آمادگی آزمون گواهینامه CompTIA SecAI+ (CY-001) - آخرین آپدیت

دانلود CompTIA SecAI+ (CY0-001) Cert Prep

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

با آماده شدن برای آزمون CompTIA SecAI+ (CY-001)، به بررسی عمیق پیوندهای میان هوش مصنوعی و امنیت سایبری بپردازید. مایک چاپل (Mike Chapple) استاد تدریس فناوری اطلاعات، تحلیل و عملیات، مفاهیم بنیادی هوش مصنوعی مرتبط با امنیت سایبری را با تمرکز بر تاریخچه، اصطلاحات و مسئولیت‌های امنیتی در چرخه حیات AI آموزش می‌دهد. در این دوره، دانش تخصصی حوزه‌های مختلف، مانند ایمن‌سازی سیستم‌های هوش مصنوعی در برابر بردارهای حمله مانند مسموم‌سازی داده‌ها (Data Poisoning) و دسترسی‌های نادرست به مدل را فرا خواهید گرفت. همچنین تکنیک‌های امنیتی به کمک AI و چارچوب‌های حاکمیت، ریسک و انطباق (GRC) در هوش مصنوعی را بررسی کنید. مهارت‌های عملی شامل شناسایی تهدیدات، تست نفوذ با استفاده از AI و اتوماسیون وظایف اصلی امنیتی را بیاموزید. علاوه بر این، برای کسب گواهینامه‌ای آماده شوید که توانایی شما را در محافظت موثر از سیستم‌های یکپارچه با هوش مصنوعی تایید می‌کند. این دوره برای متخصصان IT که با امنیت سایبری آشنایی دارند طراحی شده است.

این دوره توسط مایک چاپل ایجاد شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • درباره آزمون SecAI+ About the SecAI+ exam

1. آزمون SecAI+ 1. The SecAI+ Exam

  • ارزش دریافت گواهینامه The Value of Certification

  • معرفی آزمون SecAI+ The SecAI+ exam

  • فرصت‌های شغلی در امنیت AI Careers in AI security

  • منابع مطالعه Study resources

2. نگاهی به داخل آزمون SecAI+ 2. Inside the SecAI+ Exam

  • نکات آزمون Exam tips

  • انواع سوالات SecAI+ SecAI+ question types

  • آزمون در منزل At-home testing

  • محیط آزمون حضوری In-person exam environment

  • قبولی در آزمون SecAI+ Passing the SecAI+ exam

3. دامنه 1: مفاهیم پایه هوش مصنوعی مرتبط با امنیت سایبری 3. Domain 1: Basic AI Concepts Related to Cybersecurity

  • مرور کلی مفاهیم پایه AI مرتبط با امنیت سایبری Overview of the Basic AI Concepts Related to Cybersecurity Domain

4. انواع هوش مصنوعی 4. Types of AI

  • انواع هوش مصنوعی Types of AI

  • هوش مصنوعی مولد (Generative AI) Generative AI

  • پردازش زبان طبیعی (NLP) Natural language processing

  • مقایسه LLMها در برابر SLMها LLMs vs. SLMs

  • یادگیری عمیق Deep learning

  • یادگیری ماشین Machine learning

5. تکنیک‌های آموزش مدل 5. Model Training Techniques

  • اعتبارسنجی مدل Model validation

  • تنظیم دقیق مدل (Fine-tuning) Model fine-tuning

  • یادگیری تقویتی Reinforcement learning

  • یادگیری نظارت شده Supervised learning

  • یادگیری نظارت نشده Unsupervised learning

  • یادگیری فدرال (Federated Learning) Federated learning

6. مهندسی پرامپت 6. Prompt Engineering

  • پرامپت‌نویسی Zero-shot Zero-shot prompting

  • پرامپت‌نویسی Multi-shot Multi-shot prompting

  • پرامپت‌نویسی One-shot One-shot prompting

  • اصول مهندسی پرامپت Prompt engineering

  • نقش‌های پرامپت Prompt roles

7. پردازش داده‌ها 7. Data Processing

  • افزونگی داده‌ها (Data Augmentation) Data augmentation

  • متعادل‌سازی داده‌ها Data balancing

  • واترمارکینگ (Watermarking) Watermarking

  • پاک‌سازی داده‌ها Data cleansing

  • تایید صحت داده‌ها Data verification

  • انواع داده‌ها Data types

  • نسب و منشأ داده‌ها Data lineage and provenance

  • یکپارچگی داده‌ها Data integrity

8. تولید تقویت شده با بازیابی (RAG) 8. Retrieval-Augmented Generation (RAG)

