Llama 3 模型家族构建安全可信赖企业级AI应用之code shield（二）

CodeShield 是一款强大的推理时过滤工具，旨在防止将大模型生成的不安全代码引入生产系统。大模型虽然有助于自动化编码任务和帮助开发人员，但有时会输出不安全的代码，即使它们已经过安全条件处理。 CodeShield 充当护栏，帮助确保此类代码在进入代码库之前被拦截并过滤掉。
在这里插入图片描述
LLM 已成为编码过程不可或缺的一部分，可自动执行编码任务并充当开发人员的副驾驶。然而，Meta的研究CyberSecEval表明，这些代码生成模型无意中生成不安全代码的情况并不少见。当开发人员在未经验证的情况下合并这些不安全代码时，这会带来重大风险，特别是对于那些没有强大网络安全背景的开发人员而言。CodeShield 通过以可配置的方式拦截和阻止 LLM 生成的不安全代码来帮助降低这种风险。CodeShield 利用静态分析库不安全代码检测器来识别不安全代码。不安全代码检测器使用一套静态分析工具对 7 种编程语言执行分析，涵盖 50 多个 CWE。

用例

CodeShield 旨在适用于各种场景，以下是一些示例用例

LLM 被用作编码助手。 CodeShield 非常适合与 VSCode 等 IDE 或任何其他开发框架集成的 AI 编码助手，它能够阻止不安全的代码建议
聊天机器人用于帮助完成编码任务。开发人员向 LLM 索要代码片段已成为一种常见做法。因此，如今 LLM 编写的代码越来越多。Codeshield 能够通过添加警告消息或完全阻止响应来强化任何编写代码的 LLM

在这里插入图片描述
上图描述了在向面向用户的应用程序建议之前，如何使用 CodeShield 进行 LLM 输出扫描的流程

延迟

CodeShield 针对延迟是影响用户体验的关键因素的生产环境进行了优化。它旨在通过两层扫描解决方案快速处理输入。具体来说，CodeShield将首先识别待扫描内容中的令人担忧的代码模式，如果第一步认为内容可疑，则进行更全面的分析。

Meta的研究表明，在生产环境中，超过 98% 的流量被归类为良性流量，不需要进行全面扫描。这意味着在大约 99% 的情况下，请求会在 70 毫秒的时间内得到快速处理。对于需要更彻底扫描的其余流量，在现代生产服务器环境中，p90 延迟为 450 毫秒。这种优化确保 CodeShield 提供强大的安全性，而不会影响性能，使其成为安全性和速度都至关重要的生产环境的理想选择。

安全信号

CodeShield 的主要功能是标记不安全的代码，充当预防性屏障来强制执行安全编码准则。因此，它不仅可以标记可直接利用的漏洞，而且还专注于通过防止不安全的编码实践来增强代码。

CodeShield 生成的信号可以以不同的方式使用。例如，可以加快良性代码的生产。一些应用程序可能会选择完全阻止不安全代码被推荐。或者，它们可以向开发人员显示有关代码片段中潜在安全问题的警告消息。

大模型技术分享

在这里插入图片描述

《企业级生成式人工智能LLM大模型技术、算法及案例实战》线上高级研修讲座

模块一：Generative AI 原理本质、技术内核及工程实践周期详解
模块二：工业级 Prompting 技术内幕及端到端的基于LLM 的会议助理实战
模块三：三大 Llama 2 模型详解及实战构建安全可靠的智能对话系统
模块四：生产环境下 GenAI/LLMs 的五大核心问题及构建健壮的应用实战
模块五：大模型应用开发技术：Agentic-based 应用技术及案例实战
模块六：LLM 大模型微调及模型 Quantization 技术及案例实战
模块七：大模型高效微调 PEFT 算法、技术、流程及代码实战进阶
模块八：LLM 模型对齐技术、流程及进行文本Toxicity 分析实战
模块九：构建安全的 GenAI/LLMs 核心技术Red Teaming 解密实战
模块十：构建可信赖的企业私有安全大模型Responsible AI 实战

