# anomaly-detection
標記為「anomaly-detection」的 10 篇文章
推論記錄分析
為 AI 鑑識調查分析推論記錄：偵測異常模式、經 metadata 辨識越獄嘗試、token 層級分析與延遲異常偵測。
監控與偵測評量
以 9 道中級題目測試你對 AI 安全監控、異常偵測、日誌策略以及基於 LLM 應用之事件偵測的理解。
LLM 監控與異常偵測
建構能偵測 LLM 應用中對抗性使用模式的監控系統。
AI 異常偵測
透過統計與機器學習方法偵測 AI 系統中的越獄嘗試、異常使用樣式、輸出漂移與嵌入空間異常。
執行時監控與異常偵測
於生產中監控 LLM 應用之 token 使用異常、輸出模式偵測、行為漂移，並使用如 Langfuse、Helicone 與自訂記錄之工具。
符元層級異常偵測
建構符元層級異常偵測系統,辨識輸入序列中的對抗性模式。
Continuous Monitoring of Fine-Tuned 模型s
Post-deployment monitoring strategies for fine-tuned models -- drift detection, behavior baselines, automated re-evaluation, and anomaly detection to catch safety issues that pre-deployment testing missed.
訓練資料完整性
訓練資料完整性的保護,包含資料血緣、驗證、投毒偵測與簽章。
AI Monitoring Setup
Step-by-step walkthrough for implementing AI system monitoring: inference logging, behavioral anomaly detection, alert configuration, dashboard creation, and integration with existing SIEM platforms.
Anomaly Detection for LLM Traffic
Build anomaly detection for LLM API traffic to identify attack patterns, abuse, and prompt injection attempts.