Securing AI Models: Threats, Attacks, and Defenses Träningskurs

Denna instruktörsledda, liveutbildning på plats eller online är avsedd för företagsledare på mellannivå som vill förstå hur man styr och säkrar AI-system ansvarsfullt och i överensstämmelse med uppkommande globala ramverk såsom EU:s AI-förordning, GDPR, ISO/IEC 42001 och USA:s presidentorder om AI.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå de juridiska, etiska och regleringsmässiga riskerna med att använda AI över olika avdelningar.
• Tolka och tillämpa huvudramverk för AI-styrning (EU AI-förordning, NIST AI RMF, ISO/IEC 42001).
• Uppställa säkerhets-, revisions- och övervakningspolicyer för AI-distribution i företaget.
• Utveckla inköps- och användningsriktlinjer för tredje parts- och in-house AI-system.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till AI-utvecklare, arkitekter och produktchefer på mellan- och avancerad nivå som vill identifiera och minimera risker förknippade med LLM-drivna applikationer, inklusive promptinjektion, dataläckage och ofiltrerad utgång, samtidigt som säkerhetskontroller som inmatningsvalidering, människa-i-loopen övervakning och utgångsgränser införlivas.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå de grundläggande sårbarheterna i LLM-baserade system.
• Använda säkra designprinciper för LLM-apparkitektur.
• Använda verktyg som Guardrails AI och LangChain för validering, filtrering och säkerhet.
• Integrera teknik som sandlådor, red-teaming och människa-i-loopen-granskning i produktionsgraderade pipeline.

Denna instruktörsledda, live-training i Sverige (online eller på plats) riktar sig till IT-säkerhets-, risk- och complianceprofessionella på nybörjarnivå som vill förstå grundläggande AI-säkerhetskoncept, hotvektorer och globala ramverk som NIST AI RMF och ISO/IEC 42001.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de unika säkerhetsrisker som införs av AI-system.
• Identifiera hotvektorer såsom motståndarattacker, datamissbruk och modellinversion.
• Tillämpa grundläggande styrningsmodeller som NIST AI Risk Management Framework.
• Anpassa AI-användning efter nya standarder, komplianceregler och etiska principer.