آموزش مسترکلاس امنیت هوش مصنوعی عامل‌محور (Agentic AI) - آخرین آپدیت

دانلود The Agentic AI Security Masterclass

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: چگونه سیستم‌های هوش مصنوعی خودمختار شکست می‌خورند و چگونه می‌توان آن‌ها را ایمن کرد تفاوت‌های بنیادی سیستم‌های هوش مصنوعی عامل‌محور با نرم‌افزارهای سنتی و چرایی ایجاد ریسک‌های امنیتی جدید نحوه برنامه‌ریزی، استدلال، تفویض اختیار و اقدام عوامل خودمختار و بررسی نقاط شکست آن‌ها در سیستم‌های واقعی چرا کنترل‌های سنتی امنیت سایبری برای ایمن‌سازی هوش مصنوعی عامل‌محور ضروری اما ناکافی هستند بررسی انحراف اهداف عامل، ربوده شدن اهداف یا عدم همسویی بدون وجود حمله صریح چگونه سیستم‌های حافظه، زمینه (Context) و بازیابی به liabilities امنیتی بلندمدت تبدیل می‌شوند نحوه تعامل، تبانی و تقویت اشتباهات متقابل توسط چندین عامل هوشمند بهره‌برداری از اعتماد انسانی، سوگیری‌ها و عادت‌های اتوماسیون توسط سیستم‌های عامل‌محور طراحی معماری‌های امن برای عامل‌ها با مرزهای مشخص، نقش‌های تعریف شده و نقاط نظارتی اعمال مفاهیم هویت، کنترل دسترسی، سندباکسینگ و اصل حداقل امتیاز برای عوامل غیرانسانی تشخیص زودهنگام انحراف رفتاری، هک پاداش (Reward Hacking) و رفتارهای سرکش نوظهور طراحی و اجرای مرزهای خودمختاری، موتورهای محدودکننده و کلیدهای قطع اضطراری (Kill Switches) ایجاد قابلیت مشاهده (Observability) در تصمیمات، برنامه‌ها و اقدامات عامل‌ها مدل‌سازی تهدیدات، تیم قرمز (Red-Teaming) و مقاوم‌سازی سیستم‌های عامل‌محور برای محیط عملیاتی حکمرانی، نظارت و تکامل امن سیستم‌های خودمختار در طول زمان تفکر انتقادی و مسئولانه در مورد استقرار هوش مصنوعی عامل‌محور در سازمان‌های واقعی پیش‌نیازها: بدون نیاز به تجربه قبلی در زمینه هوش مصنوعی عامل‌محور بدون نیاز به پیش‌زمینه پیشرفته در امنیت سایبری آشنایی ابتدایی با نحوه عملکرد سیستم‌های نرم‌افزاری مفید است اما اجباری نیست کنجکاوی درباره رفتار سیستم‌های هوش مصنوعی در دنیای واقعی تمایل به تفکر انتقادی و به چالش کشیدن مفروضات درباره اتوماسیون و هوشمندی راحتی با یادگیری از طریق مثال‌ها، سناریوها و کاوش‌های عملی برای آزمایشگاه‌ها: توانایی پایه در دنبال کردن دستورالعمل‌های فنی و تجربه در محیط امن

این مسترکلاس بررسی می‌کند که وقتی سیستم‌های هوش مصنوعی دیگر ابزارهای غیرفعال نیستند، بلکه بازیگران خودمختاری هستند که برنامه‌ریزی، تصمیم‌گیری و اجرا می‌کنند، امنیت چگونه باید تکامل یابد.

سیستم‌های هوش مصنوعی عامل‌محور پروفایل ریسک کاملاً متفاوتی را معرفی می‌کنند. شکست‌ها اغلب بدون اکسپلویت، بدون قصد بدخواهانه و بدون سیگنال‌های واضح ظاهر می‌شوند. سیستم‌ها می‌توانند در سطح فنی درست عمل کنند اما در طول زمان ناامن، غیرقابل اعتماد یا ناسازگار شوند. این دوره برای پر کردن این شکاف طراحی شده است.

