Confronta i 20 migliori strumenti di sicurezza LLM e framework gratuiti nel 2026

La concessionaria Chevrolet di Watsonville ha introdotto un chatbot basato su ChatGPT sul proprio sito web. Tuttavia, il chatbot pubblicizzava falsamente un'auto a 1 dollaro, con possibili conseguenze legali e un conto salato per Chevrolet. Incidenti come questo evidenziano l'importanza di implementare misure di sicurezza per le applicazioni LLM. ¹

Scopri i migliori strumenti di sicurezza LLM in grado di proteggere le tue applicazioni di modellazione linguistica di grandi dimensioni:

Confronto tra i migliori strumenti di sicurezza LLM

Prima di confrontare gli strumenti di sicurezza LLM, li abbiamo analizzati in base a tre categorie:

1. Framework e librerie open-source in grado di rilevare potenziali minacce
2. Strumenti di sicurezza basati sull'intelligenza artificiale che offrono servizi specifici per LLM, individuando con precisione i guasti del sistema.
3. Strumenti di sicurezza GenAI focalizzati sulle minacce esterne e sugli errori interni nelle applicazioni LLM.

Poiché ci siamo concentrati sugli strumenti di sicurezza LLM, abbiamo escluso gli strumenti LLMOps e altri modelli linguistici di grandi dimensioni (LLM) che non sono in grado di identificare vulnerabilità critiche o violazioni della sicurezza. Non abbiamo inoltre menzionato gli strumenti che forniscono servizi di governance basati sull'IA per verificare il comportamento etico e il rispetto delle normative sulla privacy dei dati.

La tabella mostra le soluzioni di sicurezza LLM elencate per categoria e numero di dipendenti dei fornitori.

Strumenti di governance dell'IA

Gli strumenti di governance dell'IA valutano i modelli di IA in termini di efficacia, pregiudizi, robustezza, privacy e interpretabilità, fornendo strategie concrete per la mitigazione dei rischi e la standardizzazione dei report. Gli strumenti di governance dell'IA possono essere d'aiuto nelle valutazioni di sicurezza dei modelli di apprendimento basati su logica (LLM), garantendo che questi siano sicuri, affidabili e conformi alle normative pertinenti, migliorando così la sicurezza e l'affidabilità complessive. Alcuni di questi strumenti includono:

Credo AI è una piattaforma di governance dell'IA che aiuta le aziende ad adottare, scalare e governare l'intelligenza artificiale. Credo AI offre GenAI Guardrails, che fornisce funzionalità di governance a supporto dell'adozione sicura delle tecnologie di IA generativa. Alcune di queste funzionalità sono:

1. Integrazioni tecniche con gli strumenti LLMOps per configurare filtri I/O e infrastrutture per la tutela della privacy da un centro di comando centralizzato.
2. Pacchetti di policy specifici per GenAI che includono processi predefiniti e controlli tecnici per mitigare i rischi nella generazione di testo, codice e immagini.

Fairly AI, acquisita da Asenion, è uno strumento specifico per la governance, la gestione del rischio e la conformità dell'IA, progettato per aiutare le organizzazioni a gestire i progetti di IA in modo sicuro ed efficace fin dall'inizio. Fairly AI può essere utile per rilevare e reagire ai rischi per la sicurezza di LLM grazie a funzionalità quali:

• Monitoraggio e test continui per identificare e mitigare i rischi in tempo reale.
• Collaborazione tra i team di gestione del rischio e conformità e i team di data science e sicurezza informatica per garantire la sicurezza dei modelli.
• Reportistica dinamica per fornire visibilità e documentazione continue sullo stato di conformità, al fine di gestire e verificare le misure di sicurezza LLM.

Fiddler è uno strumento di visibilità sull'IA aziendale che migliora l'osservabilità, la sicurezza e la governance dell'IA. Fiddler aiuta le organizzazioni a garantire che i modelli di vita del prodotto (LLM) siano sicuri, conformi e performanti durante tutto il loro ciclo di vita. I suoi prodotti e funzionalità principali includono:

• Osservabilità LLM per monitorare le prestazioni, rilevare allucinazioni e tossicità e proteggere le informazioni personali.
• Il revisore Fiddler valuta la robustezza, la correttezza e la sicurezza dei LLM e supporta le valutazioni tempestive degli attacchi di iniezione.
• Monitoraggio del modello per identificare la deriva del modello e impostare avvisi per potenziali problemi.
• Un'intelligenza artificiale responsabile per mitigare i pregiudizi e fornire informazioni utili a migliorare specifici indicatori chiave di prestazione (KPI).

