Cybersecurity in AI Systems

• Podstawowa wiedza na temat pojęć z dziedziny uczenia maszynowego i sztucznej inteligencji
• Znajomość zasad i praktyk cyberbezpieczeństwa

Grupa docelowa

• Inżynierowie AI i uczenia maszynowego chcącymi poprawić bezpieczeństwo w systemach AI
• Specjaliści od cyberbezpieczeństwa skupiającymi się na ochronie modeli AI
• Specjaliści ds. zgodności i zarządzania ryzykiem w dziedzinie zarządzania danymi i bezpieczeństwa

Bezpieczeństwo systemów sztucznej inteligencji stawia przed nami wyjątkowe wyzwania, które różnią się od tradycyjnych podejść do cyberbezpieczeństwa. Systemy sztucznej inteligencji są podatne na ataki adversarialne, zatruwanie danych i kradzież modeli, wszystkie te zagrożenia mogą znacząco wpłynąć na działanie przedsiębiorstw oraz integralność danych. Ten kurs bada kluczowe praktyki cyberbezpieczeństwa dla systemów sztucznej inteligencji, omówiając adversarial machine learning, bezpieczeństwo danych w pipeline'ach uczenia maszynowego oraz wymagania zgodności niezbędne dla bezpiecznego wdrażania sztucznej inteligencji.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów z dziedziny sztucznej inteligencji i cyberbezpieczeństwa, którzy chcą zrozumieć i podjąć działania w celu adresowania podatności bezpieczeństwa specyficznych dla modeli i systemów sztucznej inteligencji, zwłaszcza w wysoko regulowanych branżach takich jak finanse, zarządzanie danymi i doradztwo.

Po ukończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć rodzaje ataków adversarialnych na systemy sztucznej inteligencji oraz metody obrony przed nimi.
• Wdrożyć techniki wzmocnienia modeli w celu zabezpieczenia pipeline'ów uczenia maszynowego.
• Zapewnić bezpieczeństwo i integralność danych w modelach uczenia maszynowego.
• Nawigować wymagania zgodności regulacyjnej związane z bezpieczeństwem sztucznej inteligencji.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku live-lab.

Opcje dostosowania kursu

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

Wprowadzenie do AI Security Wyzwań

• Zrozumienie ryzyk bezpieczeństwa unikalnych dla systemów AI
• Porównanie tradycyjnego cyberbezpieczeństwa z cyberbezpieczeństwem AI
• Przegląd powierzchni ataków w modelach AI

Ataki Adversarialne Machine Learning

• Typy ataków adversarialnych: unikanie, zatruwanie i ekstrakcja
• Wdrażanie obrony i przeciwdziałania atakom adversarialnym
• Przykłady ataków adversarialnych w różnych branżach

Techniki Utwardzania Modeli

• Wprowadzenie do odporności i utwardzania modeli
• Techniki zmniejszania podatności modeli na ataki
• Praktyczne zastosowanie destylacji obronnej i innych metod utwardzania

Bezpieczeństwo Danych w Machine Learning

• Bezpieczne wdrożenie potoków danych dla uczenia i wnioskowania
• Zapobieganie wyciekom danych i atakom odwracania modeli
• Najlepsze praktyki w zarządzaniu wrażliwymi danymi w systemach AI

AI Security Wymagania Zgodności i Regulacyjne

• Zrozumienie regulacji dotyczących AI i bezpieczeństwa danych
• Zgodność z GDPR, CCPA i innymi prawami ochrony danych
• Tworzenie bezpiecznych i zgodnych modeli AI

Monitorowanie i Utrzymywanie Bezpieczeństwa Systemów AI

• Wdrażanie ciągłego monitorowania dla systemów AI
• Logowanie i audytowanie dla bezpieczeństwa w uczeniu maszynowym
• Reagowanie na zdarzenia i naruszenia bezpieczeństwa w AI

Przyszłe Trendy w Cyberbezpieczeństwie AI

• Nowe techniki w zakresie bezpieczeństwa AI i uczenia maszynowego
• Możliwości innowacji w cyberbezpieczeństwie AI
• Przygotowanie do przyszłych wyzwań w zakresie bezpieczeństwa AI

Podsumowanie i Następne Kroki