``` Red Teaming AI Systems: Offensive Security for ML Models - Plan Szkolenia

Trening prowadzony przez instruktora w formie online lub stacjonarnej jest skierowany do średniozaawansowanych liderów przedsiębiorstw, którzy chcą zrozumieć, jak odpowiedzialnie zarządzać i zabezpieczać systemy AI zgodnie z nowo powstającymi globalnymi ramami, takimi jak Akt UE o sztucznej inteligencji, GDPR, ISO/IEC 42001 oraz rozkaz prezydenta Stanów Zjednoczonych dotyczący sztucznej inteligencji.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć prawne, etyczne i regulacyjne ryzyka związane z wykorzystywaniem AI w różnych działach.
• Interpretować i stosować główne ramy zarządzania AI (Akt UE o sztucznej inteligencji, NIST AI RMF, ISO/IEC 42001).
• Wdrażać polityki bezpieczeństwa, audytu i nadzoru dla wdrażania AI w przedsiębiorstwie.
• Tworzyć wytyczne dotyczące zakupów i użytkowania systemów AI pochodzących od zewnętrznych dostawców oraz wewnętrznych rozwiązań.

Artificial Intelligence (AI) wprowadza nowe wymiary ryzyka operacyjnego, wyzwania rządzenia i narażenia na cyberzagrożenia dla rządowych agencji i departamentów.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do specjalistów IT i ryzyka w sektorze publicznym z ograniczoną wcześniejszą wiedzą na temat sztucznej inteligencji, którzy chcą poznać, jak oceniać, monitorować i bezpiecznie wdrażać systemy AI w kontekście rządowym lub regulacyjnym.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Interpretować kluczowe pojęcia związane z ryzykiem systemów AI, w tym uprzedzenia, nieprzewidywalność i drift modelu.
• Zastosować ramy rządzenia i audytu specyficzne dla AI, takie jak NIST AI RMF i ISO/IEC 42001.
• Rozpoznawać zagrożenia cyberbezpieczeństwa skierowane przeciwko modelom AI i kanałom danych.
• Ustanowić międzydepartamentalne plany zarządzania ryzykiem i wyaliniowanie polityk wdrażania AI.

Format kursu

• Interaktywne wykłady i dyskusje na temat przypadków użycia w sektorze publicznym.
• Ćwiczenia z ramami rządzenia AI i mapowaniem polityk.
• Modelowanie zagrożeń i ocena ryzyka w oparciu o scenariusze.

Opcje dostosowania kursu

• Aby złożyć wniosek o dostosowane szkolenie dla tego kursu, skontaktuj się z nami w celu uzgodnienia.

To prowadzony przez instruktora, żywy szkoleniowy (online lub stacjonarny) jest skierowany do początkujących do średnio zaawansowanych profesjonalistów IT, którzy chcą zrozumieć i wdrożyć zarządzanie AI TRiSM w swoich organizacjach.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć kluczowe koncepcje i znaczenie zarządzania AI trust, risk i security.
• Wykrywać i minimalizować ryzyko związane z systemami AI.
• Wdrażać najlepsze praktyki bezpieczeństwa dla AI.
• Zrozumieć przepisy prawne i etyczne uwagi związane z AI.
• Rozwinąć strategie dla skutecznego zarządzania i nadzorowania AI.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do developerów, architektów i menedżerów produktów AI na poziomie średniozaawansowanym do zaawansowanym, którzy chcą identyfikować i minimalizować ryzyka związane z aplikacjami napędzanymi przez duże modele językowe (LLM), w tym wstrzykiwanie promptów, wycieki danych i niefiltrowane wyjścia, jednocześnie wdrażając kontrole bezpieczeństwa takie jak walidacja wejścia, nadzór człowieka w pętli oraz ograniczniki wyjścia.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Rozumieć podstawowe podatności systemów opartych na LLM.
• Zastosować zasady projektowania bezpiecznego do architektury aplikacji LLM.
• Używać narzędzi takich jak Guardrails AI i LangChain do walidacji, filtrowania i bezpieczeństwa.
• Integrować techniki takie jak sandboxing, red teaming i recenzja człowieka w pętli do linii montażowych produkcyjnych.