  • یکپارچگی داده‌های بازیابی شده Integrity of retrieved data

  • ملاحظات حریم خصوصی در RAG RAG privacy considerations

  • ایمن‌سازی مخزن دانش Securing the knowledge store

  • تولید تقویت شده با بازیابی (RAG) Retrieval-Augmented Generation (RAG)

9. امنیت در چرخه حیات هوش مصنوعی 9. Security in the AI Lifecycle

  • نظارت و نگهداری Monitoring and Maintenance

  • استقرار و یکپارچه‌سازی مدل Model deployment and integration

  • ارزیابی و اعتبارسنجی مدل Model evaluation and validation

  • آماده‌سازی داده‌ها Data preparation

  • چرخه حیات هوش مصنوعی The AI lifecycle

  • توسعه و انتخاب مدل Model development and selection

  • جمع‌آوری داده‌ها Data collection

  • همسویی تجاری در چرخه حیات AI Business alignment in the AI lifecycle

10. طراحی هوش مصنوعی انسان‌محور 10. Human-Centric AI Design

  • انسان در چرخه (Human-in-the-loop) Human-in-the-loop

  • تایید انسانی Human validation

  • طراحی AI انسان‌محور Human-centric AI design

  • نظارت انسانی Human oversight

11. دامنه 2: ایمن‌سازی سیستم‌های هوش مصنوعی 11. Domain 2: Securing AI Systems

  • مرور کلی دامنه ایمن‌سازی سیستم‌های AI Overview of the Securing AI Systems domain

12. حملات داده‌ای و آموزشی 12. Data and Training Attacks

  • مسموم‌سازی داده‌ها Data poisoning

  • ایجاد سوگیری‌ها (Biases) Introducing biases

  • حملات یادگیری انتقالی Transfer learning attacks

  • انحراف مدل (Model Skewing) Model skewing

  • مسموم‌سازی مدل Model poisoning

  • حملات درپوش (Backdoor) و تروجان Backdoor and trojan attacks

13. حملات دستکاری پرامپت و ورودی 13. Prompt and Input Manipulation Attacks

  • دور زدن نرده‌های حفاظتی و جیل‌بریکینگ Circumventing guardrails and jailbreaking

  • تزریق پرامپت (Prompt Injection) Prompt injection

  • دستکاری ورودی Input manipulation

14. حملات استخراج مدل و نشت اطلاعات 14. Model Extraction and Information Leakage Attacks

