Kurzusleírás

Bevezetés a Security and Privacy in Edge AI-ba

  • Az Edge AI és egyedülálló biztonsági és adatvédelmi kihívásainak áttekintése
  • Főbb különbségek az él- és a felhőbiztonság között
  • Jelenlegi trendek és újonnan felmerülő fenyegetések az Edge AI biztonságában
  • Valós esettanulmányok és események

Edge eszközök rögzítése

  • A legjobb gyakorlatok az éles hardver biztosításához
  • A biztonságos rendszerindítás és a bizalom hardveres gyökerének megvalósítása
  • Adatok védelme nyugalmi állapotban és átvitel közben a szélső eszközökön
  • Esettanulmányok a biztonságos élű eszközök telepítéséről

Adatvédelem az Edge AI-ben

  • Adatvédelem biztosítása az Edge AI alkalmazásokban
  • Adatok anonimizálásának és titkosításának technikái
  • A magánélet védelmét megőrző gépi tanulási technikák
  • Esettanulmányok az adatvédelemre fókuszáló Edge AI-alkalmazásokról

Fenyegetés észlelése és mérséklése

  • Az Edge AI potenciális fenyegetéseinek és sebezhetőségeinek azonosítása
  • Behatolásjelző és -megelőzési rendszerek megvalósítása
  • Valós idejű fenyegetésfigyelés és reagálás
  • Gyakorlati gyakorlatok a fenyegetések észlelésében és mérséklésében

Hitelesítés és Access vezérlés

  • Robusztus hitelesítési mechanizmusok megvalósítása szélső eszközökhöz
  • Hozzáférés-vezérlés és felhasználói engedélyek kezelése
  • API-k és kommunikációs csatornák biztonságossá tétele
  • Gyakorlati példák és esettanulmányok

Az Edge AI etikai szempontjai

  • Az Edge AI-telepítések etikai kihívásainak megértése
  • Az elfogultság és az igazságosság kezelése a mesterséges intelligencia modellekben
  • Az átláthatóság és az elszámoltathatóság biztosítása
  • Az etikai irányelvek és előírások betartása

Előírásoknak való megfelelés

  • A vonatkozó előírások és szabványok áttekintése (GDPR, HIPAA stb.)
  • A megfelelőség biztosítása az Edge AI-telepítéseknél
  • Biztonsági és adatvédelmi auditok lefolytatása
  • Esettanulmányok az Edge AI szabályozási megfelelőségéről

Teljesítmény és biztonság kompromisszumok

  • A teljesítmény és a biztonság egyensúlya az Edge AI alkalmazásokban
  • Technikák a biztonság optimalizálására a teljesítmény veszélyeztetése nélkül
  • Eszközök és keretrendszerek a biztonságos Edge AI fejlesztéshez
  • Gyakorlati példák és esettanulmányok

Eseményreagálás és helyreállítás

  • Incidensreagálási tervek kidolgozása Edge AI-alkalmazásokhoz
  • A biztonság megsértésével kapcsolatos vizsgálatok lefolytatása
  • Helyreállítási stratégiák és üzletmenet-folytonossági tervek megvalósítása
  • Gyakorlati gyakorlatok az incidensek kezelésére

Biztonsági értékelések és auditok

  • Átfogó biztonsági felmérések elvégzése az Edge AI-hez
  • A biztonsági auditálás eszközei és módszerei
  • A biztonsági hiányosságok azonosítása és kezelése
  • Gyakorlati példák és esettanulmányok

Innovatív Use Case és alkalmazások

  • Fejlett biztonsági alkalmazások az Edge AI-ben
  • Mélyreható esettanulmányok a biztonságos Edge AI-telepítésekről
  • Sikertörténetek és tanulságok
  • Az Edge AI biztonság jövőbeli trendjei és lehetőségei

Gyakorlati projektek és gyakorlatok

  • Egy Edge AI-alkalmazás biztonsági felmérésének elvégzése
  • Valós projektek és forgatókönyvek
  • Együttműködő csoportos gyakorlatok
  • Projektbemutatók és visszajelzések

Összegzés és a következő lépések

Követelmények

  • Az AI és a gépi tanulási koncepciók megértése
  • Alapvető ismeretek a kiberbiztonsági elvekről
  • Programozási nyelvekkel kapcsolatos tapasztalat (Python ajánlott)

Közönség

  • Kiberbiztonsági szakemberek
  • Rendszergazdák
  • AI etikai kutatók
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák