Hacking Exposed 7 : Network Security Secrets & Solutions 7/E 2012 <MH> (7版)

相關熱銷的書籍推薦給您

Publisher's Note: Products purchased from Third Party sellers are not guaranteed by the publisher for quality, authenticity, or access to any online entitlements included with the product. The latest tactics for thwarting digital attacks “Our new reality is zero-day, APT, and state-sponsored attacks. Today, more than ever, security professionals need to get into the hacker’s mind, methods, and toolbox to successfully deter such relentless assaults. This edition brings readers abreast with the latest attack vectors and arms them for these continually evolving threats.” --Brett Wahlin, CSO, Sony Network Entertainment “Stop taking punches--let’s change the game; it’s time for a paradigm shift in the way we secure our networks, and Hacking Exposed 7 is the playbook for bringing pain to our adversaries.” --Shawn Henry, former Executive Assistant Director, FBI Bolster your system’s security and defeat the tools and tactics of cyber-criminals with expert advice and defense strategies from the world-renowned Hacking Exposed team. Case studies expose the hacker’s latest devious methods and illustrate field-tested remedies. Find out how to block infrastructure hacks, minimize advanced persistent threats, neutralize malicious code, secure web and database applications, and fortify UNIX networks. Hacking Exposed 7: Network Security Secrets & Solutions contains all-new visual maps and a comprehensive “countermeasures cookbook.” Obstruct APTs and web-based meta-exploits Defend against UNIX-based root access and buffer overflow hacks Block SQL injection, spear phishing, and embedded-code attacks Detect and terminate rootkits, Trojans, bots, worms, and malware Lock down remote access using smartcards and hardware tokens Protect 802.11 WLANs with multilayered encryption and gateways Plug holes in VoIP, social networking, cloud, and Web 2.0 services Learn about the latest iPhone and Android attacks and how to protect yourself

人工智慧：智慧型系統導論3/e (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

讓AI好好說話!從頭打造LLM的實戰秘笈 (1版)