سیستم‌های مدرن عامل‌محور اقدامات خود را برنامه‌ریزی می‌کنند، ابزارها را انتخاب می‌کنند، حافظه را مدیریت می‌کنند، با سایر عامل‌ها هماهنگ می‌شوند و با درجات مختلفی از خودمختاری عمل می‌کنند. این قابلیت‌ها ریسک‌هایی را ایجاد می‌کنند که در مدل‌های سنتی امنیت سایبری نمی‌گنجند. شکست‌ها اغلب به تدریج رخ می‌دهند، در ابتدا شبیه موفقیت به نظر می‌رسند و هیچ مهاجم آشکاری در کار نیست.

در دوازده ماژول عمیق، یادگیرندگان از منظر امنیتی با چرخه کامل سیستم‌های عامل‌محور آشنا می‌شوند. دوره با ایجاد درکی روشن از تفاوت عامل‌ها با هوش مصنوعی و نرم‌افزارهای قدیمی شروع شده و سپس به بررسی انحراف اهداف، سوءاستفاده از ابزارها، تبدیل شدن حافظه به ریسک و گسترش خاموش خودمختاری می‌پردازد.

به جای تمرکز بر آسیب‌پذیری‌های ایزوله، این دوره با هوش مصنوعی عامل‌محور به عنوان یک سیستم اجتماعی-فنی برخورد می‌کند. بررسی می‌کند که عامل‌ها چگونه با زیرساخت، داده‌ها، انسان‌ها و یکدیگر تعامل دارند و ریسک در این مرزها چگونه پدید می‌آید. سناریوهای واقعی شامل ربودن اهداف، هک پاداش، حلقه‌های شکست متقاطع، سوءاستفاده از اعتبارنامه‌ها، مسمومیت حافظه و رفتارهای سرکش بررسی می‌شوند.

امنیت به عنوان یک دیسیپلین معماری و رفتاری نگریسته شده است، نه یک چک‌لیست. تأکید بر طراحی سیستم‌هایی است که حتی در صورت استدلال نادرست عامل یا دریافت ورودی‌های مبهم، امن بمانند. موضوعات شامل معماری امن، کنترل‌های دسترسی غیرانسانی، اجرای سندباکس، اعتماد به زنجیره تأمین، نظارت رفتاری و تاب‌آوری بلندمدت است.

آزمایشگاه‌های عملی در سراسر دوره ادغام شده‌اند تا یادگیری از طریق تجربه تقویت شود. یادگیرندگان با حالت‌های شکست واقعی و الگوهای حمله در محیط‌های کنترل‌شده مواجه می‌شوند تا ببینند سیستم‌های عامل‌محور چقدر راحت می‌توانند تحت تأثیر قرار گیرند یا از مرزهای امن خارج شوند.

در پایان این مسترکلاس، یادگیرندگان فراتر از دانش فنی، روشی پایدار برای تفکر در مورد خودمختاری، ریسک و مسئولیت در سیستم‌های هوش مصنوعی به دست می‌آورند. آن‌ها می‌آموزند چگونه رفتار عامل را به چالش بکشند، برای شکست برنامه‌ریزی کنند و سیستم‌های هوشمند را با اعتماد به نفس در محیط عملیاتی مدیریت کنند.

این مسترکلاس یادگیرندگان را به تفکر معماری، آگاهی رفتاری و ذهنیتی در حکمرانی مجهز می‌کند که برای ایمن‌سازی سیستم‌های خودمختار پیش از آنکه اعتماد از دست برود و خسارات جبران‌ناپذیر شود، ضروری است.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه دوره: چرا امنیت هوش مصنوعی عامل‌محور اهمیت دارد Course Introduction: Why Agentic AI Security Matters

  • راهنمای استفاده از این مسترکلاس How to Use This Masterclass

ماژول ۱ — جهان امنیت هوش مصنوعی عامل‌محور Module 1 — The Agentic AI Security Universe

  • چه چیزی هوش مصنوعی عامل‌محور را متمایز می‌کند؟ What Makes Agentic AI Different?

