我從模型的不確定性開始理解 LLM 應用資安
6 分鐘閱讀
從客服退款與摘要流程拆解模型不確定性，找出意圖、決策、執行與資料邊界；安全控制由可驗證的程式與規則負責。
LLM 應用資安：從 Prompt Injection 到 AI Red Teaming
從模型的不確定性與應用邊界出發，逐步理解 Prompt Injection、RAG、Agent、資料與供應鏈風險，以及可驗證的防禦與 AI Red Teaming 方法。
閱讀路線
傳統資安 vs LLM 資安：到底哪裡不一樣
8 分鐘閱讀
從 SQL Injection、XSS 與一次本機 Prompt Injection 實驗，拆解 LLM 資安延續了哪些既有原則，又因模型不確定性多了哪些工程難題。
OWASP Top 10 for LLM Applications 全覽
19 分鐘閱讀
先自己列出 LLM 應用的風險清單，再對照 OWASP 2026 版找出盲點，把十條掛回一個最小示範應用，並拿自己畫的三軸地圖跟官方的靶心圖互相檢查。