Bezpieczeństwo i prywatność w aplikacjach TinyML - Plan Szkolenia

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do liderów przedsiębiorstw na poziomie średniozaawansowanym, którzy chcą zrozumieć, jak odpowiedzialnie zarządzać i zabezpieczać systemy AI zgodnie z pojawiającymi się globalnymi ramami, takimi jak UE AI Act, GDPR, ISO/IEC 42001 oraz U.S. Executive Order on AI.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć prawne, etyczne i regulacyjne ryzyka związane z wykorzystaniem AI w różnych działach.
• Interpretować i stosować główne ramy zarządzania AI (UE AI Act, NIST AI RMF, ISO/IEC 42001).
• Ustanowić polityki bezpieczeństwa, audytu i nadzoru dla wdrażania AI w przedsiębiorstwie.
• Opracować wytyczne dotyczące zakupu i użytkowania systemów AI od firm zewnętrznych i wewnętrznych.

Ten kurs wprowadza praktyczne podejście do zabezpieczania nowoczesnych aplikacji, API, copilotów i autonomicznych agentów opartych na sztucznej inteligencji. Uczestnicy dowiadują się, jak bezpieczeństwo AI różni się od tradycyjnego bezpieczeństwa sieciowego, poznają typowe zagrożenia specyficzne dla AI, takie jak iniekcja prompt, zatrucie RAG i nadużycia agentów, oraz uczą się, jak chronić systemy AI za pomocą warstwowych zabezpieczeń, w tym WAF-ów, bram AI, bezpieczeństwa API i zabezpieczeń. Poprzez praktyczne laboratoria i przykłady z życia wzięte, uczestnicy zdobywają umiejętności identyfikowania wzorców ataków AI, zabezpieczania aplikacji opartych na LLM i wdrażania skutecznych zabezpieczeń runtime w środowiskach produkcyjnych.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do specjalistów IT na poziomie podstawowym i średniozaawansowanym, którzy chcą zrozumieć i wdrożyć AI TRiSM w swoich organizacjach.

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Zrozumieć kluczowe koncepcje i znaczenie zarządzania zaufaniem, ryzykiem i bezpieczeństwem w AI.
• Identyfikować i minimalizować ryzyka związane z systemami AI.
• Wdrażać najlepsze praktyki bezpieczeństwa w AI.
• Zrozumieć wymogi regulacyjne i kwestie etyczne związane z AI.
• Opracowywać strategie efektywnego zarządzania i nadzoru nad AI.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do programistów AI, architektów i menedżerów produktów na poziomie średnio zaawansowanym i zaawansowanym, którzy chcą identyfikować i łagodzić ryzyka związane z aplikacjami wykorzystującymi LLM, w tym iniekcję promptów, wycieki danych i niesfiltrowane wyniki, jednocześnie wdrażając mechanizmy bezpieczeństwa, takie jak walidacja wejść, nadzór z udziałem człowieka i ograniczenia wyjść.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć kluczowe słabości systemów opartych na LLM.
• Zastosować zasady bezpiecznego projektowania w architekturze aplikacji LLM.
• Wykorzystywać narzędzia takie jak Guardrails AI i LangChain do walidacji, filtrowania i zapewnienia bezpieczeństwa.
• Integrować techniki takie jak sandboxing, red teaming i przegląd z udziałem człowieka w potoki produkcyjne.

Ten kurs uczy programistów, jak projektować bezpieczne aplikacje oparte na sztucznej inteligencji od podstaw. Uczestnicy uczą się, jak chronić chatboty, asystentów, potoki RAG i agentów AI przed zagrożeniami specyficznymi dla AI, takimi jak iniekcja promptów, zatruwanie danych, nadużycia narzędzi, wycieki tajemnic i niebezpieczne dane wyjściowe modelu. Kurs obejmuje bezpieczne projektowanie promptów, zabezpieczenia RAG, zasadę najmniejszych uprawnień, zabezpieczenia i testy red-team, pomagając programistom tworzyć funkcje AI, które są bezpieczne, niezawodne i odporne w rzeczywistych środowiskach.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do specjalistów z zakresu AI i cyberbezpieczeństwa na poziomie średniozaawansowanym, którzy chcą zrozumieć i przeciwdziałać lukom w zabezpieczeniach specyficznym dla modeli i systemów AI, szczególnie w wysoko regulowanych branżach, takich jak finanse, zarządzanie danymi i konsulting.

