Securing AI Models: Threats, Attacks, and Defenses Počítačový Kurz

Zabezpečování AI Modelů je disciplína obrany systémů strojového učení proti hrozbám specifickým pro modely, jako jsou nepřátelská vstupy, otravná data, útoky na inverzi a únik osobních údajů. Tato instruktážní živá školení (online nebo na místě) je určeno pro středně pokročilé profesionály v oblasti strojového učení a kybernetické bezpečnosti, kteří chtějí porozumět a minimalizovat nové hrozby proti AI modelům pomocí konceptuálních rámci a praktických obranných opatření jako je odolné učení a diferenciální soukromí. Koncepce školení: - Interaktivní přednáška a diskuse. - Mnoho cvičení a praxe. - Praktické implementace v živém laboratorním prostředí. Možnosti individualizace kurzu: - Pro požadavek na individualizované školení tohoto kurzu se obraťte na nás pro uspořádání. Po absolvování tohoto školení budou účastníci schopni: - Identifikovat a klasifikovat hrozby specifické pro AI, jako jsou nepřátelské útoky, inverze a otrávení. - Použít nástroje jako je Adversarial Robustness Toolbox (ART) ke simulaci útoků a testování modelů. - Aplikovat praktické obranné opatření zahrnující nepřátelské učení, vložení šumu a techniky ochrany soukromí. - Navrhovat strategie hodnocení modelu s ohledem na hrozby ve výrobních prostředích. Požadavky: - Pochopení pracovních postupů strojového učení a školení modelů. - Zkušenosti se Python a běžnými ML rámci jako je PyTorch nebo TensorFlow. - Přehled o základních konceptech bezpečnosti nebo modelování hrozeb by mohl pomoci. Publika: - Inženýři strojového učení - Analysté kybernetické bezpečnosti - AI vědci a týmy validace modelů Toto instruktážní, živé školení v <loc> (online nebo na místě) je určeno pro středně pokročilé profesionály v oblasti strojového učení a kybernetické bezpečnosti, kteří chtějí porozumět a minimalizovat nové hrozby proti AI modelům pomocí konceptuálních rámci a praktických obranných opatření jako je odolné učení a diferenciální soukromí. Po absolvování tohoto školení budou účastníci schopni: - Identifikovat a klasifikovat hrozby specifické pro AI, jako jsou nepřátelské útoky, inverze a otrávení. - Použít nástroje jako je Adversarial Robustness Toolbox (ART) ke simulaci útoků a testování modelů. - Aplikovat praktické obranné opatření zahrnující nepřátelské učení, vložení šumu a techniky ochrany soukromí. - Navrhovat strategie hodnocení modelu s ohledem na hrozby ve výrobních prostředích.