Contacta con nosotros

Temario del curso

Resumen de la Arquitectura y Superficie de Ataque de los LLMs

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

Inyección de Instrucciones y Ataques de Bypass de Seguridad (Jailbreak)

  • Qué es la inyección de instrucciones y por qué es peligrosa.
  • Escenarios de inyección directa e indirecta de instrucciones.
  • Técnicas de bypass de seguridad 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 mal uso de la memoria del modelo.
  • Diseño de instrucciones respetuosas con la privacidad y generación aumentada por recuperación (RAG).

Filtrado y Protección de las Salidas de los LLMs

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

Enfoques de Supervisión Humana en el Ciclo (Human-in-the-Loop) y de Flujo de Trabajo

  • Dónde y cuándo introducir la supervisión humana.
  • Filas de aprobación, umbrales de puntuación y manejo de errores de respaldo.
  • Calibración de la confianza y el papel de la explicabilidad.

Patrones de Diseño Seguro para Aplicaciones con LLM

  • Principio de mínimo privilegio y aislamiento en sandbox para llamadas de API y agentes.
  • Límites de velocidad, limitación y detección de abusos.
  • Cadenas robustas con LangChain y aislamiento de instrucciones.

Cumplimiento, Registro y Gobernanza

  • Garantizar la audibilidad de las salidas de los LLMs.
  • Mantener la trazabilidad y el control de versiones de instrucciones.
  • Alinear con las políticas de seguridad internas y necesidades regulatorias.

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los modelos de lenguaje grandes y las interfaces basadas en instrucciones (prompts).
  • Experiencia construyendo aplicaciones con LLM utilizando Python.
  • Familiaridad con integraciones de API e implementaciones en la nube.

Público Objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas