آموزش مسترکلاس مدلسازی تهدیدات هوش مصنوعی عاملمحور (Agentic AI) ۲۰۲۶ - آخرین آپدیت
دانلود The Threat Modeling For Agentic AI Masterclass 2026
هوش مصنوعی عاملمحور (Agentic AI) تکامل بعدی هوش مصنوعی است؛ سیستمهایی که میتوانند بهطور مستقل برنامهریزی کنند، تصمیم بگیرند و با حداقل دخالت انسان، اقداماتی را اجرا نمایند. این اکوسیستمهای چند-عاملی در حال متحول کردن صنایع هستند، اما در عین حال ریسکهای امنیتی جدیدیرا به همراه دارند که بسیار فراتر از دغدغههای سنتی امنیت سایبری است.
"مسترکلاس مدلسازی تهدیدات سیستمهای Agentic AI"یک دوره کاربردی و عملی است که به شما میآموزد چگونه با استفاده از چارچوبهای ساختاریافتهای مانند MAESTROو راهنمای تهدیدات و کاهش مخاطرات Agentic AI سازمان OWASP، تهدیدات را در سیستمهای هوش مصنوعی خودمختار شناسایی، تحلیل و خنثیکنید.
این دوره فراتر از تئوری است؛ با بررسی مطالعات موردی، سناریوهای واقعی و دفاعهای لایهای، یاد میگیرید چگونه بهطور سیستماتیک تهدیدات را به ریسکها (T1-T15) نگاشت کنید، احتمال و اثر آنها را ارزیابی نمایید و استراتژیهای کاهش ریسک موثری طراحی کنید.
آنچه در این دوره خواهید آموخت:
اصول بنیادی و معماری هوش مصنوعی عاملمحور و سیستمهای چند-عاملی
نحوه بهکارگیری چارچوب MAESTROبرای مدلسازی لایهای تهدیدات
طبقهبندی تهدیدات Agentic AI (T1-T15) در OWASPو نحوه پیادهسازی عملی آن
تکنیکهای حمله به Agentic AI، شامل سوءاستفاده از ابزارها، دستکاری اهداف، مسمومسازی حافظه و بهرهبرداری از حلقهی دخالت انسان
نحوه انجام ارزیابی ریسکو مدلسازی تهدیدات در این سیستمها
استراتژیهای تدوین برنامههای کاهش ریسک (Mitigation)که هم ریسکهای خاص AI و هم ریسکهای امنیتی بین-لایهای را پوشش دهد
سرفصلهای دوره:
آشنایی با سیستمهای هوش مصنوعی عاملمحور
Agentic AI و سیستمهای چند-عاملی چیستند؟
تفاوت آنها با هوش مصنوعی سنتی و مولد (Generative AI) در چیست؟
چرا امنیت در Agentic AI غیرقابل مذاکره است؟
تهدیدات در سیستمهای Agentic AI
مروری بر چشمانداز ریسکهای هوش مصنوعی عاملمحور
توضیح مدل تهدیدات ASI (از T1 تا T15)
چارچوب MAESTRO
ریسکهای مدلهای پایه (Foundation Models)
تهدیدات عملیات داده (مسمومسازی RAG، حملات ارتباطی)
سوءاستفاده از چارچوب عامل (سوءاستفاده از ابزار، شکستن قصد کاربر)
امنیت استقرار، نظارتپذیری و اکوسیستم
پیادهسازی عملی مدلسازی تهدیدات Agentic AI
مدلسازی گامبهگام تهدیدات با MAESTRO
سه مطالعه موردی با منابع ابدی (قالبهای Notion)
کاهش ریسک و حاکمیت (Governance)
طراحی معماریهای امن برای Agentic AI
راهکارهای کاهش ریسک لایهای و بین-لایهای
چه کسانی باید در این دوره شرکت کنند؟
این دوره برای افرادی که به دنبال ایمنسازی نسل بعدی سیستمهای هوش مصنوعی هستند ایدهآل است، از جمله:
مهندسان و معماران AI
متخصصان امنیت سایبری
دانشمند داده و متخصصان حاکمیت AI
مدیران IT و متخصصان مدیریت ریسک
رهبران کسبوکار که در حال ارزیابی پذیرش Agentic AI هستند
پیشنیازها
داشتن درک پایه از هوش مصنوعی و امنیت سایبری توصیه میشود
مدرس
تیمور اجلال (Taimur Ijlal)یک رهبر برجسته و برنده چندین جایزه در حوزه امنیت سایبری با بیش از ۲۰ سال تجربه جهانی در مدیریت ریسک سایبری، امنیت AI و حاکمیت IT است. وی که به عنوان CISO سالو یکی از ۳۰ CISO برتر جهانشناخته شده است، آثارش در مجله ISACA، مجله CIO خاورمیانهو چندین نشریه امنیت AI منتشر شده است.
