Contacta con nosotros

Temario del curso

Resumen de la Arquitectura LLM y Superficie de Ataque

  • Cómo se construyen, implementan y acceden a los LLM mediante APIs.
  • Componentes clave en las pilas de aplicaciones LLM (por ejemplo, instrucciones, agentes, memoria, APIs).
  • Dónde y cómo surgen los problemas de seguridad en el uso real.

Inyección de Instrucciones y Ataques de Bucle de Liberación (Jailbreak)

  • Qué es la inyección de instrucciones y por qué es peligrosa.
  • Escenarios de inyección directa e indirecta de instrucciones.
  • Técnicas de bucle de liberación para eludir los filtros de seguridad.
  • Estrategias de detección y mitigación.

Filtración de Datos y Riesgos de Privacidad

  • Exposición accidental de datos a través de las respuestas.
  • Filtraciones de información personal identificable (PII) y uso indebido de la memoria del modelo.
  • Diseño de instrucciones conscientes de la privacidad y generación aumentada por recuperación (RAG).

Filtrado y Protección de las Salidas LLM

  • Uso de Guardrails AI para el filtrado y validación de contenido.
  • Definición de esquemas y restricciones de salida.
  • Monitoreo y registro de salidas inseguras.

Enfoques de Supervisión Humana en el Ciclo y Flujos de Trabajo

    \r
  • Dónde y cuándo introducir la supervisión humana.
  • Colas de aprobación, umbrales de puntuación y manejo de retrocesos.
  • Calibración de confianza y el papel de la explicabilidad.

Patrones de Diseño Seguro para Aplicaciones LLM

  • Privilegio mínimo y aislamiento en entornos controlados (sandboxing) para llamadas a API y agentes.
  • Límite de tasa, limitación y detección de abusos.
  • Encadenamiento robusto con LangChain y aislamiento de instrucciones.

Cumplimiento, Registro y Gobernanza

  • Asegurar la auditabilidad de las salidas LLM.
  • Mantener la trazabilidad y el control de versiones de las instrucciones.
  • Alineación con políticas de seguridad internas y necesidades regulatorias.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los modelos de lenguaje grandes e interfaces basadas en instrucciones.
  • Experiencia desarrollando aplicaciones LLM utilizando Python.
  • Conocimiento familiaridad con integraciones de API y despliegues en la nube.

Público Objetivo

  • Desarrolladores de IA.
  • Arquitectos de aplicaciones y soluciones.
  • Gerentes de producto técnicos que trabajan con herramientas LLM.
 14 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas