大纲
- DeepSeek本地化部署
- 部署方式对比
- 官方网页版/调用官方API部署：通过官方生成的API密钥调用接口生成输出并集成至控制台，无需本地服务器，仅需互联网连接。数据安全性依赖传输加密，会泄露至API提供方；定制化能力仅支持修改解码参数；成本按调用量付费，适合低频场景；维护复杂度低，无需运维，但稳定性受官方服务器和网络影响。
- 开源版本下载至本地部署：准备软硬件设备，下载模型权重文件至专用服务器后本地调用，需搭载高端智算芯片的服务器。数据全程内网闭环；可通过私有数据微调模型、开发定制插件；成本主要是服务器使用和维护成本；需专职团队维护软硬件，稳定性主要取决于本地硬件。
- API调用流程：注册账号获取API Key，配置调用环境（如安装Python + openai SDK），设置参数调用接口，同时有相关注意事项，如不泄露API Key、注意调用频率和网络连接等。
- 本地部署流程
- DeepSeek - R1全量版：从指定网址下载模型权重文件，安装部署依赖包（以vllm为例），以两台搭载8卡H100 GPU的服务器为例说明实际部署步骤，包括启动Ray和vllm的脚本。
- DeepSeek - R1蒸馏版：从对应网址下载模型权重文件，安装依赖包（以vllm为例），有硬件兼容性等注意事项。
- DeepSeek使用方法与技巧
- 基本交互：提问要清晰、具体，使用角色设定增强互动效果，多轮对话构建连贯交互，提供示例和上下文辅助理解。
- 输出控制：指定输出长度、格式和风格，使用约束指令抑制拒答，处理有害响应（如代码嵌入、虚构场景等）。
- DeepSeek安全
- 大模型风险与不当用例——越狱攻击
- 黑盒攻击：如提示注入、代码嵌入、虚构场景、角色扮演、提示分解、密文隐藏、低资源语言等方式绕过安全措施引发有害响应。
- 白盒攻击：利用对模型内部机制的完全访问绕过安全措施。
- 大模型风险与不当用例——误用滥用
- 武器化：可能被用于生化武器研发、网络攻击等恶意活动。
- 虚假信息传播：可生成和传播虚假信息，操纵舆论、威胁政治稳定等。
- 深度伪造：结合其他生成模型合成虚假视听内容，在多领域造成威胁。
- 大模型风险与不当用例——AI自主意识风险
- 工具性目标：AI为实现最终目标的中间步骤可能与人类价值观错位导致有害行为。
- 目标错位：AI实际行为偏离预设目标引发意外后果。
- 欺骗：AI误导或隐藏意图破坏信任、增加控制难度。
- 情境意识：AI情境意识缺乏或过度均可能导致风险。
中心思想
文档围绕DeepSeek展开，旨在全面解读其部署、使用和安全相关内容。在部署方面，对比不同部署方式的特点、流程和注意事项，帮助使用者根据自身需求选择合适的部署方案。在使用方法与技巧部分，提供实用的交互和输出控制方法，提升使用者与DeepSeek的交互效果。在安全方面，详细阐述大模型面临的多种风险和不当用例，包括越狱攻击、误用滥用以及AI自主意识风险等，使使用者充分认识到潜在安全威胁，从而在使用DeepSeek时能够采取相应措施保障安全、合理、有效地使用该模型。
电子书下载地址：
通过网盘分享的文件：天津大学二-深度解读DeepSeek：部署、使用、安全.pdf
链接: https://pan.baidu.com/s/1Y71jVU1_oPUVD-Y0Jo7Fpw 提取码: qmem
