課程簡介

AI 安全挑戰簡介

  • 瞭解 AI 系統特有的安全風險
  • 比較傳統網路安全與 AI 網路安全
  • AI 模型中的攻擊面概述

對抗性 Machine Learning

  • 對抗性攻擊的類型:規避、投毒和提取
  • 實施對抗性防禦和對策
  • 不同行業對抗性攻擊的案例研究

模型強化技術

  • 模型穩健性和強化簡介
  • 降低模型易受攻擊的技術
  • 動手使用防禦性蒸餾和其他硬化方法

資料安全Machine Learning

  • 保護用於訓練和推理的數據管道
  • 防止數據洩露和模型反轉攻擊
  • 在 AI 系統中管理敏感數據的最佳實踐

AI 安全合規性和法規要求

  • 瞭解有關 AI 和數據安全的法規
  • 遵守 GDPR、CCPA 和其他數據保護法律
  • 開發安全合規的 AI 模型

監控和維護 AI 系統安全

  • 為 AI 系統實施持續監控
  • 機器學習中安全性的日誌記錄和審計
  • 回應 AI 安全事件和漏洞

AI 網路安全的未來趨勢

  • 保護 AI 和機器學習的新興技術
  • AI 網路安全的創新機會
  • 為未來的 AI 安全挑戰做好準備

總結和後續步驟

最低要求

  • 機器學習和 AI 概念的基礎知識
  • 熟悉網路安全原則和實踐

觀眾

  • 希望提高 AI 系統安全性的 AI 和機器學習工程師
  • 專注於 AI 模型保護的網路安全專業人員
  • 數據治理和安全領域的合規和風險管理專業人員
 14 時間:

人數


每位參與者的報價

客戶評論 (5)

Upcoming Courses

課程分類