To szkolenie prowadzone przez instruktora (online lub na miejscu) skierowane jest do profesjonalistów zajmujących się sztuczną inteligencją i cyberbezpieczeństwem na poziomie średniozaawansowanym, którzy chcą zrozumieć i zwalczać specyficzne wyzwania związane z bezpieczeństwem modeli i systemów AI, szczególnie w wysokoregulowanych branżach takich jak finanse, zarządzanie danymi i konsulting.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rodzaje ataków adversarialnych kierowanych przeciwko systemom AI oraz metody obronne przeciwko nim.
• Wdrożyć techniki utwardzania modeli w celu zabezpieczenia pipeline'ów uczenia maszynowego.
• Zapewnić bezpieczeństwo i integralność danych w modelach uczenia maszynowego.
• Przejść przez wymagania dotyczące zgodności z przepisami regulacyjnymi dotyczącymi bezpieczeństwa AI.

Trening prowadzony przez instruktora w Polsce (online lub na miejscu) jest skierowany do początkujących specjalistów ds. bezpieczeństwa IT, zarządzania ryzykiem i zgodności, którzy chcą zrozumieć podstawowe koncepcje bezpieczeństwa AI, wektory zagrożeń i globalne ramy, takie jak NIST AI RMF i ISO/IEC 42001.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć unikalne ryzyka bezpieczeństwa wprowadzane przez systemy AI.
• Wykrywać wektory zagrożeń, takie jak ataki przeciwnika, zatrucie danych i odwracanie modeli.
• Zastosować podstawowe modele zarządzania, takie jak ramka NIST AI Risk Management.
• Dopasować użycie AI do pojawiających się standardów, wytycznych zgodności i zasad etycznych.

Na podstawie najnowszych wytycznych z projektu OWASP GenAI Security, uczestnicy nauczą się identyfikować, oceniać i przeciwdziałać zagrożeniom specyficznym dla AI za pomocą ćwiczeń praktycznych i scenariuszy z życia rzeczywistego.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do zaawansowanych profesjonalistów, którzy chcą wdrożyć i ocenić techniki takie jak uczenie federowane, obliczenia wielostronne z ochroną prywatności, homomorficzne szyfrowanie i prywatność różniczkowa w rzeczywistych wdrożeniach maszynowego uczenia się.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć i porównać kluczowe techniki ochrony prywatności w ML.
• Wdrożyć systemy uczenia federowanego za pomocą otwartych ram frameworków.
• Zastosować prywatność różniczkową dla bezpiecznego udostępniania danych i szkolenia modeli.
• Wykorzystać techniki szyfrowania i obliczeń z ochroną prywatności do ochrony wejść i wyjść modelu.

Trening prowadzony przez instruktora, dostępny online lub na miejscu, skierowany jest do inżynierów i specjalistów ds. bezpieczeństwa o poziomie średnim, którzy chcą zabezpieczyć modele sztucznej inteligencji wdrożone na krawędzi przed zagrożeniami takimi jak manipulacja, wyciek danych, niekorzystne wejścia i ataki fizyczne.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Identyfikować i oceniać ryzyka bezpieczeństwa w wdrożeniach sztucznej inteligencji na krawędzi.
• Stosować techniki odporności na manipulacje i szyfrowanego wnioskowania.
• Utwardzać modele wdrożone na krawędzi i zabezpieczać łańcuchy danych.
• Wdrażać strategie zminimalizowania zagrożeń specyficzne dla wbudowanych i ograniczanych systemów.

To szkolenie prowadzone przez instruktora w formie Polsce (online lub na miejscu) jest przeznaczone dla profesjonalistów zajmujących się uczeniem maszynowym i cyberbezpieczeństwem na poziomie średniozaawansowanym, którzy chcą zrozumieć i przeciwdziałać nowym zagrożeniom dla modeli AI, korzystając zarówno z koncepcyjnych ram, jak i praktycznych obron, takich jak trwałe szkolenie i różnicowanie prywatności.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Identyfikować i klasyfikować zagrożenia specyficzne dla AI, takie jak ataki przeciwnika, odwracanie i zatruwanie.
• Używać narzędzi, takich jak Adversarial Robustness Toolbox (ART), do symulowania ataków i testowania modeli.
• Zastosować praktyczne obrony, w tym szkolenie przeciwnikowe, wstrzykiwanie szumu i techniki zachowania prywatności.
• Projektować strategie oceny modeli w środowiskach produkcyjnych, z uwzględnieniem zagrożeń.