Holistic AI è uno strumento di governance dell'IA che contribuisce a garantire la conformità, mitigare i rischi e migliorare la sicurezza dei sistemi di IA, inclusi i modelli linguistici di grandi dimensioni (LLM). Fornisce valutazioni di sistema in termini di efficacia, pregiudizi, privacy e interpretabilità, nonché un monitoraggio continuo delle normative globali sull'IA. Alcune delle sue caratteristiche principali includono:

• Sicurezza dei dati per censurare automaticamente i dati sensibili dai suggerimenti generativi basati sull'intelligenza artificiale.
• Protezione da pregiudizi e tossicità per proteggere da pregiudizi, tossicità e allucinazioni.
• Rilevamento delle vulnerabilità per identificare e mitigare le vulnerabilità.
• Rilevamento di prompt dannosi per individuare e rispondere ai prompt dannosi al fine di proteggere i LLM.

Nexos.ai è una piattaforma di orchestrazione e gateway LLM di livello enterprise che consente alle organizzazioni di integrare, gestire e monitorare più modelli di intelligenza artificiale tramite un'interfaccia unificata. Offre inoltre funzionalità di governance dell'IA e di sicurezza LLM, tra cui:

• Applicazione delle policy e meccanismi di controllo : definire le regole per gli input e gli output del modello al fine di prevenire l'esposizione di dati sensibili e garantire il rispetto delle policy aziendali.
• Controllo degli accessi basato sui ruoli: gestisci le autorizzazioni per team, utenti e progetti per garantire un utilizzo dell'IA sicuro e conforme alle normative.
• Osservabilità e audit: traccia l'utilizzo dei modelli, monitora i budget, gestisci i registri e genera tracce di audit per una supervisione a livello aziendale.

Strumenti di sicurezza basati sull'intelligenza artificiale

Gli strumenti di sicurezza per l'IA forniscono misure di sicurezza per le applicazioni di intelligenza artificiale, impiegando algoritmi avanzati e meccanismi di rilevamento delle minacce. Alcuni di questi strumenti possono essere utilizzati per i modelli lineari di apprendimento (LLM) al fine di garantirne l'integrità.

Synack è un'azienda di sicurezza informatica specializzata nella fornitura di servizi di test di sicurezza in crowdsourcing. La piattaforma Synack offre una serie di funzionalità per identificare le vulnerabilità dell'IA e ridurre altri rischi associati alle applicazioni LLM. Synack è adatta a diverse implementazioni di IA, tra cui chatbot, assistenza clienti e strumenti interni. Alcune delle sue caratteristiche principali includono:

1. Sicurezza continua da   Identificare il codice non sicuro prima del rilascio, garantendo una gestione proattiva del rischio durante lo sviluppo del codice.
2. Controlli di vulnerabilità che includono l'iniezione immediata, la gestione non sicura degli output, il furto di modelli e l'eccessiva agenzia, affrontando problematiche quali output distorti.
3. Risultati dei test di   Fornitura di report in tempo reale tramite la piattaforma Synack, che mostrano le metodologie di test e le eventuali vulnerabilità sfruttabili.

WhyLabs LLM Security offre una soluzione completa per garantire la sicurezza e l'affidabilità delle implementazioni LLM, in particolare negli ambienti di produzione. Combina strumenti di osservabilità e meccanismi di protezione, fornendo protezione contro diverse minacce e vulnerabilità alla sicurezza, come ad esempio i prompt dannosi. Ecco alcune delle caratteristiche principali offerte dalla piattaforma WhyLabs:

1. Protezione dalla fuga di dati tramite la valutazione delle richieste e il blocco delle risposte contenenti informazioni di identificazione personale (PII) per identificare attacchi mirati che possono divulgare dati riservati.
2. Monitoraggio delle iniezioni di prompt dannosi che possono confondere il sistema e indurlo a fornire output nocivi.
3. Prevenzione della disinformazione attraverso l'identificazione e la gestione dei contenuti generati da LLM che potrebbero includere informazioni errate o risposte inappropriate dovute ad "allucinazioni".
4. Le 10 migliori pratiche OWASP per le applicazioni LLM , ovvero le strategie per identificare e mitigare i rischi associati ai LLM.