  • انواع عامل‌ها (مبتنی بر ابزار، RAG، برنامه‌ریز-مجری، چند-عاملی) Types of Agents (Tool-based, RAG, Planner–Executor, Multi-agent)

  • سطح حمله (Attack Surface) جدید در AI The New AI Attack Surface

  • ریسک‌های خودمختاری، تفویض اختیار و برنامه‌ریزی Autonomy, Delegation, and Planning Risks

  • چرا امنیت سایبری سنتی برای عامل‌ها شکست می‌خورد Why Traditional Cybersecurity Fails for Agents

  • ریسک‌های تعامل انسان و عامل Human–Agent Interaction Risks

  • وقایع دنیای واقعی: حوادث Copilot، Replit و AutoGPT Real-World Events: Copilot, Replit, AutoGPT Incidents

  • اصول معماری امن هوش مصنوعی Foundations of Secure AI Architecture

  • ساخت ذهنیت امنیتی برای عصر AI Building a Security Mindset for AI Era

  • آزمایشگاه 1A: ساخت اولین عامل خود Lab 1A - Build Your First Agent

  • آزمایشگاه 1B: نقشه‌برداری از ریسک‌های امنیتی Lab 1B - Map Security Risks

  • ایمن‌سازی AI عامل‌محور: معماری، ریسک‌ها و درس‌های واقعی Securing Agentic AI: Architecture, Risks, and Real-World Lessons

  • امنیت و ریسک در سیستم‌های هوش مصنوعی عامل‌محور Security and Risk in Agentic AI Systems

  • ۱. هوش مصنوعی عامل‌محور و معماری‌ها 1 Agentic AI and Architectures

  • ۲. سطح حمله در سیستم‌های عامل‌محور 2 The Agentic Attack Surface

  • ۳. ریسک‌های تعاملی و معماری‌های امن 3 Interaction Risks & Secure Architectured

ماژول ۲ — تسلط بر یکپارچگی اهداف عامل Module 2 — Mastering Agent Goal Integrity

  • «هدف عامل» دقیقاً به چه معناست؟ What Does 'Agent Goal' Actually Mean?

  • سیستم‌های برنامه‌ریزی و حالت‌های شکست Planning Systems & Failure Modes

  • انحراف هدف، ربایش هدف و تزریق هدف Goal Drift, Goal Hijack, Goal Injection

  • کانال‌های دستورات پنهان Hidden Instruction Channels

  • بهره‌برداری‌های هدف‌محور مبتنی بر تریگر Trigger-Based Goal Exploits

  • مهندسی دفاعی اهداف Defensive Goal Engineering

  • منشأ قصد (Intent Provenance) و کپسول‌ها Intent Provenance & Capsules

  • مانیتورینگ پیش‌بینانه انحراف هدف Predictive Goal Drift Monitoring

  • چگونه قصد عامل را حسابرسی کنیم How to Audit Agent Intent

  • آزمایشگاه 2A: حمله ربایش هدف LAB 2A - GOAL HIJACK ATTACK

  • آزمایشگاه 2B: اعتبارسنج قصد LAB 2B - INTENT VALIDATOR

  • آزمایشگاه 2C: تشخیص انحراف خاموش هدف Lab 2C - Detecting silent goal drift

  • ایمن‌سازی اهداف عامل: انحراف، ربایش و طراحی دفاعی Securing Agent Goals: Drift, Hijack, and Defensive Design

  • یکپارچگی اهداف عامل، انحراف و امنیت قصد Agent Goal Integrity, Drift, and Intent Security

