# logging
標記為「logging」的 14 篇文章
MCP 日誌與遙測濫用
利用 MCP 日誌與遙測通道外洩資料，或經由除錯介面注入命令。
AI 系統稽核軌跡設計
為 AI 系統設計全面的稽核軌跡,支援鑑識調查、法規合規與事件回應。
AI 系統記錄分析
為鑑識調查之 AI 系統記錄架構：推論記錄、提示與 completion 記錄、工具呼叫軌跡、embedding 查詢記錄，與記錄基礎設施要求。
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。
雲端 AI 日誌與鑑識
雲端中 AI 事件的日誌與鑑識,涵蓋稽核軌跡、提示詞日誌與證據收集。
雲端 AI 日誌與監控
為雲端 AI 部署實作完整日誌與監控,涵蓋 API 呼叫、資源使用與異常偵測。
AI 日誌架構
AI 系統日誌應擷取什麼——提示詞、補全、延遲、符元、工具呼叫——以及儲存策略、保留政策與隱私考量。
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。
AI 稽核軌跡與記錄要求
AI 系統的稽核軌跡、日誌與紀錄保存要求,供合規與鑑識用途。
透過遙測資料的 AI 外洩
透過 AI 系統遙測資料的資料外洩技術,包含日誌洩漏、指標通道與追蹤資料。
Lab: Evidence Collection for LLM Testing
設定 evidence collection workflows including request/response logging, screenshots, and reproducibility documentation.
Setting Up Payload Logging
建構 a payload logging system to track 提示詞注入 attempts and model responses.
用於防禦的安全輸入／輸出記錄
為 LLM 的輸入／輸出配對實作安全的記錄機制，在不洩漏敏感資料的前提下支援鑑識分析。
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.