Moderatore di CalypsoAI

CalypsoAI Moderator può proteggere le applicazioni LLM e garantire che i dati organizzativi rimangano all'interno del suo ecosistema, poiché non elabora né memorizza i dati. Lo strumento è compatibile con varie piattaforme basate sulla tecnologia LLM, inclusi modelli popolari come ChatGPT. Le funzionalità di Calypso AI Moderator aiutano con

1. Prevenzione della perdita di dati tramite screening per individuare dati sensibili, come codice e proprietà intellettuale, e prevenzione della condivisione non autorizzata di informazioni riservate.
2. Tracciabilità completa grazie alla possibilità di registrare in dettaglio tutte le interazioni, inclusi il contenuto del messaggio, i dettagli del mittente e le date e gli orari.
3. Rilevamento del codice dannoso tramite identificazione e blocco del malware, protezione dell'ecosistema aziendale da potenziali infiltrazioni attraverso risposte LLM.
4. Analisi automatizzata tramite la generazione automatica di commenti e approfondimenti sul codice decompilato, facilitando una più rapida comprensione di strutture binarie complesse.

Intelligenza artificiale avversa

Adversa AI è specializzata in minacce informatiche, problematiche relative alla privacy e incidenti di sicurezza nei sistemi di intelligenza artificiale. L'obiettivo è comprendere le potenziali vulnerabilità che i criminali informatici potrebbero sfruttare nelle applicazioni di intelligenza artificiale, basandosi sulle informazioni relative ai modelli e ai dati di IA del cliente. Adversa AI svolge le seguenti attività:

1. Test di resilienza tramite simulazione di attacchi basati su scenari per valutare la capacità del sistema di intelligenza artificiale di adattarsi e reagire, migliorando la risposta agli incidenti e le misure di sicurezza.
2. Test di stress mediante la valutazione delle prestazioni dell'applicazione di intelligenza artificiale in condizioni estreme, ottimizzando scalabilità, reattività e stabilità per l'utilizzo nel mondo reale.
3. Identificazione degli attacchi tramite analisi delle vulnerabilità nei sistemi di riconoscimento facciale per contrastare attacchi avversari, attacchi di injection e minacce in continua evoluzione, garantendo al contempo la tutela della privacy e l'accuratezza delle informazioni.

Strumenti di sicurezza GenAI

Gli strumenti specifici per GenAI salvaguardano l'integrità e l'affidabilità delle soluzioni di intelligenza artificiale basate sul linguaggio. Questi strumenti possono essere strumenti di sicurezza informatica che adattano i loro servizi ai sistemi di apprendimento del linguaggio (LLM) oppure piattaforme e toolkit sviluppati specificamente per la sicurezza delle applicazioni di generazione del linguaggio.

LLM attacca le catene del pretorio

Praetorian è un'azienda di cybersecurity specializzata nella fornitura di soluzioni e servizi di sicurezza avanzati. Praetorian può migliorare la postura di sicurezza aziendale offrendo una gamma di servizi, tra cui valutazioni delle vulnerabilità , penetration testing e consulenza in materia di sicurezza. Praetorian utilizza attacchi avversari per sfidare i modelli LLM. La piattaforma di Praetorian consente agli utenti di:

1. Utilizza prompt appositamente creati per valutare le vulnerabilità nei modelli linguistici (LLM), rivelando potenziali pregiudizi o falle di sicurezza. L'inserimento di prompt consente test approfonditi, svelando i limiti del modello e guidando il miglioramento della sua robustezza.
2. L'utilizzo di sistemi di rilevamento degli attacchi side-channel consente di rafforzare la sicurezza degli strumenti contro potenziali vulnerabilità. Identificando e mitigando i rischi derivanti dai side-channel, le organizzazioni migliorano la sicurezza dei propri sistemi, proteggendo le informazioni sensibili da potenziali canali occulti e accessi non autorizzati.
3. Contrastare l'avvelenamento dei dati per mantenere l'integrità dei set di dati di addestramento LLM. L'identificazione e la prevenzione proattiva dell'avvelenamento dei dati garantiscono l'affidabilità e l'accuratezza dei modelli, proteggendo da manipolazioni malevole dei dati di input.
4. Prevenire l'estrazione non autorizzata dei dati di addestramento per proteggere le informazioni proprietarie. Impedire l'accesso illecito ai dati di addestramento migliora la riservatezza e la sicurezza delle informazioni sensibili utilizzate nello sviluppo dei modelli.
5. Individuare ed eliminare le backdoor per rafforzare la sicurezza della piattaforma Praetorian. L'identificazione e la chiusura di potenziali backdoor migliorano l'affidabilità dei modelli, garantendone il funzionamento senza compromissioni o accessi non autorizzati.

