联系我们
 课程时长 14 小时

课程大纲

基础:面向技术团队的EU AI Act

  • 开发人员和操作员的相关义务和术语
  • 从技术角度理解第4条下的禁止行为
  • 将法律要求映射到工程控制

安全合规的开发生命周期

  • AI项目的仓库结构和策略即代码
  • 代码审查和针对风险模式的自动化静态检查
  • 模型组件的依赖和供应链管理

合规的CI/CD管道设计

  • 管道阶段:构建、测试、验证、打包、部署
  • 集成治理门和自动化策略检查
  • 工件不可变性和来源追踪

模型测试、验证和安全检查

  • 数据验证和偏见检测测试
  • 性能、鲁棒性和对抗性韧性测试
  • 自动化验收标准和测试报告

模型注册、版本控制和来源

  • 使用MLflow或等效工具进行模型谱系和元数据管理
  • 对模型和数据集进行版本控制以确保可重现性
  • 记录来源并生成可审计的工件

运行时控制、监控和可观测性

  • 为输入、输出和决策记录日志的仪器化
  • 监控模型漂移、数据漂移和性能指标
  • 告警、自动回滚和金丝雀部署

安全、访问控制和数据保护

  • 模型训练和服务环境的最小权限IAM
  • 保护静态和传输中的训练和推理数据
  • 秘密管理和安全配置实践

可审计性和证据收集

  • 生成机器可读日志和人类可读摘要
  • 为符合性评估和审计打包证据
  • 合规工件的保留策略和安全存储

事件响应、报告和补救

  • 检测疑似禁止行为或安全事件
  • 遏制、回滚和缓解的技术步骤
  • 为治理和监管机构准备技术报告

总结和后续步骤

要求

  • 了解软件开发和部署工作流程
  • 具备容器化和基本Kubernetes概念的经验
  • 熟悉基于Git的源代码控制和CI/CD实践

受众

  • 构建或维护AI组件的开发人员
  • 负责部署的DevOps和平台工程师
  • 管理基础设施和运行时环境的管理员

即将举行的公开课程

课程分类