類似書籍推薦給您

【簡介】 用自己的電腦也能從零開始建構 LLM 模型！ LLM 的參數真的非常多~ 動輒就數千億個參數，一般家用電腦是跑不動的；再加上 LLM 模型架構、注意力機制的運作都非常複雜，要深入理解也有不小的門檻。 ★ 機器學習專家 Sebastian Raschka 特別規劃了一整套的教練式教學，透過較小型的資料集，讓您能在一般電腦上跟著步驟實作，並逐步理解大型語言模型的架構與技術！ - 本書涵蓋了建構 LLM 的完整過程，包括處理資料集、實作模型架構、注意力機制、使用無標籤的資料進行預訓練，以及針對特定任務的微調技術 (分類任務微調與指令微調)。 - 書中每一步驟都有清楚的文字、圖解和程式範例，帶著你從零開始撰寫一個基礎模型，並將其進化為文本分類工具，最終創建一個能夠理解並回應對話指令的聊天機器人。 ★ 經驗豐富的開發者與初學者，都可以學習到如何一步步建構一個 GPT，掌握創建 LLM 所需的基本概念與實作技巧！ - 如果是具備基礎機器學習知識、中階 Python 技能的讀者，作者提供了許多額外資源，包含完整程式碼範例 (GitHub 儲存庫)、參考文獻與延伸閱讀 (像是如何應用更大規模的模型參數)、優化訓練迴圈與進階的 LoRA 微調方法，讓您可以再進一步深入學習，持續往專家邁進！ - 對於初學者來說，作者在附錄中有提供 PyTorch 基礎知識與安裝解說，而小編則在內文中適當添加註解，幫助讀者能更好地理解內容。另外，旗標更準備了 Colab 線上資源，讓您理論、實作都能暢通無阻。就算是程式語言小白，初入門也能無痛學習、打好 LLM 的基礎~ 一起提前起跑，搶佔 LLM 理論知識與 GPT 模型實作的先機，為自己投資一個無限的未來！ 【目錄】 ▌第 1 章 理解大型語言模型 1.1 什麼是 LLM？ 1.2 LLM 的應用 1.3 建構與使用 LLM 1.4 Transformer 架構介紹 1.5 大型資料集的運用 1.6 深入探討 GPT 架構 1.7 建構大型語言模型 (LLM) 1.8 重點回饋 ▌第 2 章 處理文本資料 2.1 詞嵌入 (Word Embedding，或稱詞向量) 2.2 文本斷詞 (Tokenize) 2.3 將 token 轉換為 token ID 2.4 添加特殊 token 2.5 字節對編碼 (Byte Pair Encoding, BPE) 2.6 使用滑動視窗法 (Sliding Window) 進行資料取樣 2.7 創建 token 嵌入 (Embedding) 2.8 位置資訊的編碼 2.9 重點回顧 ▌第 3 章 實作注意力機制 3.1 長序列建模的問題 3.2 使用注意力機制捕捉資料依賴關係 3.3 利用自注意力機制，關注輸入序列中的不同位置 - 3.3.1 簡化的自注意力機制 (不使用可訓練權重) - 3.3.2 計算所有輸入 token 的注意力權重 3.4 使用「可訓練權重」實作自注意力機制 - 3.4.1 逐步計算注意力權重 - 3.4.2 實作一個精簡的自注意力 Python 類別 3.5 使用因果注意力遮蔽未來的字詞 - 3.5.1 應用因果注意力遮罩 - 3.5.2 用 dropout 遮蔽額外的注意力權重 - 3.5.3 實作一個精簡的因果注意力類別 3.6 將單頭注意力擴展至多頭注意力 - 3.6.1 堆疊多個單頭注意力層 - 3.6.2 實作具有權重切分的多頭注意力 3.7 重點回顧 ▌第 4 章 從零實作 GPT 模型以生成文本 4.1 撰寫 LLM 架構 - 4.1.1 指定模型配置 - 4.1.2 實作 GPT 佔位架構 - 4.1.3 斷詞處理 - 4.1.4 將批次資料輸入到模型 4.2 將輸出進行層歸一化 - 4.2.1 檢查指定維度的輸出平均值和方差 - 4.2.2 層歸一化處理 4.3 實作具有 GELU 激活函數的前饋神經網路 4.4 增加捷徑連接 (Shortcut Connection) 4.5 在 Transformer 模組中連結注意力與線性層 4.6 撰寫 GPT 模型 4.7 生成文本 4.8 重點回顧 ▌第 5 章 使用無標籤的資料集進行預訓練 5.1 評估文本生成品質 - 5.1.1 使用 GPT 來生成文本 - 5.1.2 計算文本生成損失 - 5.1.3 