  • ۱. اهداف عامل و شکست‌های برنامه‌ریزی 1 Agent Goals and Planning Failures

  • ۲. بهره‌برداری از اهداف و کانال‌های پنهان 2 Goal Exploits & Hidden Channels

  • ۳. مهندسی دفاعی و حسابرسی قصد 3 Defensive Engineering & Intent Auditing

ماژول ۳ — امنیت ابزارها، سندباکسینگ و ایمنی اجرا Module 3 — Tool Security, Sandboxing & Execution Safety

  • درک رابط‌های ابزاری (Tool Interfaces) Understanding Tool Interfaces

  • عامل‌ها چگونه ابزارها را انتخاب می‌کنند How Agents Select Tools

  • سوءاستفاده از ابزار و تفویض اختیار ناامن Tool Misuse & Unsafe Delegation

  • بررسی نفوذهای واقعی در دنیای آزاد Real Compromises in the Wild

  • طراحی یک زنجیره ابزار امن Designing a Secure Toolchain

  • سندباکسینگ (Docker, VM, WASM) Sandboxing (Docker, VM, WASM)

  • تشخیص سوءاستفاده از ابزار Detecting Tool Abuse

  • کنترل خروجی و جلوگیری از نشت داده‌ها Egress Control & Exfiltration Prevention

  • محدودیت نرخ (Rate Limits) و کنترل شعاع تخریب Rate Limits & Blast Radius Control

  • ارکستراسیون امن Secure Orchestration

  • آزمایشگاه 3A: اکسپلویت سوءاستفاده از ابزار LAB 3A - EXPLOIT TOOL MISUSE

  • آزمایشگاه 3B: ابزارهای با حداقل امتیاز Lab 3B - Least Privilege Tools

  • آزمایشگاه 3C: سندباکس پایتون LAB 3C - Python Sandbox

  • ایمن‌سازی زنجیره ابزار عامل و جلوگیری از سوءاستفاده Securing Agent Toolchains and Preventing Tool Abuse

  • امنیت زنجیره ابزارها و نحوه استفاده از آن‌ها Securing Agent Toolchains and Tool Use

  • ۱. استفاده از ابزار در عامل‌های AI و ریسک‌ها 1 AI Agent Tool Usage & Risks

  • ۲. طراحی زنجیره‌های ابزار امن و استراتژی‌های ایزولاسیون 2 Designing Secure AI Toolchains & Isolation Strategies

  • ۳. تشخیص سوءاستفاده از ابزار AI و کنترل ریسک 3 Detecting AI Tool Abuse & Controlling Risk

ماژول ۴ — هویت AI، کنترل‌های دسترسی و امنیت اعتبارنامه‌ها Module 4 — AI Identity, Access Controls & Credential Security

  • مدل‌های هویت غیرانسانی Non-Human Identity Models

  • امتیازات تفویض شده و ارتقاء سطح دسترسی Delegated Privileges & Escalation

  • حملات معاون سردرگم (Confused Deputy) Confused Deputy Attacks

  • جعل هویت عامل و هویت‌های مصنوعی Agent Impersonation & Synthetic Identities

  • نشت اعتبارنامه‌ها و ریسک‌های نشست (Session) Credential Leakage & Session Risks

  • اجرای سیاست به عنوان کد (Policy as Code) Policy-as-Code Enforcement

  • محدوده هویت و مرزهای قابلیت Identity Scoping & Capability Boundaries

  • پلتفرم‌های IAM: Entra, Bedrock, AgentForce IAM Platforms: Entra, Bedrock, AgentForce

  • هویت Zero Trust برای عامل‌ها Zero-Trust Identity for Agents

  • آزمایشگاه 4A: سوءاستفاده از اعتبارنامه‌ها Lab 4A - Credential Abuse

  • آزمایشگاه 4B: هویت محدود شده Lab 4B - Scoped Identity

  • آزمایشگاه 4C: مجوزدهی به ازای هر اقدام Lab 4C Per-Action Authorization

  • ایمن‌سازی هویت عامل‌ها و جلوگیری از سوءاستفاده از امتیازات Securing Agent Identities and Preventing Privilege Abuse

  • هویت، امتیازات و اعتماد در سیستم‌های عامل‌محور Identity, Privileges, and Trust in Agentic Systems