  • استنتاج عضویت (Membership Inference) Membership Inference

  • وارونگی مدل (Model Inversion) Model inversion

  • سرقت مدل Model Theft

  • افشای اطلاعات حساس Sensitive information disclosure

15. حملات عملیاتی و یکپارچه‌سازی 15. Integration and Operational Attacks

  • اتکای بیش از حد به AI Overreliance

  • طراحی ناامن پلاگین‌ها Insecure plug-in design

  • حملات زنجیره تامین AI AI supply chain attacks

  • توهمات هوش مصنوعی (Hallucinations) AI hallucinations

  • عاملیت بیش از حد (Excessive Agency) Excessive agency

  • حملات یکپارچگی خروجی Output integrity attacks

  • دستکاری یکپارچه‌سازی‌های اپلیکیشن Manipulating application integrations

  • مدیریت ناامن خروجی‌ها Insecure output handling

  • محروم‌سازی از سرویس مدل (DoS) Model denial of service

16. کنترل‌های امنیتی هوش مصنوعی 16. AI Security Controls

  • نرده‌های حفاظتی مدل (Guardrails) Model Guardrails

  • قالب‌های پرامپت Prompt templates

  • ارزیابی ریسک مدل Model risk assessment

  • تست و اعتبارسنجی Guardrailها Guardrail testing and validation

17. کنترل‌های دسترسی هوش مصنوعی 17. AI Access Controls

  • فایروال‌های پرامپت Prompt firewalls

  • کنترل دسترسی عامل‌ها (Agents) Agent access controls

  • کنترل دسترسی داده‌ها Data access controls

  • محدودیت‌ها و سهمیه‌ها Limits and quotas

  • کنترل دسترسی به مدل Model access controls

  • کنترل دسترسی شبکه و API Network and API access controls

18. رمزنگاری و ایمنی داده‌ها 18. Encryption and Data Safety

  • رمزنگاری داده‌ها Data encryption

  • ناشناس‌سازی داده‌ها (Anonymization) Data anonymization

  • پوشاندن داده‌ها (Redaction) Data redaction

  • ماسکینگ داده‌ها (Masking) Data masking

  • حداقل‌سازی داده‌ها Data minimization

  • برچسب‌گذاری طبقه‌بندی داده‌ها Data classification labeling

19. نظارت و ممیزی هوش مصنوعی 19. AI Monitoring and Auditing

  • نظارت بر لاگ‌ها Log monitoring

  • نظارت بر نرخ و هزینه Rate and Cost Monitoring

  • ممیزی توهمات هوش مصنوعی Auditing for AI hallucinations

  • ممیزی دسترسی و انطباق امنیتی Auditing access and security compliance

  • ممیزی دقت Auditing for accuracy

  • نظارت بر پرامپت‌ها و پاسخ‌ها Monitoring prompts and responses

  • ممیزی سوگیری و عدالت Auditing for Bias and Fairness

20. دامنه 3: امنیت به کمک هوش مصنوعی 20. Domain 3: AI-Assisted Security

  • مرور کلی دامنه امنیت به کمک AI Overview of the AI-assisted Security Ddmain

21. ابزارهای امنیتی مبتنی بر هوش مصنوعی 21. AI-Assisted Security Tools

  • پلاگین‌های IDE IDE plug-ins

  • هوش مصنوعی در ابزارهای امنیتی AI in security tools

  • پلاگین‌های CLI CLI plug-ins

  • چت‌بات‌ها و دستیاران شخصی Chatbots and Personal Assistants

  • پلاگین‌های مرورگر Browser plug-ins

  • سرورهای MCP MCP servers

22. موارد کاربرد امنیتی هوش مصنوعی 22. AI Security Use Cases

  • شناسایی و پیشگیری از تهدیدات Threat detection and prevention

  • عملیات امنیتی مبتنی بر زبان Language-driven security operations

  • توسعه کد امن Secure code development

  • تست نفوذ Penetration testing

  • پاسخگویی و مدیریت حوادث Incident response and management

23. حملات فعال شده توسط هوش مصنوعی 23. AI-Enabled Attacks

  • مهندسی اجتماعی Social engineering

  • همبستگی خودکار داده‌ها Automated data correlation

  • شناسایی و شناسایی هدف (Reconnaissance) Reconnaissance

  • شبکه‌های متخاصم (Adversarial Networks) Adversarial networks

  • محتوای دیپ‌فیک (Deepfake) Deepfake content

  • مبهم‌سازی (Obfuscation) Obfuscation

  • تولید خودکار حملات Automated attack generation

24. اتوماسیون وظایف امنیتی 24. Automating Security Tasks

  • هوش مصنوعی در خط لوله CI/CD AI in the CI/CD pipeline

  • عامل‌های هوش مصنوعی (AI Agents) AI agents

  • ابزارهای اسکریپت‌نویسی Scripting tools

  • مدیریت تغییرات Change management

  • مدیریت تیکت‌های پاسخ به حوادث Incident response ticket management

  • سنتز و خلاصه‌سازی اسناد Document synthesis and summarization

25. دامنه 4: حاکمیت، ریسک و انطباق هوش مصنوعی 25. Domain 4: AI Governance, Risk, and Compliance

  • مرور کلی دامنه حاکمیت، ریسک و انطباق AI Overview of the AI Governance, Risk, and Compliance domain