Pod koniec szkolenia uczestnicy będą w stanie:

• Zrozumieć rodzaje ataków adversarialnych na systemy AI oraz metody ich obrony.
• Wdrażać techniki utwardzania modeli w celu zabezpieczenia potoków uczenia maszynowego.
• Zapewniać bezpieczeństwo i integralność danych w modelach uczenia maszynowego.
• Poruszać się wśród wymagań dotyczących zgodności z przepisami związanymi z bezpieczeństwem AI.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów bezpieczeństwa i inspektorów zgodności, którzy chcą wzmocnić wdrożenia EXO, kontrolować dostęp do modeli i zarządzać obciążeniami AI działającymi wyłącznie na miejscu.

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

Pod koniec szkolenia uczestnicy będą mogli:

• Zrozumieć unikalne ryzyka bezpieczeństwa wprowadzane przez systemy AI.
• Identyfikować wektory zagrożeń, takie jak ataki przeciwnika, zatruwanie danych i inwersja modelu.
• Stosować podstawowe modele zarządzania, takie jak NIST AI Risk Management Framework.
• Dostosować wykorzystanie AI do powstających standardów, wytycznych dotyczących zgodności i zasad etycznych.

To prowadzone przez instruktora, żywe szkolenie w Polsce (online lub stacjonarne) skierowane jest do inżynierów ds. bezpieczeństwa i inżynierów ML, którzy muszą identyfikować, testować i bronić się przed atakami na modele ML oraz aplikacje wspierane przez LLM.

Korzystając z najnowszych wytycznych projektu OWASP GenAI Security, uczestnicy nauczą się identyfikować, oceniać i łagodzić zagrożenia specyficzne dla AI poprzez ćwiczenia praktyczne oraz symulacje rzeczywistych scenariuszy.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do profesjonalistów na zaawansowanym poziomie, którzy chcą wdrożyć i ocenić techniki takie jak uczenie federacyjne, bezpieczne przetwarzanie wielostronne, homomorficzne szyfrowanie i różnicową prywatność w rzeczywistych potokach uczenia maszynowego.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć i porównać kluczowe techniki zachowania prywatności w uczeniu maszynowym.
• Wdrożyć systemy uczące się federacyjnie przy użyciu otwartych frameworków.
• Zastosować różnicową prywatność do bezpiecznego udostępniania danych i trenowania modeli.
• Wykorzystać techniki szyfrowania i bezpiecznego przetwarzania do ochrony danych wejściowych i wyjściowych modeli.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), skierowane jest do zaawansowanych specjalistów ds. bezpieczeństwa i ekspertów ML, którzy chcą symulować ataki na systemy AI, odkrywać podatności i zwiększać odporność wdrożonych modeli AI.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Symulować realne zagrożenia dla modeli uczenia maszynowego.
• Generować przykłady adversarialne do testowania odporności modeli.
• Oceniać powierzchnię ataku interfejsów API i potoków AI.
• Projektować strategie red teamingu dla środowisk wdrażania AI.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do inżynierów i specjalistów ds. bezpieczeństwa na poziomie średniozaawansowanym, którzy chcą zabezpieczyć modele AI wdrożone na urządzeniach brzegowych przed zagrożeniami, takimi jak manipulacja, wyciek danych, wrogie dane wejściowe i ataki fizyczne.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Identyfikować i oceniać ryzyka bezpieczeństwa w wdrożeniach Edge AI.
• Stosować techniki odporności na manipulację i szyfrowanego wnioskowania.
• Wzmacniać modele wdrożone na urządzeniach brzegowych i zabezpieczać potoki danych.
• Wdrażać strategie łagodzenia zagrożeń specyficzne dla systemów wbudowanych i ograniczonych.