  • ۱. هویت و معاون سردرگم 1 Identity & The Confused Deputy

  • ۲. هویت، جعل هویت و سیاست‌ها 2 Identity, Impersonation & Policy

  • ۳. محدوده هویت و عامل‌های Zero Trust 3 Identity Scoping & Zero-Trust Agents

ماژول ۵ — زنجیره تأمین عامل‌محور و اعتماد به اجزا Module 5 — Agentic Supply Chain & Component Trust

  • نقشه‌برداری کامل زنجیره تأمین Full Supply Chain Mapping

  • مسمومیت مجموعه داده‌ها و Embeddingها Dataset & Embedding Poisoning

  • حملات MCP و توصیف‌گر ابزار MCP & Tool Descriptor Attacks

  • نفوذ به ریجستری و Typosquatting Registry Compromise & Typosquatting

  • مقاوم‌سازی قالب‌های پرامپت Prompt Template Hardening

  • به‌روزرسانی‌های امن و بازگشت (Rollbacks) Secure Updates & Rollbacks

  • SBOM/AIBOM و گواهی اصالت SBOM/AIBOM & Attestation

  • خط لوله‌های تایید اجزا Component Verification Pipelines

  • معماری زنجیره تأمین Zero Trust Zero-Trust Supply Chain Architecture

  • آزمایشگاه 5A: مسموم کردن یک قالب Lab 5A - Poison a Template

  • آزمایشگاه 5B: ساخت لیست مواد AI (AIBOM) Lab 5B - Build an AI Bill of Materials

  • آزمایشگاه 5C: تشخیص Typosquatting Lab 5C - Detect Typosquatting

  • ایمن‌سازی زنجیره تأمین هوش مصنوعی Securing the AI Supply Chain

  • امنیت زنجیره تأمین AI Securing the AI Supply Chain

  • ۱. زنجیره تأمین AI و مسموم‌سازی 1 AI Supply Chain & Poisoning

  • ۲. مقاوم‌سازی قالب‌های پرامپت 2 Prompt Template Hardening

  • ۳. به‌روزرسانی‌ها و بازگشت‌های امن عامل 3 Secure Agent Updates & Rollbacks

  • ۴. AIBOM و تایید اجزا 4 AIBOM & Component Verification

  • ۵. معماری زنجیره تأمین Zero Trust 5 Zero-Trust Supply Chain Architecture

ماژول ۶ — ایمنی کد، دفاع در برابر RCE و کنترل اجرا Module 6 — Code Safety, RCE Defense & Execution Control

  • عامل‌ها چگونه کد تولید می‌کنند How Agents Produce Code

  • تزریق کد مبتنی بر پرامپت Prompt-Based Code Injection

  • توهمات کدنویسی (Code Hallucinations) Code Hallucinations

  • RCE مبتنی بر وابستگی‌ها Dependency-Based RCE

  • خط لوله‌های تولید کد امن Safe Code Generation Pipelines

  • تحلیل ایستا + تحلیل پویا Static + Dynamic Analysis

  • ایزولاسیون سیستم فایل Filesystem Isolation

  • سطوح خودمختاری امن برای عامل‌های کدنویس Safe Autonomy Levels for Coding Agents

  • تشخیص الگوهای کد مخرب Detecting Malicious Code Patterns

  • دفاع RCE در سطح سازمانی Enterprise RCE Defense

  • ایمن‌سازی کدهای تولید شده توسط عامل Securing Agent-Generated Code

  • امنیت کدهای تولید شده AI و خط لوله‌های اجرا Securing AI-Generated Code and Execution Pipelines

