لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش AIP-C01: ایمنی، امنیت و حاکمیت هوش مصنوعی
- آخرین آپدیت
دانلود AIP-C01: AI Safety, Security, and Governance
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
سیستمهای هوش مصنوعی مولد خطراتی در زمینههای امنیتی، حریم خصوصی و حاکمیتی ایجاد میکنند که کنترلهای ابری سنتی برای مقابله با آنها طراحی نشدهاند. در این دوره آموزشی با کد AIP-C01: ایمنی، امنیت و حاکمیت هوش مصنوعی، شما نحوه طراحی و پیادهسازی محافظهای آماده تولید برای مدلهای پایه (Foundation Models) در AWS را خواهید آموخت. ابتدا بررسی خواهید کرد که چگونه از سیستمهای هوش مصنوعی در برابر پرومپتهای مخرب، خروجیهای ناامن و توهمات (Hallucinations) دفاع کنید. سپس، روشهای ایمنسازی محیطهای هوش مصنوعی، حفاظت از دادههای حساس و تقویت کنترلهای دسترسی در طول چرخه حیات AI را کشف خواهید کرد. در نهایت، نحوه پیادهسازی حاکمیت، انطباق و روشهای هوش مصنوعی مسئولانه را میآموزید که از ممیزیها، آمادگیهای نظارتی و پذیرش اخلاقی هوش مصنوعی پشتیبانی میکنند. پس از اتمام این دوره، مهارتها و دانش لازم در زمینه ایمنی، امنیت و حاکمیت AI را برای ساخت و مدیریت راهکارهای قابل اعتماد هوش مصنوعی در AWS به دست خواهید آورد.
سرفصل ها و درس ها
پیادهسازی کنترلهای ایمنی ورودی و خروجی
Implementing Input and Output Safety Controls
توسعه سیستمهای ایمنی ورودی
Developing Input Safety Systems
طراحی گردش کارهای نظارتی سفارشی
Designing Custom Moderation Workflows
جلوگیری از خروجیهای مخرب
Preventing Harmful Outputs
دمو: پیکربندی Amazon Bedrock Guardrails برای ایمنی ورودی و خروجی
Demo: Configuring Amazon Bedrock Guardrails for Input and Output Safety
کاهش توهمات مدلهای پایه (FM)
Reducing FM Hallucinations
معماریهای ایمنی دفاع در عمق
Defense in Depth Safety Architectures
تشخیص پیشرفته تهدیدات برای مدلهای پایه
Advanced Threat Detection for Foundation Models
نمونه سوالات و نکات آزمون
Sample Questions and Exam Tips
پیادهسازی کنترلهای امنیت دادهها و حریم خصوصی
Implementing Data Security and Privacy Controls
محافظت از محیطهای هوش مصنوعی با استفاده از جداسازی شبکه
Protecting AI Environments Using Network Isolation
دمو: محدود کردن دسترسی Bedrock با استفاده از Interface VPC Endpoints و کلیدهای شرطی IAM
Demo: Restricting Bedrock Access Using Interface VPC Endpoints and IAM Condition Keys
محافظت از محیطهای هوش مصنوعی با استفاده از IAM
Protecting AI Environments Using IAM
حاکمیت دادهها با Lake Formation
Data Governance with Lake Formation
مانیتورینگ و ممیزی دسترسی به دادهها
Monitoring and Auditing Data Access
محافظت از دادههای حساس
Protecting Sensitive Data
محافظت از حریم خصوصی
Protecting Privacy
سیستمهای هوش مصنوعی متمرکز بر حفظ، بهینهسازی و حریم خصوصی دادهها
Data Retention, Minimization, and Privacy Focused AI Systems
نمونه سوالات و نکات آزمون
Sample Questions and Exam Tips
پیادهسازی مکانیسمهای حاکمیت و انطباق هوش مصنوعی
Implementing AI Governance and Compliance Mechanisms
ساخت مستندات انطباق با استفاده از Model Cards
Building Compliance Documentation with Model Cards
نسبنامی دادهها و کاتالوگبندی برای قابلیت ردیابی
Data Lineage and Cataloging for Traceability
پیادهسازی ارجاع به منبع در محتوای تولید شده توسط FM
Implementing Source Attribution in FM-Generated Content
مدیریت لاگهای ممیزی برای دسترسی به مدل و دادهها
Managing Audit Logging for Model and Data Access
دمو: فعالسازی لاگهای مدیریت Bedrock و فراخوانی مدل
Demo: Enabling Bedrock Management And Model Invocation Logs
ایجاد چارچوبهای حاکمیتی سازمانی
Creating Organizational Governance Frameworks
مدیریت حاکمیت دسترسی و محافظها در مقیاس بزرگ
Managing Access Governance and Guardrails at Scale
مدیریت کنترل تغییرات برای مدلها
Managing Change Control for Models
مانیتورینگ سوءاستفاده، رانش (Drift) و سوگیری (Bias)
Monitoring for Misuse, Drift, and Bias
اجرای پیشرفته حاکمیت و اصلاح خطاها
Advanced Governance Enforcement and Remediation
نمونه سوالات و نکات آزمون
Sample Questions and Exam Tips
پیادهسازی اصول هوش مصنوعی مسئولانه
Implementing Responsible AI Principles
شفافیت با استفاده از شواهد و ردیابی عاملها (Agent Tracing)
Transparency with Evidence and Agent Tracing
کمیسازی عدم قطعیت با استفاده از سطح اطمینان
Quantifying Uncertainty with Confidence
معیارهای عدالت و مجموعهدادههای ارزیابی
Fairness Metrics and Evaluation Datasets
مدیریت پرومپت و جریانهای پرومپت برای تست A/B عدالت
Prompt Management and Prompt Flows for Fairness A\B Testing
ارزیابیهای خودکار عدالت با استفاده از LLM به عنوان داور
Automated Fairness Evaluations with LLM-as-a-Judge
اجرای ارزیابی LLM به عنوان داور در Amazon Bedrock
Running an LLM as a Judge Evaluation in Amazon Bedrock
توسعه سیستمهای هوش مصنوعی منطبق با سیاستها
Developing Policy-compliant AI Systems
بررسیهای خودکار انطباق و ثبت شواهد
Automated Compliance Checks and Evidence Capture
مستندسازی محدودیتها با Model Cards و سیاستهای نسخهبندی شده
Documenting Limitations with Model Cards and Versioned Policies
نمونه سوالات و نکات آزمون
Sample Questions and Exam Tips
آمادگی برای آزمون
Exam Preparation
ایمنی، امنیت و حاکمیت هوش مصنوعی در بستر عملیاتی
AI Safety, Security, and Governance in Context
کریس جکسون یک متخصص امنیت سایبری با سال ها تجربه در شناسایی حوادث امنیتی، ایمن سازی برنامه ها و آموزش های امنیتی است. در طول سالها، او برنامههای تحت وب را از نظر آسیبپذیری آزمایش کرده، به استقرار پلتفرمهای SIEM و موارد دیگر کمک کرده است. او علاقه زیادی به آموزش امنیت سایبری دارد و متعهد به یادگیری فناوری های جدید است.
نمایش نظرات