او هزاران دانشجو را در سراسر جهان از طریق دورههای Udemy آموزش داده و کتابهایش در زمینه امنیت AI و رایانش ابری در رتبه اول پرفروشترینهای آمازونقرار گرفتهاند.
مقدمه Introduction
-
مقدمه Introduction
مبانی هوش مصنوعی عاملمحور Agentic AI Foundations
-
هوش مصنوعی عاملمحور چیست؟ What is Agentic AI
-
معماری Agentic AI Agentic AI Architecture
-
دموی هوش مصنوعی عاملمحور Demo - Agentic AI
-
پروتکل کانتکست مدل (MCP) The Model Context Protocol
-
دموی MCP Demo - MCP
تهدیدات و ریسکهای Agentic AI Agentic AI Threats and Risks
-
درک تهدیدات Agentic AI Understanding Agentic AI Threats
-
T1-مسمومسازی حافظه T1 - Memory Poisoning
-
T2-سوءاستفاده از ابزار T2 - Tool Misuse
-
T2-سوءاستفاده از ابزار (ارزیابی سرورهای MCP) T2 - Tool Misuse ( Assessing MCP Servers )
-
T3-بهدست آمدن دسترسیهای ویژه T3 - Privilege Compromise
-
T4-سربار منابع T4 - Resource Overload
-
T5-توهمات زنجیرهای T5 - Cascading Hallucinations
-
T6-شکستن قصد کاربر T6 - Intent Breaking
-
T7-عدم تراز (Misalignment) T7 - Misalignment
-
T8-انکار (Repudiation) T8 - Repudiation
-
T9-جعل هویت T9 - Identity Spoofing
-
T10-اشباع کردن دخالت انسان در حلقه T10 - Overwhelming Human in the Loop
-
T11-اجرای کد از راه دور (RCE) T11 - Remote Code Execution
-
T12-ارتباطات بین عاملها T12 - Agent Communication
-
T13-عامل سرکش (Rogue Agent) T13 - Rogue Agent
-
T14-حملات انسانی به سیستمهای چند-عاملی T14 - Human Attacks on Multi-Agentic Systems
-
T15-دستکاری انسانی T15 - Human Manipulation
مدلسازی تهدیدات هوش مصنوعی عاملمحور Threat Modeling Agentic AI
-
مدلسازی تهدیدات Agentic AI بخش اول Threat Modeling Agentic AI Part 1
-
مدلسازی تهدیدات Agentic AI بخش دوم Threat Modeling Agentic AI Part 2
-
مطالعه موردی اول بخش اول Case Study 1 - Part 1
-
مطالعه موردی اول بخش دوم Case Study 1 - Part 2
-
مطالعه موردی اول بخش سوم Case Study 1 - Part 3
-
مطالعه موردی اول قالب Notion Case Study 1 - Notion Template
-
مطالعه موردی دوم بخش اول Case Study 2 - Part 1
-
مطالعه موردی دوم بخش دوم Case Study 2 - Part 2
-
مطالعه موردی دوم قالب Notion Case Study 2 - Notion Template
-
مطالعه موردی سوم Case Study 3
-
مطالعه موردی سوم قالب Notion Case Study 3 - Notion Template
سیستم Openclaw و دستیاران شخصی عاملمحور Openclaw and Personal Agentic Assistants
-
ظهور OpenClaw و سایر دستیاران شخصی عاملمحور The rise of OpenClaw and other personal agentic assistants
-
مدلسازی تهدیدات OpenClaw و سایر دستیاران Threat Modeling OpenClaw and other assistants
-
توضیح OpenClaw برای مدیر امنیت (CISO) Explaining OpenClaw to the CISO
طراحی سیستمهای عاملمحور امن Designing Secure Agentic Systems
-
الگوهای طراحی امن برای Agentic AI بخش اول Secure Agentic AI Design Patterns - Part 1
-
الگوهای طراحی امن برای Agentic AI بخش دوم Secure Agentic AI Design Patterns - Part 2
جمعبندی Conclusion
-
مسیر پیش رو The Way Forward
https://donyad.com/d/d30378
Taimur Ijlal
متخصص امنیت ابری، معلم، وبلاگ نویس
نمایش نظرات