  • آزمایشگاه 6A: RCE مبتنی بر پرامپت Lab 6A - Prompt-Based RCE

  • آزمایشگاه 6B: سندباکس اجرای قفل شده Lab 6B - Locked Execution Sandbox

  • آزمایشگاه 6C: خط لوله اعتبارسنج کد Lab 6C-Code Validator Pipeline

  • ۱. تولید کد توسط AI و ریسک‌های اصلی 1 AI Code Generation & Core Risks

  • ۲. ریسک‌های RCE و تشخیص کد مخرب 2 RCE Risks & Malicious Code Detection

  • ۳. خط لوله‌های کدنویسی امن AI و دفاع در اجرا 3 Secure AI Coding Pipelines & Execution Defense

ماژول ۷ — امنیت حافظه، زمینه و پایگاه دانش Module 7 — Memory, Context & Knowledge Base Security

  • انواع حافظه در عامل‌ها Memory Types in Agents

  • مسمومیت زمینه و حافظه بلندمدت Context & Long-Term Memory Poisoning

  • حملات به ذخیره‌ساز Embedding Embedding Store Attacks

  • آلودگی حافظه بین کاربران Cross-User Memory Contamination

  • فروپاشی خودمختاری ناشی از دانش مسموم Poisoned Knowledge Autonomy Collapse

  • خط لوله‌های اعتبارسنجی حافظه Memory Validation Pipelines

  • بازیابی حافظه مبتنی بر امتیاز اعتماد Trust-Scored Memory Retrieval

  • ایزولاسیون حافظه در محیط‌های چند-مستأجره Multi-Tenant Memory Isolation

  • جلوگیری از بازگشت (Recursion) خودکار Preventing Self-Recursion

  • طراحی امن RAG Secure RAG Design

  • ایمن‌سازی حافظه عامل و خط لوله‌های RAG Securing Agent Memory and RAG Pipelines

  • امنیت حافظه عامل و سیستم‌های بازیابی Securing Agent Memory and Retrieval Systems

  • ۱. حافظه عامل و آسیب‌پذیری‌های ذخیره‌سازی 1 Agent Memory & Storage Vulnerabilities

  • ۲. امنیت حافظه و اعتماد به داده‌ها 2 Memory Security & Data Trust

  • ۳. ایزولاسیون، بازگشت و RAG امن 3 Isolation, Recursion & Secure RAG

ماژول ۸ — ارتباطات چند-عاملی، پروتکل‌ها و امنیت هماهنگی Module 8 — Multi-Agent Comms, Protocols & Coordination Security

  • مدل‌های ارتباطی چند-عاملی Multi-Agent Communication Models

  • ریسک‌های پیام‌رسانی و حلقه‌های ضعیف Messaging Risks & Weak Links

  • حملات عامل-در-میان (Agent-in-the-Middle) Agent-in-the-Middle Attacks

  • حملات Replay و فساد در هماهنگی Replay Attacks & Coordination Corruption

  • انحراف معنایی بین عامل‌ها Semantic Drift Between Agents

  • mTLS + امضاهای دیجیتال برای عامل‌ها mTLS + Signatures for Agents

  • پین کردن پروتکل (Protocol Pinning) Protocol Pinning

  • سیستم‌های کشف (Discovery) امن Secure Discovery Systems

  • جلوگیری از نشت کانال جانبی (Side Channel) Preventing Side-Channel Leakage

  • طراحی امن سیستم‌های چند-عاملی Secure Multi-Agent Design

  • ایمن‌سازی ارتباطات و هماهنگی چند-عاملی Securing Multi-Agent Communication and Coordination

  • امنیت شبکه و تعاملات چند-عاملی Securing Multi-Agent Communication and Coordination

  • ۱. مبانی ارتباطات چند-عاملی 1 Foundations of Multi-Agent Communication

  • ۲. حملات شبکه عامل‌ها 2 Agent Network Attacks

  • ۳. شبکه امن عامل‌ها 3 Secure Agent Networking

  • ۴. طراحی سیستم‌های چند-عاملی امن 4 Designing Secure Multi-Agent Systems

ماژول ۹ — شکست‌های زنجیره‌ای، ریسک سیستمی و تاب‌آوری Module 9 — Cascading Failures, Systemic Risk & Resilience

