2026
從 LLM 威脅建模到風險控管與治理(實作)
從保護 LLM 系統到以 LLM 輔助資安工作,結合理論與 10 項實作。教材採本地模型及離線環境設計,將風險辨識連到控制措施與治理討論。
從受眾問題、資料品質與執行環境出發,讓觀念、例子與實作接得起來。
案例與數據回到可核對來源,保留日期、條件與引用脈絡。對企業揭露、實驗結果與推論採不同表達。
依課程檢查帳號、工具版本、依賴與執行步驟,避免教材只在講師電腦上能完成。
設計資料判斷、改寫與跨部門情境,讓學員說明自己的決策與理由。技術課程則以合成資料或教學環境安排練習。
利用 AI 協助整理與交叉檢查,最後由講師確認內容、來源與教學安排。
從保護 LLM 系統到以 LLM 輔助資安工作,結合理論與 10 項實作。教材採本地模型及離線環境設計,將風險辨識連到控制措施與治理討論。
結合 AI 輔助研判與人工決策,以合成資料練習事中應變,不要求 Python 基礎。實體授課場地為 iSpan 資展國際台北分公司。
重新整理資料結構講義的章節與學習路徑,讓概念、範例與練習相互銜接。
根據 147 份學員需求資料,規劃帳務、個案管理、個人網站、知識管理、內容與課程製作等六個工作坊主題,以實作與可持續使用的工作流程為核心。
公司導入 AI Agent 後,IT 與資安人員如何管理資料、權限與事故風險。以 Prompt Injection 攻防示範貫穿,逐步加上資料分級、Agent 權限矩陣、Tool/API 控管與人工核准、Log/Audit Trail 及事件處理,並以 OWASP LLM Top 10、NIST AI RMF、ISO/IEC 42001 作為課程地圖。課程名稱暫定,內容籌備中。
點選邀約可準備洽詢內容,再複製或選擇郵件方式寄出。