Securing Edge AI and Embedded Intelligence

Prerequisites:

• Znajomość systemów wbudowanych lub środowisk wdrażania sztucznej inteligencji na krawędzi
• Doświadczenie z Python i ramami uczenia maszynowego (np. TensorFlow Lite, PyTorch Mobile)
• Podstawowa znajomość cyberbezpieczeństwa lub modeli zagrożeń IoT

Adresaci

• Programiści sztucznej inteligencji wbudowanej
• Specjaliści ds. bezpieczeństwa IoT
• Inżynierowie wdrażający modele ML na urządzeniach krawędziowych lub ograniczających

Overview:

Zabezpieczanie Edge AI i Wbudowanej Inteligencji to praktyka ochrony modeli uczenia maszynowego i danych w ograniczonych, często fizycznie narażonych środowiskach, takich jak drony, czujniki, inteligentne kamery i autonomiczne systemy.Ten prowadzony przez instruktora kurs online lub stacjonarny jest skierowany do inżynierów i specjalistów ds. bezpieczeństwa na poziomie średnim, którzy chcą zabezpieczyć modele AI wdrożone na krawędzi przed zagrożeniami takimi jak manipulowanie, wyciek danych, wrogie dane wejściowe i ataki fizyczne.Na zakończenie tego szkolenia uczestnicy będą mogli:- Identyfikować i oceniać ryzyka związane z bezpieczeństwem w wdrożeniach AI na krawędzi.- Zastosować techniki odporne na manipulacje i szyfrowane wnioskowanie.- Zwiększać bezpieczeństwo modeli wdrożonych na krawędzi i zabezpieczać kanały danych.- Wdrażać strategie zmniejszania zagrożeń specyficzne dla wbudowanych i ograniczonych systemów.Format kursu- Interaktywne wykłady i dyskusje.- Wiele ćwiczeń i praktyki.- Ręczne wdrażanie w środowisku laboratoryjnym.Opcje dostosowywania kursu- Aby zapytać o dostosowany kurs dla tego szkolenia, skontaktuj się z nami w celu umówienia.

Course Outline:

Wprowadzenie do Edge AI i Embedded Systems

• Co to jest Edge AI? Zastosowania i ograniczenia
• Platformy sprzętowe i stopy oprogramowania na krawędzi sieci
• Wyzwania związane z bezpieczeństwem w wbudowanych i zdecentralizowanych środowiskach

Krajobraz zagrożeń dla Edge AI

• Ryzyka związane z fizycznym dostępem i manipulacją
• Przykłady przeciwnika i manipulacja modelami
• Zagrożenia związane z wyciekiem danych i odwracaniem modeli

Zabezpieczanie modelu

• Strategie utrwalania i kwantyzacji modeli
• Wodzianie i stemplowanie modeli
• Obrona poprzez destylację i obcięcie

Szyfrowane wnioskowanie i bezpieczne wykonywanie

• Środowiska wykonawcze o zaufanym dostępie (TEEs) dla AI
• Bezpieczne enclaves i obliczenia poufne
• Szyfrowane wnioskowanie z użyciem szyfrowania homomorficznego lub SMPC

Wykrywanie manipulacji i kontrole na poziomie urządzenia

• Bezpieczny uruchomienie i sprawdzanie integralności firmware
• Walidacja czujników i wykrywanie anomalii
• Zdalne potwierdzenie i monitorowanie stanu urządzenia

Integracja krawędzi z Cloud Security

• Bezpieczne przesyłanie danych i zarządzanie kluczami
• Szyfrowanie od końca do końca i ochrona cyklu życia danych
• Orchestracja AI w chmurze z ograniczeniami bezpieczeństwa krawędzi

Najlepsze praktyki i strategia zmniejszania ryzyka

• Modelowanie zagrożeń dla systemów AI na krawędzi
• Zasady projektowania bezpieczeństwa dla wbudowanej inteligencji
• Reagowanie na incydenty i zarządzanie aktualizacjami firmware

Podsumowanie i następne kroki