計算訓練和驗證損失 5.2 訓練 LLM - 5.2.1 預訓練 LLM 的主要函式 - 5.2.2 啟動預訓練 5.3 運用文本生成策略 (解碼策略) 來控制隨機性 - 5.3.1 溫度縮放 (Temperature Scaling) - 5.3.2 Top-k 取樣 - 5.3.3 修改文本生成函式 5.4 在 PyTorch 中載入和儲存模型權重 5.5 從 OpenAI 載入預訓練權重 5.6 重點回顧 ▌第 6 章 分類任務微調 6.1 常見的 2 種微調類型 6.2 準備資料集 - 6.2.1 下載資料集 - 6.2.2 平衡資料集 - 6.2.3 轉換為整數類別標籤 - 6.2.4 分割資料集 6.3 建立資料載入器 - 6.3.1 使用 <|endoftext|> 作為填充 token - 6.3.2 進行斷詞與填充處理 - 6.3.3 實例化資料載入器 6.4 使用預訓練權重初始化模型 6.5 將輸出層更換為分類輸出層 - 6.5.1 檢查模型架構 - 6.5.2 凍結模型 - 6.5.3 替換輸出層，並指定特定層為可訓練狀態 - 6.5.4 只需微調最後一列 token 6.6 計算分類損失與準確率 - 6.6.1 將最後一個 token 轉換為類別標籤的預測值 - 6.6.2 計算各個資料集的分類準確度 - 6.6.3 使用交叉熵損失判斷模型的準確度 6.7 使用監督資料 (Supervised Data) 來微調模型 - 6.7.1 微調模型的訓練函式 - 6.7.2 啟動訓練 - 6.7.3 透過繪製損失函數，判斷模型學習效果 - 6.7.4 計算模型分類任務的準確度 6.8 使用 LLM 做為垃圾訊息分類器 6.9 重點回顧 ▌第 7 章 指令微調 7.1 指令微調概述 7.2 準備監督式指令微調的資料集 - 7.2.1 下載資料集 - 7.2.2 將資料集套用提示詞格式 - 7.2.3 分割資料集 7.3 將資料分成多個訓練批次 - 7.3.1 斷詞處理 - 7.3.2 允許不同批次擁有不同序列長度的 collate 函式 - 7.3.3 創建能讓模型學習預測的目標 token ID - 7.3.4 將填充 token 指定為一個特殊值 7.4 為指令資料集建立資料載入器 - 7.4.1 提升模型訓練效率的 device 設置 - 7.4.2 設置資料載入器 7.5 載入預訓練的 LLM - 7.5.1 載入現有的 GPT 模型 - 7.5.2 評估預訓練好的模型性能 7.6 使用指令資料集來微調 LLM - 7.6.1 計算損失 - 7.6.2 訓練模型，將損失最小化 - 7.6.3 檢視訓練與驗證損失曲線 7.7 取得模型生成的回應 - 7.7.1 人工檢查 (肉眼判斷) 模型回應的品質 - 7.7.2 指令微調有多種模型評估方法 - 7.7.3 使用 AlpacaEval 方法前的準備步驟 7.8 評估微調後的 LLM - 7.8.1 下載 Llama3 模型並啟動 Ollama - 7.8.2 測試並確保 Ollama 正確運行 - 7.8.3 對微調模型的回應進行評分 7.9 總結 - 7.9.1 未來方向 - 7.9.2 持續學習、掌握脈動 - 7.9.3 結語 7.10 重點回顧 【附錄電子書】 ▌附錄 A PyTorch 簡介 A.1 什麼是 PyTorch？ A.2 張量簡介 A.3 以運算圖 (Computation Graph) 來理解模型 A.4 自動微分功能簡介 A.5 實作多層神經網路 A.6 建立高效的資料載入器 A.7 典型的訓練迴圈 A.8 儲存與載入模型 A.9 使用 GPU 優化訓練效能 A.10 重點回顧 ▌附錄 B 參考文獻與延伸閱讀 ▌附錄 C 練習題解答 ▌附錄 D 優化訓練迴圈的方法 D.1 預熱學習率 (Learning Rate Warmup) D.2 餘弦衰減 (Cosine Decay) D.3 梯度分割 (Gradient Clipping) D.4 修改後的訓練函式 ▌附錄 E 使用 LoRA 進行參數高效微調 (Parameter-Efficient Fine-tuning) E.1 LoRA 簡介 E.2 準備資料集 E.3 初始化模型 E.4 使用 LoRA 進行參數高效微調