LLMGuard

LLM Guard, sviluppato da Laiyer AI, è un toolkit completo e open-source progettato per migliorare la sicurezza dei Large Language Models (LLM) attraverso la correzione di bug, il miglioramento della documentazione o la diffusione della consapevolezza. Il toolkit consente di

1. Individuare e rimuovere il linguaggio offensivo nelle interazioni LLM, garantendo che i contenuti rimangano appropriati e sicuri.
2. Prevenire la fuga di dati sensibili durante le interazioni LLM è un aspetto cruciale per garantire la privacy e la sicurezza dei dati.
3. Resistere agli attacchi di prompt injection , garantendo l'integrità delle interazioni LLM.

Lakera

Lakera Guard è uno strumento di sicurezza basato sull'intelligenza artificiale, pensato per gli sviluppatori e progettato per proteggere le applicazioni Large Language Models (LLM) all'interno delle aziende. Lo strumento si integra con le applicazioni e i flussi di lavoro esistenti tramite la sua API, rimanendo indipendente dal modello e consentendo alle organizzazioni di proteggere le proprie applicazioni LLM. Tra le caratteristiche principali si annoverano:

1. Protezione Prompt Injection contro attacchi diretti e indiretti, che previene azioni indesiderate a valle.
2. Divulgazione di informazioni sensibili , come dati personali (PII) o dati aziendali riservati.
3. Rilevamento delle allucinazioni tramite l'identificazione di output di modelli che si discostano dal contesto di input o dal comportamento previsto.

LLM Guardian di Lasso Security

Lasso Security LLM Guardian integra valutazione, modellazione delle minacce e formazione per proteggere le applicazioni LLM. Alcune delle caratteristiche principali includono:

1. Valutazioni di sicurezza per identificare potenziali vulnerabilità e rischi per la sicurezza, fornendo alle organizzazioni informazioni sul loro livello di sicurezza e sulle potenziali sfide nell'implementazione di LLM.
2. La modellazione delle minacce consente alle organizzazioni di prevedere e prepararsi alle potenziali minacce informatiche che prendono di mira le loro applicazioni LLM.
3. Programmi di formazione specializzati per migliorare le conoscenze e le competenze in materia di sicurezza informatica dei team che lavorano con i LLM.

Framework e librerie di programmazione open source

Le piattaforme e le librerie di programmazione open source consentono agli sviluppatori di implementare e migliorare le misure di sicurezza nelle applicazioni di intelligenza artificiale e intelligenza artificiale generativa. Alcune di esse sono sviluppate specificamente per la sicurezza dei modelli di apprendimento automatico (LLM), mentre altre possono essere utilizzate con qualsiasi modello di intelligenza artificiale.

La tabella mostra i framework e le librerie di programmazione di sicurezza LLM open-source in base al loro numero su GitHub.

Guardrails IA

Guardrails AI è una libreria open-source per la sicurezza delle applicazioni di intelligenza artificiale. Lo strumento è composto da due componenti essenziali:

• Rail, definizione delle specifiche tramite il linguaggio di markup RAIL (Reliable AI Markup Language)
• Guard, un wrapper leggero per strutturare, validare e correggere gli output di LLM.

Guardrails AI aiuta a stabilire e mantenere gli standard di garanzia nei LLM attraverso

1. Sviluppare un framework in grado di facilitare la creazione di validatori, garantendo l'adattabilità a diversi scenari e soddisfacendo specifiche esigenze di validazione.
2. Implementazione di un flusso di lavoro semplificato per richieste , verifiche e richieste successive al fine di ottimizzare il processo, garantire un'interazione fluida con i modelli linguistici (LLM) e migliorare l'efficienza complessiva.
3. La creazione di un repository centralizzato che ospiti i validatori più frequentemente utilizzati mira a promuovere l'accessibilità, la collaborazione e la standardizzazione delle pratiche di validazione in diverse applicazioni e casi d'uso.

