Bezpieczeństwo i prywatność w aplikacjach TinyML - Plan Szkolenia

AAISM to zaawansowany ramowy system do oceny, zarządzania i kontrolowania ryzyk związanymi z bezpieczeństwem systemów sztucznej inteligencji.

Ta prowadzona przez instruktora, na żywo trening (online lub stacjonarnie) jest skierowany do zaawansowanych profesjonalistów, którzy chcą zaimplementować efektywne kontrole bezpieczeństwa i praktyki zarządzania w środowiskach AI przedsiębiorstwa.

Na koniec tego programu uczestnicy będą przygotowani do:

• Oceny ryzyk bezpieczeństwa sztucznej inteligencji za pomocą uznanych w branży metodologii.
• Implementacji modeli zarządzania dla odpowiedzialnego wdrażania AI.
• Wyrównania polityk bezpieczeństwa AI do celów organizacyjnych i oczekiwań regulacyjnych.
• Zwiększenia odporności i sprawności rachunkowej w operacjach opartych na sztucznej inteligencji.

Format kursu

• Obsługiwane wykłady wspierane ekspertową analizą.
• Praktyczne warsztaty i aktywności oparte na ocenie.
• Stosowane ćwiczenia wykorzystujące realne scenariusze zarządzania AI.

Opcje dostosowywania kursu

• Dla dostosowanego treningu zgodnego z strategią AI w Twojej organizacji, prosimy o kontakt w celu dostosowania kursu.

Ta prowadzona przez instruktora, żywa szkolenie w Polsce (online lub stacjonarnie) jest skierowana do poziomu średniozaawansowanych liderów przedsiębiorstw, którzy chcą zrozumieć, jak odpowiedzialnie rządzić i zapewniać bezpieczeństwo systemów AI w zgodzie z nowymi globalnymi ramami, takimi jak Ustawodawstwo UE o AI, RODO, ISO/IEC 42001 oraz polecenie prezydenckie USA dotyczące AI.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć prawne, etyczne i regulacyjne ryzyka związane z wykorzystaniem AI w różnych działach.
• Interpretować i stosować główne ramy rządzenia AI (Ustawodawstwo UE o AI, NIST AI RMF, ISO/IEC 42001).
• Ustanawiać polityki bezpieczeństwa, kontroli i nadzoru dla wdrażania AI w przedsiębiorstwie.
• Rozwijać wytyczne na temat zakupów i użytkowania systemów AI trzecich stron oraz własnych.

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.

Ta prowadzona przez instruktora, żywa szkolenie w Polsce (online lub stacjonarne) skierowane jest do IT profesjonalistów na poziomie początkującym i średnim, którzy chcą zrozumieć i zaimplementować AI TRiSM w swoich organizacjach.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć kluczowe koncepcje i znaczenie zarządzania zaufaniem, ryzykiem i bezpieczeństwem w AI.
• Identyfikować i łagodzić ryzyka związane z systemami AI.
• Implementować najlepsze praktyki zabezpieczeń dla AI.
• Zrozumieć zgodność z przepisami i rozważania etyczne dotyczące AI.
• Rozwijać strategie skutecznego zarządzania i rządzenia 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.

Ta prowadzona przez instruktora szkolenie na żywo w Polsce (online lub stacjonarnie) jest skierowane do poziomu średniozaawansowanego, profesjonalistów z dziedziny AI i cyberbezpieczeństwa, którzy chcą zrozumieć i rozwiązać problemy dotyczące bezpieczeństwa specyficzne dla modeli i systemów AI, szczególnie w wysoce uregulowanych branżach takich jak finanse, zarządzanie danymi i konsulting.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rodzaje ataków przeciwników skierowanych na systemy AI i metody obrony przed nimi.
• Wdrożyć techniki wzmocnienia modeli, aby zabezpieczyć potoki uczenia maszynowego.
• Zapewnić bezpieczeństwo i integralność danych w modelach uczenia maszynowego.
• Obsługiwać wymagania dotyczące zgodności regulacyjnej związane z bezpieczeństwem AI.

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

Na koniec tego treningu uczestnicy będą w stanie:

• Zrozumieć unikalne ryzyka bezpieczeństwa wprowadzone przez systemy AI.
• Identyfikować wektory zagrożeń, takie jak ataki wrogie, zatrucie danych i odwracanie modeli.
• Zastosować podstawowe modele zarządzania, takie jak NIST AI Risk Management Framework.
• Wyrównać zastosowanie AI do nowych standardów, wytycznych dotyczących zgodności i zasad etycznych.

Na podstawie najnowszych wytycznych OWASP GenAI Security Project, uczestnicy nauczą się identyfikować, oceniać i łagodzić zagrożenia specyficzne dla AI poprzez ćwiczenia praktyczne i scenariusze z życia rzeczywistego.

To prowadzone przez instruktora, na żywo szkolenie w Polsce (online lub stacjonarne) jest skierowane do zaawansowanych profesjonalistów, którzy chcą wdrożyć i ocenić techniki takie jak federated learning, bezpieczna obliczenia wielu stron, homomorficzne szyfrowanie i różnicowa prywatność w rzeczywistych potokach uczenia maszynowego.

