Menurut laporan Nanfang+ pada tanggal 15 September, Zi Ran, Wakil Presiden Bisnis Keamanan Sangfor, mengatakan bahwa keamanan model besar dibagi menjadi dua aspek. Di satu sisi, model besar itu sendiri menimbulkan risiko keamanan karena masalah halusinasi, masalah keamanan data pelatihan, kebocoran data inferensi, dan masalah lainnya. Aspek lainnya adalah penggunaan model besar dalam serangan atau pertahanan keamanan jaringan. Karena model besar memiliki kemampuan deteksi ancaman yang tidak diketahui yang lebih kuat, dan model yang lebih besar memiliki penalaran logis dan kemampuan pembelajaran kontekstual yang lebih kuat, model besar dapat bertindak sebagai ahli keamanan virtual, melakukan penelitian dan penilaian terhadap penundaan yang kompleks, dan membantu personel keamanan dalam menangani situasi yang lebih kompleks, tantangan. Zi Ran mengatakan bahwa "pembelajaran yang buruk" pada model besar sebagian besar disebabkan oleh adanya data yang tidak masuk akal dan tidak normal dalam data pelatihan model besar, yang mengarah pada pandangan model besar terhadap beberapa masalah dan hal-hal yang tidak sesuai dengan pandangan umum manusia. konsep akal dan moral.. Saat ini, hanya model besar yang dapat dilawan dengan model besar, yang berarti menerapkan model besar pada pertahanan keamanan jaringan untuk mendeteksi virus, email phishing, dan perilaku serangan yang dihasilkan dengan menyerang model besar.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Menurut laporan Nanfang+ pada tanggal 15 September, Zi Ran, Wakil Presiden Bisnis Keamanan Sangfor, mengatakan bahwa keamanan model besar dibagi menjadi dua aspek. Di satu sisi, model besar itu sendiri menimbulkan risiko keamanan karena masalah halusinasi, masalah keamanan data pelatihan, kebocoran data inferensi, dan masalah lainnya. Aspek lainnya adalah penggunaan model besar dalam serangan atau pertahanan keamanan jaringan. Karena model besar memiliki kemampuan deteksi ancaman yang tidak diketahui yang lebih kuat, dan model yang lebih besar memiliki penalaran logis dan kemampuan pembelajaran kontekstual yang lebih kuat, model besar dapat bertindak sebagai ahli keamanan virtual, melakukan penelitian dan penilaian terhadap penundaan yang kompleks, dan membantu personel keamanan dalam menangani situasi yang lebih kompleks, tantangan. Zi Ran mengatakan bahwa "pembelajaran yang buruk" pada model besar sebagian besar disebabkan oleh adanya data yang tidak masuk akal dan tidak normal dalam data pelatihan model besar, yang mengarah pada pandangan model besar terhadap beberapa masalah dan hal-hal yang tidak sesuai dengan pandangan umum manusia. konsep akal dan moral.. Saat ini, hanya model besar yang dapat dilawan dengan model besar, yang berarti menerapkan model besar pada pertahanan keamanan jaringan untuk mendeteksi virus, email phishing, dan perilaku serangan yang dihasilkan dengan menyerang model besar.