AI-säkerhet Kurs i Uppsala

Detta instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktas till IT-professionella med begynnare- till mellannivåer som vill förstå och implementera AI TRiSM i sina organisationer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Fatta de viktigaste koncepten och betydelsen av AI-trust, risk och säkerhetsmanagement.
• Identifiera och hantera risker som är kopplade till AI-system.
• Implementera bästa praxis för AI-säkerhet.
• Förstå regleringskraven och etiska överväganden för AI.
• Utveckla strategier för effektivt AI-styrning och management.

Denna instruktörsledda utbildning i Uppsala tar upp styrning, hantering av identiteter och red-teaming för agentic AI-system. Avancerade praktiker kommer att designa säkra utrollningar, implementera minsta möjliga åtkomst och genomföra antagonistisk testning för att minska hot i verkliga världsprodukionsmiljöer.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) är riktad till mellannivå-AI- och cybersäkerhetsprofesionella som vill förstå och hantera säkerhetssårbarheter specifika för AI-modeller och system, särskilt inom starkt reglerade branscher som finans, datagovernans och konsultarbete.

Till slutet av denna utbildning kommer deltagarna att kunna:

• Förstå typerna av fiendliga angrepp som riktar sig mot AI-system och metoder för att försvara sig mot dem.
• Implementera modellhårdnings tekniker för att säkra maskininlärningspipelines.
• Säkerställa datasäkerhet och noggrannhet i maskininlärningsmodeller.
• Navigera komplianskrav relaterade till AI-säkerhet.

Denna handledningsskapad, liveutbildning i Uppsala (online eller på plats) riktas till säkerhetsexperter och ML-specialister med avancerat nivå som vill simulera angrepp på AI-system, upptäcka sårbarheter och förbättra robustheten hos distribuerade AI-modeller.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Simulera reella hot mot maskininlärningsmodeller.
• Generera antagonister exempel för att testa modellens robusthet.
• Bedöma angreppsytan av AI-API:er och pipelines.
• Utforma red team-strategier för AI-distributionsmiljöer.

Den här instruktörledda utbildningen inom Uppsala rustar avancerade specialister att skydda TinyML-flöden på enheter i kanten av nätverket. Du lär dig att implementera tekniker för bevarande av integritet, stärka modeller mot antagonistiska hot samt tillämpa bästa praxis för säker datahantering i resursbegränsade miljöer.

Detta instruktörledda, liveutbildning i Uppsala (online eller platsbaserat) riktas till mellannivåingetörs- och säkerhetsprofiler som vill säkra AI-modeller som distribuerats vid kanten mot hot som manipulering, datautlossning, fiendtliga inmatningar och fysiska angrepp.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Identifiera och bedöma säkerhetsrisker i Edge AI-distributioner.
• Använda manipuleringsresistenta och krypterade inferensmetoder.
• Härda modeller som distribuerats vid kanten och säkra dataflöden.
• Implementera hotbegränsningsstrategier specifika för inbyggda och begränsade system.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktas till professionella på avancerat nivå som önskar implementera och utvärdera tekniker som federated learning, säker flerpartsberegning, homomorf kryptering och differentiell integritet i verkliga maskininlärningspipeline.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå och jämföra nyckeltekniker för integritetsskydd i ML.
• Implementera federated learning-system med öppen källkod.
• Använda differentiell integritet för säker datadelning och modellträningsdata.
• Använda kryptering och säkerhetsberäkningsmetoder för att skydda modulinmatningar och utmatningar.

Denna instruktörledda, liveutbildning i Uppsala (online eller på plats) riktar sig till mellannivåföretagsledare som vill förstå hur man ansvarigt och enligt de framkommande globala ramverken, såsom EU:s AI-akt, GDPR, ISO/IEC 42001 och den amerikanska presidentens direktiv om AI, styr och skyddar AI-system.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de rättsliga, etiska och regleringsmässiga riskerna med att använda AI i olika avdelningar.
• Tolka och tillämpa stora AI-governansramverk (EU:s AI-akt, NIST AI RMF, ISO/IEC 42001).
• Etablera säkerhets-, granskning- och övervakningsprinciper för implementering av AI i företaget.
• Utveckla inköps- och användningsriktlinjer för tredjepartssystem och in-house AI-system.