ChatGPT一本搞定：讓AI成為你的工作好幫手，徹底打敗拒絕新科技的人【最新增訂版】 (2版)

類似書籍推薦給您

【簡介】 ² 附提示詞大全，讓ChatGPT有效回答你的問題 任何有創造力、追求效率的成功人士，都會了解ChatGPT的重要性。它可以讓你的腦力發揮在更重要的事物上。 首先，腦神經專家會告訴你，腦的運作會消耗葡萄糖，而當你處理眾多事務，不論重要與否，你的腦力表現就會因為葡萄糖的耗損而降低。 如回一封禮貎上必需，但是不重要的電子郵件；用EXCEL VBA寫一個群發信件的軟體；過濾搜尋引擎找出的資料；以及好好構思重要的工作計畫。 如果一個早上，你同時經歷以上事件，那你可以用來構思重要工作計畫的腦力，就會大幅減少。 如果你是高階主管，你可以叫屬下替你做，你則腳蹺桌子上，專心思考。但是如果你沒有屬下，或是他們很忙，沒有時間替你做，那麼ChatGPT就可以派上用場。 像撿到神燈的阿拉丁一樣，叫燈中的精靈替你完事。 有人邀你爬山，你可以很快的要ChatGPT寫一封回絕或接受的信，不用花腦筋修辭。 有寫程式的能力很重要，但那不是你的當務之急，直接叫ChatGPT幫你寫，不用說VBA，C語言也一樣，只要你會下指令。 你用關鍵字搜了一大堆資料，要一則一則點開來看，過濾不相關的資料，你問ChatGPT，它會直接替你整理成一段文字。 如你想知道特斯拉、賓士、BMW 2024年第三季全球的營收，毛利率及淨利率的資料，並詢問ChatGPT，它是如此回答的： 「以下是特斯拉（Tesla）、賓士（Mercedes-Benz）和BMW在2024年第三季的全球財務數據總結： Tesla 營收：25.2億美元，比去年同期增長8%【6】【7】。 毛利率：19.8%，略低於過去季度【7】。 淨利率：13%左右（GAAP淨利潤2.2億美元）【7】。 Mercedes-Benz 營收：37.8億歐元，主要受高端車型銷售增長驅動【6】。 毛利率：22.4%，維持高端品牌一貫水準【6】。 淨利率：8.6%，淨利潤因電動車研發投資而有所降低【6】。 BMW 營收：37.4億歐元，反映穩健的全球需求【6】。 毛利率：18.9%，與上年同期基本持平【6】。 淨利率：6.5%，略低於2023年同期，因為供應鏈挑戰導致成本上升【6】。 這三家公司在電動車市場競爭激烈的情況下，各自展現了不同的營運策略和財務結果。特斯拉的毛利率受價格調整影響有所下降，但仍保持盈利；賓士則專注於高端車型，維持較高毛利率；而BMW則著眼於穩定的全球市場需求，保持整體業務平衡。」 因為網路上的資料太多，而ChatGPT是模擬人類搜尋資料的模式去網路上找資料，再模擬人類表達的方式輸出。因此如果網上的資料有錯，它也會給出錯誤的東西。 不過，對你完全不熟的主題，你用Google，也可能會引用錯的資料。 因此，ChatGPT可以幫你省下很多處理雜事的時間，讓你的腦可以全心理處重要的事。 其次，因為大量運用資訊的能力，讓ChatGPT成為你腦力激盪的好夥伴：如出版社出新書想書名；汽車廠推新車要想車名。就算集合一堆人，也很難快速的想出一定數量的名字，這個對ChatGPT而言不是問題，30個、50個名字，一下就產生。它可以激發人的靈感，因為它不受即有思維的制約，有時會有意想不到的「創見」。不管如何，它可以讓你有更多的選項進行評估。 有些人擔心怕工作被AI取代，這實在是無知之論。人類自工業革命之後，生產力及壽命大幅提升，但是失業率並沒有大幅提升。而失業率最高的地區，如歐洲，失業人口也有極好的照顧，因為生產力提高，社會有能力多照顧一些沒有工作能力的人。 每一個新技術發明，就會產生新機會，只有不學習新技術的人，才會被取代。 本書教你如何運用ChatGPT提升生產力，為AI時代做好準備。 本◇書◇特◇色 　　 2025年白金暢銷增訂版，新增AI應用商店簡介 ChatGPT 新增GPT項目， 可以看作是一個專為 ChatGPT 設計的應用商店。它提供各種定制化的 GPT 模組（或稱應用），這些模組是專為不同需求場景設計的AI助手，旨在解決特定的問題或提供特定功能。例如，有的模組可以幫助撰寫專業內容，有的則專注於數據分析或程式設計輔助。 2025年白金暢銷增訂版，以專章介紹，讓你量身打造AI助手。 針對學生、上班族、有意經營自媒體的大眾⋯⋯等不同身分的讀者設計使用指南 學生如何利用ChatGPT寫讀書心得、製作投影片、學習英文？ 老師如何利用ChatGPT出考題？ 