成員推斷攻擊（Membership Inference Attack）

目標： 判斷某筆資料是否曾經出現在模型的訓練集中。

攻擊原理&手段

模型對於訓練過的資料會表現出「過度自信」——因為見過這筆資料，所以預測時損失更低、信心度更高。

攻擊者輸入一筆資料 x
        ↓
查詢模型輸出（機率分佈、損失值、logits）
        ↓
觀察信心度是否異常高？損失是否異常低？
        ↓
推斷：x 是否在訓練集中？

- 閱讀剩餘部分 -

使用 GPT Image2 + Stitch + Claude Code 設計新風格本篇示範一套 AI 輔助 UI 風格設計的完整工作流程，從圖像生成到前端套用，全程透過工具鏈串接完成。

1、用 GPT Image2 生成風格參考圖

首先在 GPT Image2 中輸入風格描述提示詞，例如「深色星空背景、粒子光點、漸層藍紫色調」，生成一張視覺風格參考圖。

- 閱讀剩餘部分 -

一、權限規則設定

Claude Code 提供多層級的權限控制，避免 AI 誤操作關鍵檔案或執行危險指令。

1.1 啟動模式

/config
查看配置
/model
切換模型
/clear
清楚上下文

- 閱讀剩餘部分 -

這篇參考了 llmwiki 的做法，自己實作了一套 LLM + Obsidian 的個人 Wiki 系統，記錄一下整體架構與使用心得。

一、規範目錄結構

先定好資料夾分工，讓 AI 知道哪些是原始資料、哪些是它負責維護的知識庫：

my-llm-wiki/
├── raw/ # 原始數據（筆記、文章、資料來源）
├── wiki/ # AI 維護的知識庫文本
├── outputs/ # AI 生成的成品
└── CLAUDE.md # 系統規則文件

三個資料夾職責清楚分開，避免 AI 處理時混淆來源與產出。

- 閱讀剩餘部分 -

這次測試了三種不同的方式來自動生成 Unity UGUI Prefab，分別是透過 PSD Parser、元件+腳本，以及直接從 Figma 導出。以下記錄各方式的實驗結果。

方法一：PSD Parser + Unity Script

透過解析 PSD 圖層結構，自動對應生成 UGUI 元件。挑選了兩組效果比較好的 PSD 進行測試。

- 閱讀剩餘部分 -