  • چرا شکست‌های زنجیره‌ای رخ می‌دهند Why Cascading Failures Happen

  • حلقه‌های برنامه‌ریز ← مجری ← ابزار Planner → Executor → Tool Loops

  • انتشار خطا در میان عامل‌ها Error Propagation Across Agents

  • قطع وابستگی‌های ابری و AI Cloud + AI Dependency Breakages

  • فروپاشی منطق کسب‌وکار Business Logic Collapse

  • قطع‌کننده‌ها (Circuit Breakers) و شکست سریع Circuit Breakers & Fail-Fast

  • مهندسی شعاع تخریب Blast Radius Engineering

  • قابلیت مشاهده (Observability) در AI AI Observability

  • معماری عامل مقاوم در برابر خطا Fault-Tolerant Agent Architecture

  • طراحی معماری‌های عامل تاب‌آور و مقاوم Designing Fault-Tolerant and Resilient Agent Architectures

  • تاب‌آوری و مهار شکست در سیستم‌های عامل‌محور Resilience and Failure Containment in Agentic Systems

  • ۱. شکست‌های زنجیره‌ای در سیستم‌های عامل AI 1 Cascading Failures in AI Agent Systems

  • ۲. شکست وابستگی‌های ابری AI و طراحی تاب‌آور 2 Cloud AI Dependency Failures & Resilience Design

ماژول ۱۰ — اعتماد انسان-عامل، روانشناسی و دفاع در برابر دست‌کاری Module 10 — Human-Agent Trust, Psychology & Manipulation Defense

  • سوگیری انسانی و دست‌کاری AI Human Bias & AI Manipulation

  • مهندسی اجتماعی از طریق هوش مصنوعی Social Engineering via AI

  • حملات توضیح‌پذیری جعلی Fake Explainability Attacks

  • توهمات اقتدار Authority Illusions

  • ایمنی روانشناختی Psychological Safety

  • شاخص‌های ریسک در تجربه کاربری (UX) UX Risk Indicators

  • سیستم‌های توصیه‌گر امن Secure Recommendation Systems

  • جلوگیری از زبان دست‌کاری‌کننده Preventing Manipulative Language

  • الگوهای انسان-در-حلقه (Human-in-the-loop) Human-in-the-loop Patterns

  • کاهش سوگیری اتوماسیون Automation Bias Reduction

  • طراحی سیستم‌های AI که انسان‌ها دچار سوءاستفاده یا اعتماد بیش از حد نشوند Designing AI Systems That Humans Don’t Misuse or Overtrust

  • عوامل انسانی، دست‌کاری و اعتماد در سیستم‌های AI Human Factors, Manipulation, and Trust in AI Systems

  • ۱. دست‌کاری AI و مهندسی اجتماعی 1 AI Manipulation & Social Engineering

  • ۲. رابط انسان و هوش مصنوعی 2 The Human-AI Interface

  • ۳. بی‌طرفی، نظارت و یکپارچگی تصمیم‌گیری 3 Neutrality, Oversight, and Decision Integrity

ماژول ۱۱ — عامل‌های سرکش، عدم همسویی و امنیت رفتاری Module 11 — Rogue Agents, Misalignment & Behavioral Security

  • چه چیزی یک عامل را سرکش می‌کند؟ What Makes an Agent Rogue?

  • عدم همسویی نوظهور Emergent Misalignment

  • تبانی عامل‌ها Agent Collusion

  • هک پاداش (Reward Hacking) Reward Hacking

  • تشخیص انحراف رفتاری Behavioral Drift Detection

  • مرزهای خودمختاری Autonomy Boundaries

  • موتورهای محدودکننده Constraint Engines

  • کلیدهای قطع اضطراری Kill Switches

  • مانیتورینگ یکپارچگی رفتاری Behavioral Integrity Monitoring

  • چارچوب امن تشخیص عامل‌های سرکش Secure Rogue Detection Framework

  • پیشگیری، تشخیص و مهار عامل‌های سرکش Preventing, Detecting, and Containing Rogue Agents

