Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 21 hodiny
Návrh Školení
Úvod do bezpečnosti v TinyML
- Bezpečnostní výzvy v systémech strojového učení s omezenými zdroji
- Modely hrozeb pro nasazení TinyML
- Kategorie rizik pro vestavěné aplikace AI
Ochrana soukromí dat v edge AI
- Aspekty soukromí při zpracování dat přímo na zařízení
- Minimalizace expozice a přenosu dat
- Techniky pro decentralizované zpracování dat
Adversariální útoky na modely TinyML
- Hrozby obejití modelu a otravy
- Manipulace s vstupy na vestavěných senzorech
- Hodnocení zranitelnosti v omezených prostředích
Zvýšení bezpečnosti vestavěného ML
- Okolí ochrany firmwaru a hardwaru
- Kontrole přístupu a mechanismy bezpečného spouštění
- Nejlepší postupy pro ochranu inferenčních pipeline
Techniky TinyML chránící soukromí
- Kvantizace a úvahy při návrhu modelů z hlediska soukromí
- Techniky anonymizace přímo na zařízení
- Lehké šifrování a metody bezpečného výpočtu
Bezpečné nasazení a údržba
- Bezpečné provisionování zařízení TinyML
- Strategie OTA aktualizací a aplikování záplat
- Monitorování a reakce na incidenty na okraji sítě
Testování a validace bezpečných systémů TinyML
- Rámcové pro testování bezpečnosti a ochrany soukromí
- Simulace reálných scénářů útoků
- Úvahy ohledně validace a dodržování předpisů
Kasusové studie a aplikované scénáře
- Bezpečnostní selhání v ekosystémech edge AI
- Návrh odolných architektur TinyML
- Hodnocení kompromisů mezi výkonem a ochranou
Shrnutí a další kroky
Požadavky
- Pochopení architektury vestavěných systémů
- Zkušenosti s procesními proudy strojového učení
- Znalosti základů kybernetické bezpečnosti
Cílová skupina
- Bezpečnostní analytici
- Vývojáři AI
- Ingové vestavěných systémů
Reference (1)
Cvičení
Gianluca Bovo - Urmet
Kurz - Security and Privacy in TinyML Applications
Přeloženo strojem