Kursplan

Introduksjon til AI-sikkerhetsutfordringer

  • Forstå sikkerhetsrisikoer som er unike for AI-systemer
  • Sammenligning av tradisjonell cybersikkerhet vs. AI cybersikkerhet
  • Oversikt over angrepsflater i AI-modeller

Motstander Machine Learning

  • Typer motstridende angrep: unndragelse, forgiftning og utvinning
  • Implementere motstridende forsvar og mottiltak
  • Kasusstudier om kontradiktoriske angrep i ulike bransjer

Modellherdeteknikker

  • Introduksjon til modellens robusthet og herding
  • Teknikker for å redusere modellens sårbarhet for angrep
  • Hands-on med defensiv destillasjon og andre herdemetoder

Datasikkerhet i Machine Learning

  • Sikring av datarørledninger for opplæring og slutning
  • Forebygging av datalekkasje og modellinversjonsangrep
  • Beste praksis for håndtering av sensitive data i AI-systemer

AI-sikkerhetsoverholdelse og forskriftskrav

  • Forstå regelverket rundt AI og datasikkerhet
  • Overholdelse av GDPR, CCPA og andre databeskyttelseslover
  • Utvikle sikre og kompatible AI-modeller

Overvåking og vedlikehold av AI-systemsikkerhet

  • Implementere kontinuerlig overvåking for AI-systemer
  • Logging og revisjon for sikkerhet i maskinlæring
  • Reagere på AI-sikkerhetshendelser og brudd

Fremtidige trender innen AI Cybersecurity

  • Nye teknikker for å sikre AI og maskinlæring
  • Muligheter for innovasjon innen AI-cybersikkerhet
  • Forbereder for fremtidige AI-sikkerhetsutfordringer

Sammendrag og neste trinn

Krav

  • Grunnleggende kunnskap om maskinlæring og AI-konsepter
  • Kjennskap til prinsipper og praksiser for cybersikkerhet

Publikum

  • AI og maskinlæringsingeniører som ønsker å forbedre sikkerheten i AI-systemer
  • Cybersikkerhetsfagfolk som fokuserer på AI-modellbeskyttelse
  • Fagfolk innen compliance og risikostyring innen datastyring og sikkerhet
 14 timer

Antall deltakere


Price per participant

Testimonials (5)

Upcoming Courses

Related Categories