Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 21 timmar
Kursplan
Introduktion till säkerhet i TinyML
- Säkerhetsutmaningar i resursbegränsade ML-system
- Hotmodeller för TinyML-distributioner
- Riskkategorier för inbäddade AI-tilämpningar
Dataintegritet i AI i kanten
- Integritetsoverväganden för databearbetning på enheten
- Minimera dataexponering och överföringar
- Te kniker för decentraliserad datahantering
Antagonistiska attacker på TinyML-modeller
- Hot om modellundvikande och förgiftning
- Manipulation av inmatning på inbäddade sensorer
- Bedömning av sårbarhet i begränsade miljöer
Säkerhetsförstärkning för inbäddad ML
- Firmware- och hårdvaruskyddslag
- Tillgångskontroll och säkra startmekanismer
- Bästa praxis för att skydda slutningspipeline
Te kniker för bevarande av integritet i TinyML
- Kvantifiering och överväganden kring modelldesign för integritet
- Te kniker för anonymisering på enheten
- Lättviktsskydd och metoder för säker beräkning
Säker distribution och underhåll
- Säker tillhandahållande av TinyML-enheter
- OTA-uppdateringar och patchstrategier
- Övervakning och incidenthantering i kanten
Testning och verifiering av säkra TinyML-system
- Testramverk för säkerhet och integritet
- Simulering av verkliga angreppsscenarier
- Verifierings- och efterlevnadsoverväganden
Case Studies och tillämpade scenarier
- Säkerhetsfel i AI-ökosystem i kanten
- Design av robusta TinyML-arkitekturer
- Utvärdering av avvägningar mellan prestanda och skydd
Sammanfattning och nästa steg
Krav
- Förståelse för inbäddade systemarkitekturer
- Upplevelse med maskininlärningsarbetsflöden
- Kunskap om grundläggande cybersäkerhet
Målgrupp
- Säkerhetsanalytiker
- AI-utvecklare
- Inbäddade ingenjörer
Vittnesmål (1)
Övningarna
Gianluca Bovo - Urmet
Kurs - Security and Privacy in TinyML Applications
Maskintolkat