آموزش مهندسی شناسایی سوءاستفاده از هوش مصنوعی [ویدئویی] - آخرین آپدیت

دانلود Detection Engineering for AI Abuse [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با استقرار مدل‌های زبانی بزرگ (LLM) و برنامه‌های مبتنی بر هوش مصنوعی در محیط‌های عملیاتی، تیم‌های امنیتی به روش‌های موثری برای شناسایی سوءاستفاده‌ها و رفتارهای خصمانه نیاز دارند. در این ورکشاپ عملی، واندانا ورما، پیشرو در حوزه امنیت سایبری، شرکت‌کنندگان را با تکنیک‌های کاربردی مهندسی شناسایی برای تشخیص سوءاستفاده از هوش مصنوعی در سیستم‌های مدرن آشنا می‌کند. شما خواهید آموخت که چگونه الگوهای حمله در دنیای واقعی را به منطق شناسایی عملی تبدیل کنید تا بتوانید تلاش‌های تزریق پرامپت (Prompt Injection)، فعالیت‌های استخراج غیرمجاز داده‌ها، استفاده ناامن از ابزارها و سایر اشکال سوءاستفاده از LLM را شناسایی کنید. تمرکز این ورکشاپ بر ساخت قوانین کاربردی، تنظیم سیگنال‌ها و بهبود دید عملیاتی در برنامه‌ها و جریان‌های کاری مبتنی بر هوش مصنوعی است. از طریق تمرینات تعاملی و سناریوهای واقع‌گرایانه، بررسی خواهید کرد که چگونه اصول مدرن مهندسی شناسایی در محیط‌های AI اعمال می‌شوند و تیم‌های امنیتی چگونه می‌توانند نرخ مثبت کاذب (False Positives) را کاهش داده و کیفیت شناسایی را بهبود ببخشند. این دوره همچنین بررسی می‌کند که چگونه تلمتری‌های خاص هوش مصنوعی و الگوهای رفتاری می‌توانند استراتژی‌های نظارتی و پاسخ به حوادث را تقویت کنند. در پایان این ورکشاپ، شما تجربه عملی در ساخت قوانین شناسایی متمرکز بر AI و درک عمیق‌تری از نحوه نظارت و ایمن‌سازی برنامه‌های LLM در محیط عملیاتی در برابر تهدیدات در حال تکامل خواهید داشت. ساخت قوانین شناسایی برای سوءاستفاده از AI شناسایی تلاش‌های تزریق پرامپت تشخیص استخراج داده‌ها توسط AI نظارت بر استفاده ناامن از ابزارهای AI تنظیم سیگنال‌ها برای شناسایی دقیق‌تر بهبود دید امنیتی در سیستم‌های AI تحلیل تلمتری رفتاری LLM تقویت جریان‌های کاری نظارت بر AI این ورکشاپ برای تحلیلگران SOC، مهندسان شناسایی، پژوهشگران امنیت، اعضای تیم آبی (Blue Team)، متخصصان DevSecOps و فعالان امنیت سایبری که مسئول نظارت و ایمن‌سازی برنامه‌های مبتنی بر هوش مصنوعی هستند، طراحی شده است. این دوره به‌ویژه برای تیم‌هایی که در حال استقرار مدل‌های زبانی بزرگ هستند و به دنبال رویکردهای عملی برای شناسایی سوءاستفاده از AI، رفتارهای خصمانه و ریسک‌های امنیتی عملیاتی می‌باشند، ارزشمند است. آشنایی با مهندسی شناسایی، جریان‌های کاری SIEM یا مفاهیم نظارت امنیتی مفید خواهد بود. ساخت قوانین شناسایی برای الگوهای سوءاستفاده از AI * شناسایی تزریق پرامپت و سوءاستفاده از ابزارها * بهبود دید نسبت به ریسک‌های برنامه‌های LLM

سرفصل ها و درس ها

ردتیمینگ هوش مصنوعی در امنیت برنامه‌های مدرن Red Teaming AI in Modern AppSec

  • مرور کلی دوره Course Overview

  • ساخت قوانین شناسایی برای تشخیص سوءاستفاده از AI و حملات LLM  Building Detection Rules to Identify AI Abuse and LLM Attacks

نمایش نظرات

آموزش مهندسی شناسایی سوءاستفاده از هوش مصنوعی [ویدئویی]
جزییات دوره
0h 39m
2
Packtpub Packtpub
(آخرین آپدیت)
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

Vandana Verma Sehgal Vandana Verma Sehgal

واندانا ورما سهگال یک متخصص باتجربه در حوزه امنیت سایبری با بیش از ۱۷ سال سابقه است. او در زمینه DevSecOps تخصص دارد و پیشینه‌ای متنوع در مدیریت آسیب‌پذیری، SOC، زیرساخت، امنیت اپلیکیشن و امنیت ابری دارد. او سخنران و مدرس است و در رویدادهایی مانند Global OWASP AppSec، BlackHat و Grace Hopper سخنرانی کرده است. واندانا به عنوان عضو هیئت مدیره جهانی OWASP و هیئت بازبینی Black Hat Asia به طور فعال در جامعه امنیت سایبری مشارکت می‌کند و در ابتکارات متنوعیت مانند InfosecGirls، WoSec و null نقش دارد. او جوایز متعددی از جمله زن سال امنیت سایبری ۲۰۲۰ و تاثیرگذار امنیت اپلیکیشن ۲۰۲۰ در هند را کسب کرده است. اشتیاق او به تنوع و شمول، پیشران ابتکاراتی مانند InfosecGirls، WoSec و InfosecKids برای الهام‌بخشی و توانمندسازی نسل بعدی متخصصان امنیتی است.