Na koniec tego szkolenia uczestnicy będą mogli:

• Zrozumieć i porównać kluczowe techniki zachowujące prywatność w ML.
• Wdrożyć systemy federated learning za pomocą open-source frameworków.
• Zastosować różnicową prywatność do bezpiecznego udostępniania danych i treningu modeli.
• Używać szyfrowania i technik bezpiecznych obliczeń, aby chronić wejścia i wyjścia modeli.

Ta szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do zaawansowanych specjalistów ds. zabezpieczeń i ekspertów ML, którzy chcą symulować ataki na systemy AI, odkrywać wady i zwiększać odporność wdrożonych modeli AI.

Na koniec tego szkolenia uczestnicy będą mogli:

• Symulować realne zagrożenia dla modeli uczenia maszynowego.
• Generować przykłady awersyjne, aby przetestować odporność modelu.
• Oceniać powierzchnię ataku API i potoków AI.
• Projektować strategie red teaming dla środowisk wdrożenia AI.

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.

Ta prowadzona przez instruktora, interaktywna szkolenie (online lub stacjonarnie) jest skierowana do profesjonalistów w dziedzinie uczenia maszynowego i zabezpieczeń cyfrowych na poziomie średnio zaawansowanym, którzy chcą zrozumieć i zmniejszać nowe zagrożenia dla modeli AI, wykorzystując zarówno ramy koncepcyjne, jak i praktyczne metody obrony, takie jak odporne treningi i prywatność różnicowa.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Identyfikować i kategoryzować zagrożenia specyficzne dla AI, takie jak ataki wprowadzające błędy, odwrócenie i otrucie.
• Korzystać z narzędzi, takich jak Adversarial Robustness Toolbox (ART), do symulacji ataków i testowania modeli.
• Stosować praktyczne metody obrony, w tym odporne treningi, wprowadzanie szumu i techniki chroniące prywatność.
• Projektować strategie oceny modeli świadome zagrożeń w środowiskach produkcyjnych.

Ten kurs obejmuje zarządzanie, zarządzanie tożsamością oraz testowanie wroga dla agentyckich systemów sztucznej inteligencji, skupiając się na wzorcach wdrożenia bezpiecznych dla przedsiębiorstw i praktycznych technikach czerwonych drużyn.

Ten prowadzony przez instruktora, na żywo szkolenie (online lub stacjonarnie) jest skierowane do zaawansowanych praktyków, którzy chcą projektować, zabezpieczać i oceniać oparte na agentach systemy AI w środowiskach produkcyjnych.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Określić modele zarządzania i zasady dla bezpiecznych wdrożeń agentyckich systemów AI.
• Projektować przepływy tożsamości i uwierzytelniania niebędących człowiekiem agentami z najmniejszymi uprawnieniami.
• Implementować kontrolę dostępu, ścieżki audytowe i obserwowalność dostosowane do autonomicznych agentów.
• Planować i wykonywać ćwiczenia czerwonej drużyny, aby odkrywać niewłaściwe zastosowania, ścieżki eskalacji i ryzyko wydobywania danych.
• Zmniejszać typowe zagrożenia dla agentyckich systemów poprzez politykę, kontrolę inżynierską i monitorowanie.

Format Kursu

• Interaktywne wykłady i warsztaty modelowania zagrożeń.
• Praktyczne laboratoria: udzielanie tożsamości, egzekwowanie polityki i symulacja przeciwnika.
• Ćwiczenia czerwonej drużyny/niebieskiej drużyny i ocena końcowa kursu.

Opcje Dostosowywania Kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, prosimy skontaktować się z nami, aby ustalić szczegóły.

To szkolenie prowadzone przez instruktora (online lub na miejscu) skierowane jest do początkujących inżynierów i naukowców danych, którzy chcą zrozumieć podstawy TinyML, badać jego zastosowania oraz wdrażać modele AI na mikroprocesorach.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy TinyML oraz jego znaczenie.
• Wdrażać lekkościowe modele AI na mikroprocesorach i urządzeniach krawędziowych.
• Optymalizować i dopasowywać modele uczenia maszynowego do niskiego zużycia energii.
• Zastosować TinyML w realnych aplikacjach, takich jak rozpoznawanie gestów, wykrywanie anomalii i przetwarzanie dźwięku.

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla inżynierów embedded na poziomie średniozaawansowanym, programistów IoT i badaczy AI, którzy chcą wdrożyć techniki TinyML dla aplikacji wspomaganych sztuczną inteligencją na energoszczędnym sprzęcie.

Po ukończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy TinyML i sztucznej inteligencji na krańcach sieci.
• Wdrażać lekkie modele AI na mikrokontrolerach.
• Optymalizować wnioskowanie AI dla niskiego zużycia energii.
• Integrować TinyML z rzeczywistymi aplikacjami IoT.