Kursplan

Introduktion till AI-säkerhetsutmaningar

  • Förstå säkerhetsrisker som är unika för AI-system
  • Jämförelse av traditionell cybersäkerhet med AI-cybersäkerhet
  • Översikt över attackytor i AI-modeller

Kontradiktoriskt Machine Learning

  • Typer av fientliga attacker: undvikande, förgiftning och extrahering
  • Implementera kontradiktoriska försvar och motåtgärder
  • Fallstudier om fientliga attacker i olika branscher

Tekniker för modellhärdning

  • Introduktion till modellens robusthet och härdning
  • Tekniker för att minska modellens sårbarhet för attacker
  • Praktisk användning av defensiv destillation och andra härdningsmetoder

Datasäkerhet i Machine Learning

  • Skydda datapipelines för träning och slutsatsdragning
  • Förhindra dataläckage och attacker med modellinversion
  • Metodtips för att hantera känsliga data i AI-system

Efterlevnad av AI-säkerhet och regulatoriska krav

  • Förstå regler kring AI och datasäkerhet
  • Efterlevnad av GDPR, CCPA och andra dataskyddslagar
  • Utveckla säkra och kompatibla AI-modeller

Övervakning och underhåll av AI-systemsäkerhet

  • Implementera kontinuerlig övervakning för AI-system
  • Loggning och granskning för säkerhet i maskininlärning
  • Reagera på AI-säkerhetsincidenter och intrång

Framtida trender inom AI-cybersäkerhet

  • Nya tekniker för att säkra AI och maskininlärning
  • Möjligheter till innovation inom AI-cybersäkerhet
  • Förberedelser för framtida AI-säkerhetsutmaningar

Sammanfattning och nästa steg

Krav

  • Grundläggande kunskaper om maskininlärning och AI-koncept
  • Kännedom om principer och praxis för cybersäkerhet

Publik

  • AI- och maskininlärningsingenjörer vill förbättra säkerheten i AI-system
  • Cybersäkerhetsproffs fokuserar på skydd av AI-modeller
  • Efterlevnads- och riskhanteringsproffs inom datastyrning och säkerhet
 14 timmar

Antal deltagare


Price per participant

Vittnesmål (5)

Upcoming Courses

Relaterade Kategorier