Llama3关键技术深度解析与构建Responsible AI、算法及开发落地实战

1、Llama开源模型家族大模型技术、工具和多模态详解：学员将深入了解Meta Llama 3的创新之处，比如其在语言模型技术上的突破，并学习到如何在Llama 3中构建trust and safety AI。他们将详细了解Llama 3的五大技术分支及工具，以及如何在AWS上实战Llama指令微调的案例。
2、解密Llama 3 Foundation Model模型结构特色技术及代码实现：深入了解Llama 3中的各种技术，比如Tiktokenizer、KV Cache、Grouped Multi-Query Attention等。通过项目二逐行剖析Llama 3的源码，加深对技术的理解。
3、解密Llama 3 Foundation Model模型结构核心技术及代码实现：SwiGLU Activation Function、FeedForward Block、Encoder Block等。通过项目三学习Llama 3的推理及Inferencing代码，加强对技术的实践理解。
4、基于LangGraph on Llama 3构建Responsible AI实战体验：通过项目四在Llama 3上实战基于LangGraph的Responsible AI项目。他们将了解到LangGraph的三大核心组件、运行机制和流程步骤，从而加强对Responsible AI的实践能力。
5、Llama模型家族构建技术构建安全可信赖企业级AI应用内幕详解：深入了解构建安全可靠的企业级AI应用所需的关键技术，比如Code Llama、Llama Guard等。项目五实战构建安全可靠的对话智能项目升级版，加强对安全性的实践理解。
6、Llama模型家族Fine-tuning技术与算法实战：学员将学习Fine-tuning技术与算法，比如Supervised Fine-Tuning(SFT)、Reward Model技术、PPO算法、DPO算法等。项目六动手实现PPO及DPO算法，加强对算法的理解和应用能力。
7、Llama模型家族基于AI反馈的强化学习技术解密：深入学习Llama模型家族基于AI反馈的强化学习技术，比如RLAIF和RLHF。项目七实战基于RLAIF的Constitutional AI。
8、Llama 3中的DPO原理、算法、组件及具体实现及算法进阶：学习Llama 3中结合使用PPO和DPO算法，剖析DPO的原理和工作机制，详细解析DPO中的关键算法组件，并通过综合项目八从零开始动手实现和测试DPO算法，同时课程将解密DPO进阶技术Iterative DPO及IPO算法。
9、Llama模型家族Safety设计与实现：在这个模块中，学员将学习Llama模型家族的Safety设计与实现，比如Safety in Pretraining、Safety Fine-Tuning等。构建安全可靠的GenAI/LLMs项目开发。
10、Llama 3构建可信赖的企业私有安全大模型Responsible AI系统：构建可信赖的企业私有安全大模型Responsible AI系统，掌握Llama 3的Constitutional AI、Red Teaming。

解码Sora架构、技术及应用

一、为何Sora通往AGI道路的里程碑？
1，探索从大规模语言模型(LLM)到大规模视觉模型(LVM)的关键转变，揭示其在实现通用人工智能(AGI)中的作用。
2，展示Visual Data和Text Data结合的成功案例，解析Sora在此过程中扮演的关键角色。
3，详细介绍Sora如何依据文本指令生成具有三维一致性(3D consistency)的视频内容。 4，解析Sora如何根据图像或视频生成高保真内容的技术路径。
5，探讨Sora在不同应用场景中的实践价值及其面临的挑战和局限性。

二、解码Sora架构原理
1，DiT (Diffusion Transformer)架构详解
2，DiT是如何帮助Sora实现Consistent、Realistic、Imaginative视频内容的？
3，探讨为何选用Transformer作为Diffusion的核心网络，而非技术如U-Net。
4，DiT的Patchification原理及流程，揭示其在处理视频和图像数据中的重要性。
5，Conditional Diffusion过程详解，及其在内容生成过程中的作用。
三、解码Sora关键技术解密
1，Sora如何利用Transformer和Diffusion技术理解物体间的互动，及其对模拟复杂互动场景的重要性。
2，为何说Space-time patches是Sora技术的核心，及其对视频生成能力的提升作用。
3，Spacetime latent patches详解，探讨其在视频压缩和生成中的关键角色。
4，Sora Simulator如何利用Space-time patches构建digital和physical世界，及其对模拟真实世界变化的能力。
5，Sora如何实现faithfully按照用户输入文本而生成内容，探讨背后的技术与创新。
6，Sora为何依据abstract concept而不是依据具体的pixels进行内容生成，及其对模型生成质量与多样性的影响。