DevSecOps with AI: Automating Security in the Pipeline

• Zrozumienie cyklu życia DevOps i ciągów CI/CD
• Podstawowa wiedza z zakresu zasad bezpieczeństwa aplikacji
• Znajomość repozytoriów kodu i narzędzi infrastruktury jako kodu

Grupa docelowa

• Zespoły skupione na bezpieczeństwie DevOps
• Inżynierowie DevSecOps i specjaliści od bezpieczeństwa chmury
• Profesjonaliści ds. zgodności i zarządzania ryzykiem

DevSecOps z AI jest praktyką integracji sztucznej inteligencji w DevOps pipelines w celu wykrywania zagrożeń, egzekwowania polityk bezpieczeństwa i automatyzacji reakcji w trakcie całego cyklu dostarczania oprogramowania.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów z zakresu DevOps i bezpieczeństwa na poziomie średnim, którzy chcą stosować narzędzia i praktyki oparte na sztucznej inteligencji w celu poprawy automatyzacji bezpieczeństwa w procesach rozwoju i wdrażania.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Wbudować narzędzia bezpieczeństwa zasilane sztuczną inteligencją w pipelines CI/CD.
• Używać statycznej i dynamicznej analizy wspieranej sztuczną inteligencją do wykrywania problemów na wczesnym etapie.
• Automatyzować wykrywanie tajnych informacji, skanowanie wulnerabilności kodu i analizę ryzyka związanego z zależnościami.
• Włączanie proaktywnego modelowania zagrożeń i egzekwowania polityk przy użyciu inteligentnych technik.

Format kursu

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

Opcje dostosowywania kursu

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

Wprowadzenie do DevSecOps i integracji z AI

• Zasady i cele DevSecOps
• Rola AI i ML w DevSecOps
• Trendy automatyzacji bezpieczeństwa i kategorie narzędzi

Statyczne i dynamiczne analizy kodu z wykorzystaniem AI

• Wykorzystanie SonarQube, Semgrep lub Snyk Code do analizy statycznej
• Dynamiczne testowanie z generacją przypadków testowych z wsparciem AI
• Interpretacja wyników i integracja z systemami kontroli wersji

Wykrywanie wycieków sekretów i poświadczeń

• Wykrywanie zabezpieczeń za pomocą AI (np. GitHub Advanced Security, Gitleaks)
• Zapobieganie wprowadzaniu sekretów do kontrolowania źródeł
• Tworzenie automatycznych reguł blokowania i alertowania

Skanowanie zależności i kontenerów z wykorzystaniem AI

• Skanowanie kontenerów z Trivy i wtyczkami z wsparciem AI
• Monitorowanie bibliotek trzecich i SBOM
• Zautomatyzowane rekomendacje naprawcze i alerty z aktualizacjami

Inteligentne modelowanie zagrożeń i ocena ryzyka

• Automatyczne modelowanie zagrożeń z narzędziami opartymi na AI
• Priorytetyzacja ryzyka za pomocą modeli uczenia maszynowego
• Łączenie wpływu biznesowego z technicznymi lukami bezpieczeństwa

Integracja i automatyzacja szkieletu CI/CD

• Wbudowanie sprawdzeń bezpieczeństwa w Jenkins, GitHub Actions lub GitLab CI
• Tworzenie reguł jako kodu do wdrażania w różnych środowiskach
• Generowanie raportów z wsparciem AI do audytów i zgodności

Przypadki zastosowań i wzorce automatyzacji bezpieczeństwa

• Przypadki zastosowań AI w szkieletach bezpieczeństwa
• Wybór odpowiednich narzędzi dla Twojego ekosystemu
• Najlepsze praktyki budowania i utrzymywania bezpiecznych szkieletów

Podsumowanie i następne kroki