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。
课程时长 21 小时
课程大纲
TinyML 安全简介
- 资源受限 ML 系统中的安全挑战
- TinyML 部署的威胁模型
- 嵌入式 AI 应用的风险类别
边缘 AI 中的数据隐私
- 设备端数据处理的隐私考量
- 最小化数据暴露和传输
- 去中心化数据处理技术
针对 TinyML 模型的对抗性攻击
- 模型规避和投毒威胁
- 嵌入式传感器上的输入操纵
- 评估受限环境中的漏洞
嵌入式 ML 的安全加固
- 固件和硬件保护层
- 访问控制和安全启动机制
- 保护推理流水线的最佳实践
TinyML 隐私保护技术
- 量化和面向隐私的模型设计考量
- 设备端匿名化技术
- 轻量级加密和安全计算方法
安全部署与维护
- TinyML 设备的安全配置
- OTA 更新和补丁策略
- 边缘监控和事件响应
安全 TinyML 系统的测试与验证
- 安全和隐私测试框架
- 模拟真实世界攻击场景
- 验证和合规性考量
案例研究和应用场景
- 边缘 AI 生态系统中的安全失败案例
- 设计具有弹性的 TinyML 架构
- 评估性能与保护之间的权衡
总结与下一步
要求
- 了解嵌入式系统架构
- 具备机器学习工作流程经验
- 掌握网络安全基础知识
目标受众
- 安全分析师
- AI 开发人员
- 嵌入式工程师
客户评论 (1)
练习
Gianluca Bovo - Urmet
课程 - Security and Privacy in TinyML Applications
机器翻译