感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
AI Security 挑战简介
- 了解AI系统特有的安全风险
- 传统网络安全与AI网络安全的比较
- AI模型攻击面的概述
对抗性Machine Learning
- 对抗性攻击的类型:规避、毒化和提取
- 实施对抗性防御和应对措施
- 不同行业中的对抗性攻击案例研究
模型加固技术
- 模型鲁棒性和加固简介
- 减少模型对攻击的脆弱性的技术
- 实践防御性蒸馏和其他加固方法
Machine Learning中的数据安全
- 确保训练和推理数据管道的安全性
- 防止数据泄漏和模型反演攻击
- 在AI系统中管理敏感数据的最佳实践
AI Security合规性和法规要求
- 了解与AI和数据安全相关的法规
- 遵守GDPR、CCPA和其他数据保护法律
- 开发安全且合规的AI模型
AI系统安全的监控与维护
- 实施AI系统的持续监控
- 机器学习的日志记录和审计
- 应对AI安全事件和违规行为
AI网络安全的未来趋势
- 保护AI和机器学习的新兴技术
- AI网络安全中的创新机会
- 为未来的AI安全挑战做好准备
总结与下一步
要求
- 具备机器学习和AI概念的基础知识
- 熟悉网络安全原则和实践
受众
- 希望提升AI系统安全性的AI和机器学习工程师
- 专注于AI模型保护的网络安全专业人士
- 数据治理和安全性领域的合规与风险管理专业人士
14 小时