上班族如何利用ChatGPT來整理資料、寫行銷企劃案、製作繪本影片？ 一般民眾如何把ChatGPT當成翻譯機、戀愛顧問？ AI有效運用祕訣大公開 有件事不好意思承認，ChatGPT會產生「幻覺」，它會誤會你要問的意思；另外ChatGPT也有「大嘴巴」的傾向，你問它的問題，有時也會變成它的資訊。 所以，你的第一個問題要對它提出一些指引，明確描述你要知道的方向，它就不會提出一些夢遊式回答。另外因為沒有保密條款，請不要把重要、需要保密的資訊夾在問題中。 附提示詞大全，和ChatGPT有效溝通 為了避免「幻覺」，答非所問，作者整理每類問題的提問方式，讓你快速上手。 搭配多種AI工具，讓生產力大幅提升 ChatGPT可以替你自動產生文章，讓你的社群網站永遠不斷鏈。 非美工科系的上班族也可自己產生一部完整的動畫電影，充分發揮你的影響力。 【目錄】 00 熱身篇 單元1 麻瓜也看得懂的人工智慧、機器學習、深度學習 人工智慧、機器學習、深度學習歷程 人工智慧、機器學習、深度學習定義 機器學習與深度學習的差別 單元2 ChatGPT：最貼近人的人工智慧？ ChatGPT的原理是什麼？ GPT的語言生成模型 GPT模仿人類喜好 單元3 ChatGPT功能全面解析 ChatGPT是什麼？ ChatGPT的使用教學 單元4 ChatGPT 是否需要付費？—免費與付費方案全面解析 ChatGPT 的免費方案 ChatGPT Plus（付費方案） 如何選擇適合的方案？ 結論 01 學業篇 單元1 用ChatGPT寫一篇讀書心得 用ChatGPT寫一篇關於Steve Jobs的報告 單元2 用ChatGPT製作PowerPoint投影片 使用ChatGPT寫一篇關於乾隆皇的PPT簡報 單元3 讓ChatGPT當你的免費Excel老師 如何讓ChatGPT幫你解答Excel問題 單元4 用AI練習英文口說與聽力 安裝 Voice Control for ChatGPT Chrome擴充元件 用ChatGPT練習口說與聽力 單元5 ChatGPT協助老師完成教案與考卷 協助教師出考題 02 職場篇 單元1 AI幫忙撰寫電子郵件 求職過程中，ChatGPT可能會寫到哪些信件？ 寄送履歷的求職信 面試後的感謝信 錄取婉拒信 單元2 用ChatGPT 幫你寫產品行銷企劃書 ChatGPT 發想廣告標語、產品名稱等 利用 ChatGPT 寫宣傳文 用ChatGPT 寫活動企劃 用ChatGPT寫影片拍攝腳本 單元3 ChatGPT協助使用Excel進階用法 ChatGPT 處理基本Excel函數 ChatGPT 懂Excel的VBA 嗎？ Outlook設定教學──以Gmail帳號為例 單元4 用ChatGPT整理資訊，讓老闆對你刮目相看 長篇大論的文章，如何快速產生摘要？ 加上規則讓摘要更容易理解 03 自媒體篇 單元1 利用AI自動產生文字與影片 使用ChatGPT產生影片劇本 使用剪映AI圖文成片，快速完成文字影片 單元2 利用AI自動產生Podcast用的音檔 使用ChatGPT完成Podcast頻道名稱、標題與內容 使用TTS Maker產生音檔 Podcast Hosting託管平台 單元3 AI幫你自動作畫 使用Midjourney前，先註冊Discord帳號 Midjourney AI繪圖付費版介紹 niji.journey 動畫卡通風格 使用上傳照片為底，產生漫畫風格 下對咒語，讓Midjourney幫你成為繪圖大師 單元4 AI幫你自動產生音樂 AIVA音樂生成軟體 04 生活篇 單元1 讓ChatGPT當你的戀愛顧問 愛情問題也可問ChatGPT 單元2 ChatGPT如何紓解你的焦慮與煩惱 單元3 ChatGPT也能算命？ 單元4 ChatGPT就是你的隨身翻譯機 即時翻譯機手機使用方法 05 AI工具綜合運用篇 單元1 學會AI工具讓你不落伍 單元2 使用4種AI工具完成一部繪本影片 實戰1：接到任務怎麼開始？ 實戰2：都問不到滿意的答案時，怎麼做？ 實戰3：故事有了後，接下來呢？ 實戰4：故事與素材都有了以後，接下來呢？ 實戰5：接下來影片如何串接呢？ 06 AI應用商店篇 單元1 有求必應的GPT GPT的強大功能 如何使用GPT？ GPT Finder—快速找尋需要的GPT Video Summarizer—影片重點提取 Write For Me—部落格文章的好幫手 ChatGPT 提示詞大全 ChatGPT 常見錯誤原因及解決方法