引子 安教授的AI安全第 一课 1
第 一篇 AI安全初探 5
故事1 AI的崛起：从图灵测试到大模型 6
故事2 AI安全风险案例：AI的安全黑洞 15
故事3 AI安全的重要性：AI的守护使命 26
故事4 AI安全攻防全貌：AI的攻防战场 37
第二篇 AI面临的安全挑战 47
故事5 AI模型的脆弱心脏：模型鲁棒性问题 48
故事6 AI模型的黑箱之谜：可解释性挑战 57
故事7 AI数据的污染危机：数据质量与数据投毒风险 66
故事8 AI算法的双刃剑：漏洞、攻击与滥用 77
故事9 AI的偏见：算法歧视与公平性 87
故事10 AI的责权：责任归属与法律挑战 93
故事11 AI武器化的隐忧：军事化应用的安全风险 101
故事12 AI时代的数据隐私保护：技术与法规解析 108
故事13 AI应用的合规挑战：各国规范性文件对比与发展趋势 118
第三篇 AI安全攻防及应用 129
故事14 扰动输入样本：欺骗AI的魔术 130
故事15 数据投毒攻击：污染AI的源头 140
故事16 模型窃取攻击：偷走AI的大脑 150
故事17 后门攻击：隐藏在AI中的定时炸弹 159
故事18 提升AI模型鲁棒性：应对输入样本扰动 168
故事19 AI数据安全防护：防御AI数据投毒 178
故事20 AI模型知识产权保护：防止模型窃取与滥用 188
故事21 AI系统安全加固：检测与防御后门攻击 197
故事22 AI内容安全的“守门员”：虚假信息识别与多模态过滤 207
故事23 AI周边安全的防护网：保障AI系统的安全 217
故事24 AI管理的“安全屋”：构建AI安全管理体系 225
第四篇 AI赋能安全 235
故事25 AI赋能安全攻防的“神兵利器”：关键技术解析 236
故事26 AI在安全测试中的利与弊：漏洞挖掘与代码审计 245
故事27 AI赋能安全防御：构建“铜墙铁壁” 253
故事28 安全产业的变革者：重塑安全生态 262
故事29 安全设备和系统的升级者：提升安全能力 271
故事30 电信运营商AI安全实践：实战案例分享 280
第五篇 AI安全行业动态与发展趋势 291
故事31 全球AI安全标准化组织：规则制定与发展 292
故事32 AI安全研究的风向标：最新研究进展 301
后记 310
