾種架構，我們就沒辦法理解它們到底在哪裡脆弱，又為什麼會被駭客玩弄於股掌之間。

所以，今天我們不看複雜的數學公式，用最直覺的方式來搞懂它們吧。

一、 什麼是深度學習？

簡單說，深度學習就是機器學習的一個分支，它模擬人類的大腦，用多層的「人工神經網路」來處理資料。
這裡的「深度」，指的就是網路疊了非常多層。層數越多，它就越能學到複雜、抽象的特徵。

在資安的考點裡，我們需要認識最主要的四個家族架構。

二、 CNN（卷積神經網路）：看圖的高手

CNN 是專門為了處理圖像設計的架構。它就像人的眼睛，可以自動去抓出圖片的邊緣、形狀跟物件。

• 在資安怎麼用？
  • 人臉辨識門禁系統。
  • 惡意軟體分析。我們可以把二進位檔案（Binary）轉成灰階圖像，然後丟給 CNN 去分類，看它是哪一類的病毒。
• 它的弱點是什麼？
  • CNN 對「對抗性樣本（Adversarial Example）」非常沒有抵抗力。
  • 駭客只要在圖片裡加上一點點人眼看不出來的雜訊，CNN 就可能會把一隻貓看成是一把槍。

三、 RNN / LSTM（循環神經網路）：時間與順序的專家

傳統的神經網路都是看完一張圖就忘，但 RNN 可以記住「前後文的順序」。
因為 RNN 有「記憶」功能，所以非常適合處理有時間順序的資料。而 LSTM 則是 RNN 的升級版，解決了 RNN 記不久的健忘問題。

• 在資安怎麼用？
  • 系統日誌異常偵測。因為它能看懂日誌的前後因果關係。
  • APT 攻擊（進階持續性威脅）的早期偵測，用來識別駭客橫向移動的一連串指令順序。
  • 網路封包的序列分析。

四、 GAN（生成對抗網路）：偽造大師（★ 考試重點）

這個架構是 Deepfake 的心臟。

GAN 的好玩之處在於，它是由兩個神經網路在「左右互搏」：

1. 生成器（Generator）：負責無中生有，做出假的臉、假聲音、假影片。
2. 判別器（Discriminator）：負責當判官，去抓生成器做出來的到底是真的還是假的。

訓練的時候，生成器想盡辦法要騙過判別器；判別器則想盡辦法不被騙。
這兩個傢伙在互相比賽的過程中，生成器做假的能力就會變得越來越恐怖，最後做出來的成品連人類都分不出真假。

• 為什麼資安圈很怕它？
  因為現在的 GAN 只要拿你 3 秒鐘的語音樣本，就能複製出你的聲音（Voice Cloning）；甚至能做出即時的視訊變臉，這在社交工程和詐騙上簡直是毀滅性的武器。

五、 Transformer：現代 LLM 的超級地基（★ 另一個大重點）

2017 年 Google 發表了一篇論文，提出了 Transformer 架構，這才開啟了今天大語言模型（LLM）的黃金時代。

它跟傳統 RNN 一個字一個字讀句子不同，Transformer 的核心叫做「自注意力機制（Self-Attention）」。
它能同時讀取一整段話，並計算每個字之間的關係。

比如這句話：「我在銀行存錢，因為那裡比較安全。」
Transformer 讀到「存款」或「存錢」時，它的注意力會高度指向「銀行（金融機構）」，而不會搞混成河邊的銀行。

• 資安威脅：
  這種注意力機制也是「提示詞注入（Prompt Injection）」的溫床。駭客可以精心設計一段話，讓模型的注意力完全被惡意指令吸走，直接把原本的安全規則忘得一乾二淨。

快速對比速查表

考試會怎麼考？

我們來看一題模擬題：

「某個駭客利用 AI 複製了公司總經理的聲音，打電話給財務部要求匯款。請問這種語音複製技術，背後最主要是基於哪種深度學習架構？」

A. CNN
B. RNN
C. GAN
D. LSTM

答案是 C。語音克隆、變臉、生成假圖像，只要是「生成假內容」的，通通去找 GAN 就對了。

今天的重點總結：

• CNN 看圖很強，但怕雜訊（對抗性樣本）。
• LSTM 記性很好，用來抓系統異常。
• GAN 左右互搏，是 Deepfake 與語音克隆的元兇。
• Transformer 是 LLM 的地基，自注意力機制容易被提示詞注入繞過。

明天我們要講 LLM 的生命週期，看看從預訓練到微調。
我們明天見啦！