Course Outline

AI 보안 과제 소개

  • AI 시스템에 고유한 보안 위험 이해
  • 기존 사이버 보안과 AI 사이버 보안 비교
  • AI 모델의 공격 표면 개요

적대적 Machine Learning

  • 적대적 공격 유형: 회피, 중독 및 추출
  • 적대적 방어 및 대응책 구현
  • 다양한 산업에서의 적대적 공격에 대한 사례 연구

모델 강화 기술

  • 모델 견고성 및 강화 소개
  • 공격에 대한 모델 취약성을 줄이는 기술
  • 방어 증류 및 기타 강화 방법에 대한 실습

Machine Learning의 데이터 보안

  • 훈련 및 추론을 위한 데이터 파이프라인 보안
  • 데이터 유출 및 모델 역전 공격 방지
  • AI 시스템에서 민감한 데이터를 관리하기 위한 모범 사례

AI 보안 규정 준수 및 규제 요구 사항

  • AI와 데이터 보안에 대한 규정 이해
  • GDPR, CCPA 및 기타 데이터 보호법 준수
  • 안전하고 규정을 준수하는 AI 모델 개발

AI 시스템 보안 모니터링 및 유지 관리

  • AI 시스템에 대한 지속적인 모니터링 구현
  • 머신 러닝의 보안을 위한 로깅 및 감사
  • AI 보안 사고 및 침해에 대응

AI 사이버 보안의 미래 동향

  • AI 및 머신 러닝 보안의 새로운 기술
  • AI 사이버 보안 혁신의 기회
  • 미래 AI 보안 과제에 대비하기

요약 및 다음 단계

Requirements

  • 머신러닝 및 AI 개념에 대한 기본 지식
  • 사이버 보안 원칙 및 관행에 대한 지식

청중

  • AI 시스템의 보안을 개선하고자 하는 AI 및 머신 러닝 엔지니어
  • AI 모델 보호에 중점을 둔 사이버 보안 전문가
  • 데이터 거버넌스 및 보안 분야의 규정 준수 및 위험 관리 전문가
 14 Hours

Number of participants


Price per participant

회원 평가 (5)

Upcoming Courses

Related Categories