  • عامل‌های سرکش، انحراف و مکانیسم‌های کنترل Rogue Agents, Drift, and Control Mechanisms

  • ۱. معماری عامل سرکش 1 The Rogue Agent Architecture

  • ۲. هک پاداش و مهندسی محدودیت‌ها 2 Reward Hacking & Constraint Engineering

ماژول ۱۲ — پروژه نهایی: ساخت یک سیستم عامل‌محور امن Module 12 — Capstone: Build a Secure Agentic System

  • طراحی معماری امن عامل Secure Agent Architecture Design

  • یکپارچه‌سازی هویت، ابزارها، حافظه و ارتباطات Integrating Identity, Tools, Memory, Comms

  • نوشتن مدل تهدید Writing a Threat Model

  • تیم قرمز کردن عامل خود Red-Teaming Your Agent

  • مقاوم‌سازی برای محیط عملیاتی Hardening for Production

  • از پروتوتایپ تا تولید: ایمن‌سازی عامل شما From Prototype to Production: Securing Your Agent

  • طراحی، تست و مقاوم‌سازی معماری‌های امن عامل Designing, Testing, and Hardening Secure Agent Architectures

  • ۱. معماری امن عامل و مدل‌سازی تهدید 1 Secure Agent Architecture & Threat Modeling

  • ۲. تیم قرمز عامل‌ها و مقاوم‌سازی برای تولید 2 Red-Teaming Agents & Hardening for Production

جمع‌بندی دوره Course Conclusion

  • یادداشت پایانی برای یادگیرندگان Conclusion note to learners

آمادگی برای مصاحبه و گفتگو با مدیران Interview Preparations - Discussions with Leadership

  • مصاحبه با الانا ونس — مدیر ارشد فناوری (CTO) و رئیس کمیته ایمنی AI Interview with Elana Vance - Chief Technology Officer (CTO) and Head of the AI Safety Committee

  • مصاحبه با مارکوس وین — معاون مهندسی محصول Interview with Marcus Vane - VP of Product Engineering

  • مصاحبه با سارا جنکینز — مدیر ارشد حقوقی (CLO) Interview with Sarah Jenkins - Chief Legal Officer (CLO)

نمایش نظرات

آموزش مسترکلاس امنیت هوش مصنوعی عامل‌محور (Agentic AI)
جزییات دوره
11.5 hours
166
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
315
4.6 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

Anand Nednur Anand Nednur

Cloud Architect در AWS ، Azure و GCPAnand Rao یک مربی ارشد فنی و مشاور ابری است. وی حدود 15 سال با بنگاه های بزرگ اقتصادی کار کرده و طیف وسیعی از فناوری ها را در کارنامه خود دارد. آناند نه تنها در سیستم عامل های ابری (Azure ، AWS و GCP) تبحر دارد بلکه در IAM ، امنیت و اتوماسیون با پاورشل و پایتون نیز مهارت کافی دارد. علاوه بر این ، وی در حال توسعه و به روزرسانی مطالب برای دوره های مختلف بوده است. وی در معاینات آزمایشگاهی و تأمین گواهینامه ها به مهندسان زیادی کمک کرده است. آناند رائو در چندین ایالت هند و همچنین چندین کشور مانند ایالات متحده آمریکا ، بحرین ، کنیا و امارات متحده عربی آموزشهای هدایت شده توسط مربیان را ارائه داده است. وی به عنوان مربی گواهی شده مایکروسافت در سطح جهانی برای شرکتهای اصلی مشتری کار کرده است. Anand همچنین دارای گواهینامه های حرفه ای دارای مجوز برگزاری فصلی در سیستم عامل های زیر است: مربی مجوز مایکروسافت (MCT) SY0-401: CompTIA Security + استاد مجاز Scrum (SCRUM) ITIL V3 شبکه مدافع مجاز (CND - شورای EC)

Cyberdefense Learning Cyberdefense Learning

مربی در Udemy