Návrh Školení

Úvod do bezpečnostních výzev AI

  • Pochopení bezpečnostních rizik jedinečných pro systémy AI
  • Srovnání tradiční kybernetické bezpečnosti vs. AI
  • Přehled útočných ploch v modelech AI

Adversarial Machine Learning

  • Typy nepřátelských útoků: únik, otrava a těžba
  • Provádění nepřátelských obran a protiopatření
  • Případové studie o nepřátelských útocích v různých odvětvích

Techniky kalení modelů

  • Úvod do modelové robustnosti a kalení
  • Techniky pro snížení zranitelnosti modelu vůči útokům
  • Praktické použití s obrannou destilací a dalšími metodami kalení

Zabezpečení dat v Machine Learning

  • Zabezpečení datových kanálů pro školení a vyvozování
  • Prevence úniku dat a modelových inverzních útoků
  • Osvědčené postupy pro správu citlivých dat v systémech umělé inteligence

Soulad se zabezpečením AI a regulačními požadavky

  • Pochopení předpisů týkajících se AI a zabezpečení dat
  • Soulad s GDPR, CCPA a dalšími zákony na ochranu údajů
  • Vývoj bezpečných a kompatibilních modelů umělé inteligence

Monitorování a údržba zabezpečení systému AI

  • Implementace nepřetržitého monitorování pro systémy AI
  • Protokolování a auditování pro zabezpečení ve strojovém učení
  • Reakce na bezpečnostní incidenty a narušení AI

Budoucí trendy v kybernetické bezpečnosti AI

  • Nové techniky v zabezpečení AI a strojového učení
  • Příležitosti pro inovace v kybernetické bezpečnosti AI
  • Příprava na budoucí bezpečnostní výzvy AI

Shrnutí a další kroky

Požadavky

  • Základní znalosti o strojovém učení a konceptech AI
  • Seznámení s principy a postupy kybernetické bezpečnosti

Publikum

  • Inženýři AI a strojového učení, kteří chtějí zlepšit zabezpečení v systémech AI
  • Profesionálové v oblasti kybernetické bezpečnosti se zaměřením na ochranu modelů AI
  • Profesionálové na dodržování předpisů a řízení rizik v oblasti správy a zabezpečení dat
 14 hodiny

Počet účastníků


Price per participant

Reference (5)

Upcoming Courses

Související kategorie