Bygga säkra AI-tillämpningar Träningskurs

AAISM is an advanced framework for assessing, governing, and managing security risks in artificial intelligence systems.

This instructor-led, live training (online or onsite) is aimed at advanced-level professionals who wish to implement effective security controls and governance practices for enterprise AI environments.

At the conclusion of this program, participants will be prepared to:

• Evaluate AI security risks using industry-recognized methodologies.
• Implement governance models for responsible AI deployment.
• Align AI security policies with organizational goals and regulatory expectations.
• Enhance resilience and accountability within AI-driven operations.

Format of the Course

• Facilitated lectures supported by expert analysis.
• Practical workshops and assessment-based activities.
• Applied exercises using real-world AI governance scenarios.

Course Customization Options

• For tailored training aligned to your organizational AI strategy, please contact us to customize the course.

Denna instruktörledda, liveutbildning i Sverige (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.

Artificiell intelligens (AI) introducerar nya dimensioner av operativa risker, styrningsutmaningar och cybersäkerhetsutsättningar för myndigheter och departement.

Denna instruktörsledda, live-träning (online eller på plats) riktar sig till IT- och riskprofessionella inom den offentliga sektorn med begränsad tidigare erfarenhet av AI som vill förstå hur man utvärderar, övervakar och säkrar AI-system inom en regerings- eller regleringskontext.

Vid slutet av denna träning kommer deltagarna att kunna:

• Tydliggöra nyckelriskkoncept relaterade till AI-system, inklusive bias, oförutsägbarhet och modellförskjutning.
• Tillämpa AI-specifika styrnings- och revisionsramar som NIST AI RMF och ISO/IEC 42001.
• Identifiera cybersäkerhetshot som riktar sig mot AI-modeller och datapipelines.
• Upprätta tvärdepartementella riskhanteringsplaner och policyöverensstämmelse för AI-implementering.

Kursformat

• Interaktiv föreläsning och diskussion av användningsfall i den offentliga sektorn.
• Övningar i AI-styrningsramar och policykartläggning.
• Scenariebaserad hotmodellering och riskutvärdering.

Anpassningsalternativ för kursen

• För att begära en anpassad träning för denna kurs, kontakta oss för att ordna.

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.

Detta instruktörsledda, liveutbildning i Sverige (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 instruktörledda, liveutbildning i Sverige (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.

Denna instruktörsledda, liveutbildning i Sverige (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 handledna, liveutbildning i Sverige (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-träning i Sverige (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.

Denna instruktörledd, live-training i Sverige (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.

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 instruktörsledda, liveutbildning i Sverige (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 handledningsskapad, liveutbildning i Sverige (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.

Detta instruktörledda, liveutbildning i Sverige (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.

Detta instruktörsledda, liveutbildning i Sverige (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.