26. حاکمیت هوش مصنوعی 26. AI Governance

  • سازماندهی برای هوش مصنوعی Organizing for AI

  • حاکمیت بر AI Governing AI

  • نقش‌های مرتبط با هوش مصنوعی AI-Related Roles

  • سیاست‌ها و رویه‌های AI AI policies and procedures

27. ریسک‌های هوش مصنوعی 27. AI Risks

  • ریسک‌های هوش مصنوعی AI risks

  • سیستم‌های خودمختار Autonomous systems

  • نشت تصادفی داده‌ها Accidental data leakage

  • آموزش‌های آگاهی‌بخش Awareness training

  • از دست دادن اعتبار و شهرت Reputational loss

  • وارد شدن سوگیری Introduction of bias

  • دقت و عملکرد مدل Accuracy and performance of the model

  • سایه IT و سایه AI (Shadow AI) Shadow IT and shadow AI

  • هوش مصنوعی مسئولانه Responsible AI

  • ریسک‌های مالکیت معنوی Intellectual property risks

28. انطباق هوش مصنوعی 28. AI Compliance

  • قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) EU AI Act

  • استانداردهای OECD OECD standards

  • استانداردهای ISO برای AI ISO AI standards

  • ارزیابی‌های انطباق شخص ثالث Third-party compliance evaluations

  • چارچوب مدیریت ریسک AI سازمان NIST NIST AI Risk Management Framework

  • انطباق هوش مصنوعی AI compliance

  • حاکمیت داده‌ها (Data Sovereignty) Data Sovereignty

  • سیاست‌های هوش مصنوعی شرکتی Corporate AI policies

گام‌های بعدی چیست؟ What's Next?

  • آمادگی برای آزمون Preparing for the exam

نمایش نظرات

آمادگی آزمون گواهینامه CompTIA SecAI+ (CY-001)
جزییات دوره
6h 13m
147
(آخرین آپدیت)
17,964
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mike Chapple Mike Chapple

استاد تدریس در دانشگاه نوتردام

مایک چاپل استاد تدریس فناوری اطلاعات، تجزیه و تحلیل و عملیات در کالج تجارت مندوزا در دانشگاه نوتردام است.



br>در سمت قبلی خود به عنوان مدیر ارشد ارائه خدمات فناوری اطلاعات در دانشگاه نوتردام، او بر امنیت اطلاعات، معماری فناوری اطلاعات، مدیریت پروژه، برنامه ریزی استراتژیک و عملکردهای انطباق با فناوری اطلاعات برای دفتر فناوری اطلاعات نظارت داشت.

مایک یک متخصص امنیت سایبری و تجزیه و تحلیل با بیش از بیست سال تجربه است. او نویسنده بیش از 30 کتاب، از جمله راهنمای مطالعه رسمی (ISC) 2 CISSP و راهنمای مطالعه Sybex از جان وایلی و پسران است که گواهینامه های Security+، CySA+، PenTest+، CISM و CIPP را پوشش می دهد. دوره های آموزشی LinkedIn او طیف گسترده ای از موضوعات مربوط به امنیت سایبری و تجزیه و تحلیل را پوشش می دهد.

درباره برنامه‌های آموزشی امنیت سایبری Mike در CertMike.com اطلاعات بیشتری کسب کنید.

Frederick Nwanganga Frederick Nwanganga

کارشناس و مدرس فناوری اطلاعات

فردریک نوانگانگا دانشیار تدریس در زمینه تجزیه و تحلیل و عملیات.

او بیش از 15 سال تجربه تحلیلی دارد و دوره های کارشناسی ارشد و لیسانس در مدیریت داده، یادگیری ماشین و تجزیه و تحلیل داده های بدون ساختار را در کالج تجارت مندوزا در دانشگاه نوتردام تدریس می کند. قبل از پیوستن به مندوزا به عنوان استاد تمام وقت، فرد تقریباً 20 سال در زمینه فناوری اطلاعات در چندین سمت به عنوان توسعه دهنده نرم افزار، تحلیلگر تجاری، مدیر پایگاه داده، مدیر پروژه و مدیر فناوری کار کرد. او به مدت سه سال یک شرکت مشاوره خدمات کسب و کار فناوری اطلاعات را تأسیس کرد و آن را اداره کرد و نویسنده کتاب درسی یادگیری ماشینی به نام یادگیری ماشین عملی در R.
است.