Garak

Garak è uno scanner di vulnerabilità completo progettato per i Large Language Models (LLM), con l'obiettivo di identificare le vulnerabilità di sicurezza in tecnologie, sistemi, applicazioni e servizi che utilizzano modelli linguistici. Le caratteristiche di Garak sono le seguenti:

1. Scansione automatizzata per eseguire diverse prove su un modello, gestire attività come la selezione del rilevatore e la limitazione della frequenza di scansione e generare report dettagliati senza intervento manuale, analizzando le prestazioni e la sicurezza del modello con un coinvolgimento umano minimo.
2. Connettività con vari LLM , tra cui OpenAI, Hugging Face, Cohere, Replicate e integrazioni Python personalizzate, aumentando la flessibilità per le diverse esigenze di sicurezza degli LLM.
3. Capacità di auto-adattamento ogni volta che viene identificato un errore LLM tramite la registrazione e l'addestramento della sua funzione di red team automatico.
4. Esplorazione di diverse modalità di errore tramite plugin, sonde e prompt complessi per esplorare e segnalare sistematicamente ogni prompt e risposta non riusciti, offrendo un registro completo per un'analisi approfondita.

Rifiuta l'IA

Rebuff è un rilevatore di prompt injection progettato per proteggere le applicazioni AI dagli attacchi di prompt injection (PI), impiegando un meccanismo di difesa multilivello. Rebuff può migliorare la sicurezza delle applicazioni Large Language Model (LLM) tramite

1. Utilizzo di quattro livelli di difesa per una protezione completa contro gli attacchi alle informazioni personali.
2. Sfruttando il rilevamento basato su LLM , in grado di analizzare i messaggi in entrata per identificare potenziali attacchi, si ottiene un rilevamento delle minacce più preciso e contestualizzato.
3. Memorizzare gli embedding di attacchi precedenti in undatabase vettoriale , riconoscendo e prevenendo attacchi simili in futuro.
4. Integrazione di token canary nei prompt per rilevare le fughe di dati. Il framework memorizza gli embedding dei prompt nel database vettoriale, rafforzando la difesa contro futuri attacchi.

Scopri di più sui database vettoriali e sui modelli lineari di apprendimento (LLM) .

G3PO

Lo script G3PO funge da droide di protocollo per Ghidra, aiutando nell'analisi e nell'annotazione del codice decompilato. Questo script funziona come strumento di sicurezza nell'ingegneria inversa e nell'analisi del codice binario utilizzando modelli di linguaggio di grandi dimensioni (LLM) come GPT-3.5, GPT-4 o Claude v1.2. Fornisce agli utenti con

1. Identificazione delle vulnerabilità per individuare potenziali vulnerabilità di sicurezza sfruttando LLM, offrendo approfondimenti basati su modelli e dati di addestramento.
2. Analisi automatizzata per generare automaticamente commenti e approfondimenti sul codice decompilato, facilitando una più rapida comprensione di strutture binarie complesse.
3. Annotazione e documentazione del codice per suggerire nomi significativi per funzioni e variabili, migliorando la leggibilità e la comprensione del codice, aspetto particolarmente cruciale nell'analisi della sicurezza.

Veglia

Vigil è una libreria Python e un'API REST specificamente progettata per valutare prompt e risposte nei Large Language Models (LLM). Il suo ruolo principale è identificare iniezioni di prompt, jailbreak e potenziali rischi associati alle interazioni LLM. Vigil può fornire:

1. Metodi di rilevamento per l'analisi dei prompt, tra cui database vettoriali/somiglianza testuale, YARA/euristiche, analisi del modello transformer, somiglianza prompt-risposta e Canary Tokens.
2. Rilevamenti personalizzati tramite firme YARA.

LLMFuzzer

LLMFuzzer è un framework di fuzzing open-source specificamente progettato per identificare le vulnerabilità nei Large Language Models (LLM), concentrandosi sulla loro integrazione nelle applicazioni tramite le API LLM. Questo strumento può essere utile per gli appassionati di sicurezza, i penetration tester o i ricercatori di sicurezza informatica. Le sue caratteristiche principali includono:

1. Test di integrazione dell'API LLM per valutare le integrazioni di LLM in diverse applicazioni, garantendo test completi.
2. Strategie di fuzzing per individuare le vulnerabilità, migliorandone l'efficacia.

