# defense-in-depth
標記為「defense-in-depth」的 9 篇文章
防禦基礎評量
以 9 道中級題目測試你對 AI 防禦機制的理解，包括輸入／輸出過濾、護欄、沙箱化與深度防禦策略。
LLM 應用的縱深防禦
為正式 LLM 應用實作分層防禦架構。
LLM 應用之縱深防禦
AI 應用之分層防禦策略，涵蓋網路、應用、模型與輸出層，各層的貢獻，以及為何單層防禦必然失敗。
縱深防禦參考架構
附實作藍圖的 LLM 應用縱深防禦完整參考架構。
分層防禦策略
為 AI 應用實施縱深防禦：設計獨立的防禦層、確保正交涵蓋，並管理多層安全的複雜度。
Simulation: 防禦 in Depth
專家-level defense simulation implementing a full defense stack including input filter, output monitor, rate limiter, anomaly detector, and circuit breaker, then measuring effectiveness against automated attacks.
Defense-in-Depth Architecture for LLM Apps
Design and implement a complete defense-in-depth architecture for production LLM applications.
雙 LLM 架構設置
實作雙 LLM 模式的逐步演練——一個模型產生回應、另一個模型驗證之,涵蓋架構設計、驗證者提示詞工程、延遲最佳化與失敗處理。
Multi-Layer Input Validation
Step-by-step walkthrough for building a defense-in-depth input validation pipeline that combines regex matching, semantic similarity, ML classification, and rate limiting into a unified validation system for LLM applications.