Denna instruktörledda, liveutbildning i Uppsala (online eller på plats) riktar sig till AI-utvecklare, arkitekter och produktchefer på mellan- till avancerad nivå som vill identifiera och mildra riskerna kopplade till LLM-drivna applikationer, inklusive promptinjektion, dataläckage och ofiltrerat utdata, samtidigt som säkerhetskontroller som input-validering, mänsklig övervakning (human-in-the-loop) och output-guardrails införs.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de grundläggande sårbarheterna i LLM-baserade system.
• Tillämpa principer för säker design på arkitekturen för LLM-applikationer.
• Använda verktyg som Guardrails AI och LangChain för validering, filtrering och säkerhet.
• Integrera metoder som sandlådning (sandboxing), red teaming och mänsklig granskning (human-in-the-loop) i produktionsklara pipelines.

Detta instruktörsledda, liveutbildning i Uppsala (online eller på plats) är riktat till mellannivåmaskininlärnings- och cybersäkerhetsexperter som önskar förstå och motverka framtida hot mot AI-modeller genom att använda både konceptuella ramverk och praktiska försvarsmetoder som robust utbildning och differentiell integritet.

Efter denna utbildning kommer deltagarna att kunna:

• Identifiera och klassificera AI-specifika hot som fiendtliga angrepp, inverseringsangrepp och förgiftning.
• Använd verktyg som Adversarial Robustness Toolbox (ART) för att simulera angrepp och testa modeller.
• Tillämpa praktiska försvarsmetoder inklusive fiendtlig utbildning, bullerinjektion och integritetsbevarande tekniker.
• Utforma hotmedvetna modellutvärderingsstrategier i produktionsmiljöer.

Denna instruktörledd, live-träning i Uppsala (online eller på plats) riktas till nybörjande IT-säkerhet, risk- och efterlevnadsprofessionals som önskar förstå grundläggande AI-säkerhetskoncept, hotvektorer och globala ramverk såsom NIST AI RMF och ISO/IEC 42001.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de unika säkerhetsrisker som introduceras av AI-system.
• Identifiera hotvektorer såsom fiendtliga angrepp, dataförgiftning och modellinversion.
• Använd grundläggande styrningsmodeller som NIST AI Risk Management Framework.
• Anpassa användningen av AI till uppkommande standarder, efterlevnadsriktlinjer och etiska principer.

Utgående från senaste riktlinjerna för OWASP GenAI Security Project kommer deltagarna att lära sig identifiera, utvärdera och mildra AI-specifika hot genom praktiska övningar och scenarier från verkligheten.

Denna kurs ger en praktisk introduktion till att säkra moderna AI-drivna applikationer, API:er, copiloter och autonoma agenter. Deltagarna lär sig hur AI-säkerhet skiljer sig från traditionell webb安全het utforskar vanliga AI-specifika hot som promptinjektion, RAG-förgiftning och agentmissbruk, samt förstår hur man skyddar AI-system med lagerade försvar inklusive WAF:er, AI-gateways, API-säkerhet och guardrails. Genom praktiska labbar och verkliga exempel får deltagarna de färdigheter som behövs för att identifiera AI-attackerpatton, säkra LLM-baserade applikationer och部署 effective runtime defenses for production environments.

Denna kurs lär mjukvaruutvecklare hur de bygger AI-drivna tillämpningar säkert från grunden. Deltagarna lär sig att skydda chattrobotar, kopiloter (copilots), RAG-pipelines och AI-agenter mot AI-specifika hot som prompt-injektion, dataskimrande, missbruk av verktyg, utläckning av hemligheter och otrygg hantering av modellutdata. Kursen omfattar säker prompt-design, RAG-säkerhet, minsta rättigheter, säkerhetsgrindar (guardrails) och rödträningstester, vilket hjälper utvecklare att bygga AI-funktioner som är säkra, pålitliga och robusta i verkliga miljöer.

Denna handledna, liveutbildning i Uppsala (online eller på plats) riktar sig till säkerhetsingenjörer och efterlevnadsansvariga som vill förstärka EXO-distributioner, kontrollera åtkomsten till modeller och styra AI-arbetsbelastningar som körs helt internt.

Denna instruktörledd, live-training i Uppsala (online eller på plats) är riktad till säkerhets- och ML-ingjärare som behöver identifiera, testa och försvara mot attacker mot ML-modeller och LLM-drivna applikationer.