EscalateGPT

EscalateGPT è uno strumento Python basato sull'intelligenza artificiale che identifica le opportunità di escalation dei privilegi all'interno delle configurazioni di Identity and Access Management (IAM) di AWS. Analizza le errate configurazioni IAM e fornisce potenziali strategie di mitigazione utilizzando diversi modelli di AWS. Alcune funzionalità includono:

1. Recupero e analisi delle policy IAM per identificare potenziali opportunità di escalation dei privilegi e suggerire le relative misure di mitigazione.
2. Risultati dettagliati in formato JSON per sfruttare le vulnerabilità e raccomandare strategie per risolverle.

Le prestazioni di EscalateGPT possono variare a seconda del modello utilizzato. Ad esempio, GPT4 ha dimostrato la capacità di identificare scenari di escalation dei privilegi più complessi rispetto a GPT3.5-turbo, in particolare in ambienti AWS reali.

BurpGPT

BurpGPT è un'estensione di Burp Suite progettata per migliorare i test di sicurezza web integrando i Large Language Models (LLM) di OpenAI. Offre funzionalità avanzate di scansione delle vulnerabilità e analisi del traffico, risultando adatta sia ai tester di sicurezza principianti che a quelli esperti. Alcune delle sue caratteristiche principali includono:

1. Controllo passivo dei dati HTTP inviati a un modello GPT controllato da OpenAI per l'analisi, che consente il rilevamento di vulnerabilità e problemi che gli scanner tradizionali potrebbero trascurare nelle applicazioni scansionate.
2. Controllo granulare per scegliere tra più modelli OpenAI e controllare il numero di token GPT utilizzati nell'analisi.
3. Integrazione con Burp Suite , sfruttando tutte le funzionalità native necessarie per l'analisi, come la visualizzazione dei risultati all'interno dell'interfaccia utente di Burp.
4. Funzionalità di risoluzione dei problemi tramite il registro eventi nativo di Burp, che aiuta gli utenti a risolvere i problemi di comunicazione con l'API OpenAI.

Pratiche di codifica sicura nell'era LLM

Sebbene le librerie e i framework open-source offrano strumenti preziosi per la protezione delle applicazioni LLM, la generazione di codice sicuro dipende anche dall'utilizzo di linguaggi di programmazione più sicuri. Un esempio notevole è la riscrittura da parte di Microsoft delle sue librerie crittografiche principali, SymCrypt, da C a Rust, un linguaggio per la sicurezza della memoria. ³

Sebbene non generato da LLM, questo lavoro dimostra come la scelta di linguaggi sicuri fin dalla progettazione possa eliminare intere classi di vulnerabilità. Man mano che gli LLM si assumono compiti sempre più legati alla scrittura di codice, abbinarli a linguaggi più sicuri come Rust può ridurre il rischio di generare codice insicuro o vulnerabile.

Ultimo orientamento: Sicurezza dell'agente

La sicurezza degli agenti si riferisce alla sicurezza degli agenti di intelligenza artificiale :

Gateway sicuro MCP

Il Model Context Protocol (MCP) è lo standard di settore per la connessione di agenti di intelligenza artificiale agli strumenti. Un gateway MCP funge da firewall per queste connessioni, impedendo che gli agenti vengano compromessi dagli strumenti che utilizzano.

Gestione dell'identità e dell'accesso tramite agenti (A-IAM)

Questi strumenti si concentrano sulla gestione delle credenziali, delle "intenzioni" e dei privilegi di questi cittadini digitali autonomi.

Red teaming e penetration testing autonomi

Poiché gli agenti agiscono in modo non deterministico, i controlli di sicurezza statici sono insufficienti. L'approccio del red teaming autonomo attacca costantemente gli agenti per individuarne le vulnerabilità.

FAQ

Per approfondire

Scopri di più su LLM e LLMOps consultando:

• LLMOP vs MLOP: scopri la scelta migliore per te
• Confronta oltre 45 strumenti MLOps: un benchmark completo dei fornitori.
• Software per la sicurezza di rete .

Se avete ulteriori domande, non esitate a contattarci:

Fonti esterne

Collegamenti di riferimento

1.

A Chevy Dealership Added an AI Chatbot to Its Site. Then All Hell Broke Loose. - Business Insider

Business Insider

2.

LLM Guard: Open-source toolkit for securing Large Language Models - Help Net Security

3.

Rewriting SymCrypt in Rust to modernize Microsoft’s cryptographic library  - Microsoft Research

Hazal Şimşek

Analista di settore

Segui

Hazal è un analista di settore presso AIMultiple, specializzato in process mining e automazione IT.

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento