課程簡介

基礎:面向技術團隊的歐盟人工智能法案

  • 開發人員和操作人員的相關義務與術語。
  • 從技術角度理解第4條下的禁止行爲。
  • 將法律要求映射到工程控制。

安全與合規的開發生命週期

  • AI項目的倉庫結構和策略即代碼。
  • 代碼審查和針對風險模式的自動化靜態檢查。
  • 模型組件的依賴和供應鏈管理。

合規的CI/CD流水線設計

  • 流水線階段:構建、測試、驗證、打包、部署。
  • 集成治理門控和自動化策略檢查。
  • 工件不可變性和來源追蹤。

模型測試、驗證與安全檢查

  • 數據驗證和偏差檢測測試。
  • 性能、魯棒性和對抗性韌性測試。
  • 自動化驗收標準和測試報告。

模型註冊、版本控制與來源追蹤

  • 使用MLflow或類似工具記錄模型譜系和元數據。
  • 模型和數據集的版本控制,確保可重複性。
  • 記錄來源並生成可審計的工件。

運行時控制、監控與可觀測性

  • 日誌記錄輸入、輸出和決策的工具化。
  • 監控模型漂移、數據漂移和性能指標。
  • 告警、自動回滾和金絲雀部署。

安全性、訪問控制與數據保護

  • 模型訓練和服務環境的最小權限IAM。
  • 保護靜態和傳輸中的訓練和推理數據。
  • 密鑰管理和安全配置實踐。

可審計性與證據收集

  • 生成機器可讀的日誌和人類可讀的摘要。
  • 打包證據用於符合性評估和審計。
  • 保留政策和合規工件的安全存儲。

事件響應、報告與修復

  • 檢測可疑的禁止行爲或安全事件。
  • 包含、回滾和緩解的技術步驟。
  • 爲治理和監管機構準備技術報告。

總結與下一步

最低要求

  • 瞭解軟件開發和部署工作流程。
  • 具備容器化和基本Kubernetes概念的經驗。
  • 熟悉基於Git的版本控制和CI/CD實踐。

目標受衆

  • 構建或維護AI組件的開發人員。
  • 負責部署的DevOps和平臺工程師。
  • 管理基礎設施和運行時環境的管理員。
 14 時間:

人數


每位參與者的報價

即將到來的課程

課程分類