本书首先回顾了机器学习与深度学习的核心原理，包括回归、分类、神经网络架构以及前向传播与反向传播机制，为后续安全分析奠定技术基础；随后依次深入探讨模型投毒、对抗样本攻击、隐私窃取与参数防护、大模型提示注入与对齐、基础设施与接口框架安全、深度伪造与生成式滥用等核心问题；最后展望了技术演进与未来方向。书中以Ollama和LangChain等主流框架为例，结合实战案例剖析攻防原理，并系统梳理了差分隐私、对抗训练、联邦学习等防御技术。书中配套完整实验流程与代码资源，所有攻击与防御技术均可复现；同时精选近两年AI安全领域典型事件改编案例，覆盖大语言模型、计算机视觉等热门场景，时效性强。