AI Security
Prompt injection, leakage, unsafe tool access, permissions, and production failure modes.
19 historier (12 artikler · 7 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
14 min læsningPromptinjektion og LLM-sikkerhed: trusselsmodeller og forsvar i dybden
Promptinjektion er en permanent klasse af LLM-sikkerhedsrisici, ikke en fejl i promptformuleringen. En produktionsguide til trusselsmodeller, datagrænser, værktøjsrettigheder, regressionstest, overvågning og hændelseshåndtering.
Avanceret
10 min læsningRAG til virksomhedsviden: tilladelser, datalæk og kildegrænser
En assistent til virksomhedsviden er kun sikker, hvis hentningen respekterer tilladelser. Sådan designer I kildegrænser, ACL-filtrering, dokumentejerskab, logning, håndtering af forældede kilder og sikker afvisning i RAG.
Avanceret
11 min læsningSikker dokumentindlæsning til RAG: PDF'er, OCR, metadata og opbevaringsperioder
Kvaliteten af RAG starter før søgningen. En sikker vejledning i indlæsning af PDF'er, OCR, metadata, tilladelser, kilders aktualitet, sletning, malwarerisiko og driftsansvar.
AvanceretFlere i dette emne
7 min læsningHermes-webhooks: hændelsesdrevne AI-agenter uden én kæmpe universalprompt
Konfigurér Hermes Agent-webhooks med kildetilpasset autentificering, sundhedstjek på port 8644 og små navngivne ruter, så hændelser bliver til fokuserede agentkørsler med et eksplicit leveringsmål.
Let øvet
10 min læsningNemoClaw på DGX Spark: plan for implementering og sikkerhed
Planlæg og evaluér OpenClaw, Hermes eller Deep Agents Code i NVIDIA OpenShell på DGX Spark: aktuel opsætning, politiklag, styret inferens og den nødvendige dokumentation for godkendelse.
Avanceret
8 min læsningSikkerhed i OpenClaw med tilladelseslister, parring og gruppeomtaler
Tilladelseslister til kanaler, parring af direkte beskeder og regler for gruppeomtaler er den reelle sikkerhedsgrænse i OpenClaw, fordi værktøjerne kan omfatte shell, filer og browser. Her er en praktisk tjekliste til at begrænse adgangen.
Let øvet
9 min læsningOpsætning af personlig OpenClaw-gateway: installation, klargøring og kontrolpanel
Hvad OpenClaw er, hvordan du installerer og klargør flerkanalsgatewayen i egen drift, åbner Control UI på port 18789, og hvilke Node-versioner der understøttes, uden at springe sikkerhedsgrundlaget over.
Let øvet
10 min læsningSkills, heartbeat-autonomi og godkendelsespunkter i OpenClaw
Sådan indlæses skills i OpenClaw, sådan fungerer periodiske heartbeat-kørsler, sådan begrænser du shellkommandoer på værten, og sådan holder du browserautomatisering bag restriktive regler og godkendte arbejdsgange.
Let øvet
20 minutterTilladelser og adgangskontrol til RAG – en dybdegående tutorial
Paragon. Gennemgår produktions-RAG-tilladelsesproblemet og sammenligner tool-calling, namespaces, ACL-tabeller og relationship-based permissions. Det understøtter direkte artiklens kerneregel: retrieval må kun returnere kilder, den aktuelle bruger har lov til at se, og tilladelser i kildesystemet kan ikke behandles som en eftertanke.
Avanceret
69 minutterAgentlandskabet – erfaringer fra at sætte agenter i produktion
MLOps.community. Prosus' VP of AI og en AI-ingeniør rapporterer, hvad der faktisk brød, da de deployede agenter på tværs af gruppens porteføljevirksomheder: promptinjektion-pentest før launch, en usikker write, da en Jira-agent fejlede på menneskelig stenografi, forældet kontekst håndteret ved at få agenter til at synliggøre deres antagelser, og fallback-design, der merged eller dræbte agenter, når de tilføjede cognitive load. Det læser som artiklens fejltilstandsregister genafspillet som en live postmortem.
Avanceret
7 minutterFå bedre RAG og AI-agenter med Docling
IBM Technology. Forklarer ingestionsiden af RAG og agenter: forberedelse af PDF'er og andre filer, så dokumentstruktur, tabeller og layout overlever ind i downstream retrieval. Det understøtter artiklens advarsel om, at RAG-kvalitet og -sikkerhed begynder før embedding, især når komplekse forretningsdokumenter parses.
Avanceret
10 min læsningFejltilstande i AI-produktion: det, der går i stykker efter demoen
AI-systemer fejler som regel på forudsigelige måder: hallucinationer, forældet kontekst, medløberi, prompt injection, usikker værktøjsbrug, skemadrift og svage fallbacks. Et register over fejltilstande til teams, der sætter reelle workflows i produktion.
Avanceret
10 min læsningUdrulningsmønstre for privat AI: lokalt, i VPC, selvhostet eller hybrid
Privat AI er ikke én enkelt arkitektur. En praktisk sammenligning af lokale modeller, SaaS til virksomheder, VPC-udrulninger, selvhostet inferens og hybride mønstre for SMV'er, der prioriterer databeskyttelse og kontrol.
Avanceret
10 min læsningForbind AI sikkert med din e-mail, kalender og CRM
En risikobaseret guide til at forbinde AI med e-mail, kalender og CRM ved hjælp af mindst mulige rettigheder, godkendelsespunkter, beskyttet revisionsdokumentation, negative test og muligheder for genopretning.
Let øvet
8 min læsningDatabeskyttelse og datahygiejne, når du bruger AI på arbejdet
En praktisk guide til at reducere risici for databeskyttelse og fortrolighed, når du bruger AI på arbejdet. Kontrollér det konkrete produkt, abonnement, konfiguration, data og de gældende regler, før du indsætter noget.
Begynder
25 minutterOWASP's Top 10 måder at angribe LLM'er på: AI-sårbarheder blotlagt
IBM Technology. Videoen udvider perspektivet fra promptinjektion til den daværende OWASP Top 10 for LLM-applikationer, herunder usikker håndtering af resultater, videregivelse af følsomme oplysninger og overdrevne beføjelser. Kategorierne er relevante, før et system får adgang til Gmail eller HubSpot, men navne og prioritering skal sammenholdes med den aktuelle OWASP-vejledning.
Let øvet
11 minutterHvad er et promptinjektionsangreb?
IBM Technology. Jeff Crumes eksempel med »køb en SUV for 1 dollar« forklarer på ti minutter forskellen mellem direkte og indirekte promptinjektion og begrænsningerne ved filtrering alene. Det understøtter artiklens anbefaling om færrest mulige rettigheder, en særskilt agentkonto og menneskelig godkendelse af irreversible handlinger frem for at bruge systemprompten som eneste værn.
Let øvet
13 minutterAngreb på LLM – prompt injection
LiveOverflow. Rammesætter promptinjektion som et klassisk injection-angreb mod systemer, der blander instruktioner og utroværdige data — med et konkret content-moderation-eksempel, hvor en angriber sætter en uskyldig bruger i scene. Det mentale skift fra "modellen er målet" til "applikationen er målet" er præcis det greb, artiklen åbner med.
Avanceret
17 minutterForsvar af LLM – prompt injection
LiveOverflow. Gennemgår den faktiske defence-in-depth-playbook — taint analysis på LLM-output, begrænsning af forventede outputformer, brugerisolation, few-shot-scaffolds, finjustering, temperature 0 for determinisme, redundans for kritiske stier. Den matcher artiklens forsvarsstak-afsnit næsten punkt for punkt.
Avanceret