آموزش دوره جامع جامع گواهینامه CompTIA SecAI+ (CY-001) از Mike's Complete Certification Course [ویدئویی] - آخرین آپدیت

دانلود CompTIA SecAI+ (CY0-001) CertMike's Complete Certification Course [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در دنیای ever-evolving هوش مصنوعی، ایمن‌سازی سیستم‌های AI برای سازمان‌ها حیاتی شده است. این دوره عمیقاً به مبانی امنیت هوش مصنوعی می‌پردازد و مفاهیم بنیادینی مانند یادگیری ماشین، حفاظت از داده‌ها و استراتژی‌های پیشگیری از حملات را بررسی می‌کند. تمرکز اصلی بر تجهیز یادگیرندگان به دانش لازم برای محافظت از سیستم‌های AI در برابر تهدیدات و در عین حال تضمین انطباق با استانداردهای صنعتی است. با پیشروی در این دوره، درک قدرتمندی از اصول کلیدی امنیت AI، از جمله ارزیابی ریسک مدل، حریم خصوصی داده‌ها و ایمن‌سازی فرآیندهای چرخه حیات AI به دست خواهید آورد. با دروس عملی در مورد انواع حملات AI، از جمله مسموم‌سازی داده‌ها (Data Poisoning)، مسموم‌سازی مدل و حملات Adversarial، تجربه عملی در شناسایی و کاهش ریسک‌ها کسب خواهید کرد. در پایان دوره، شما برای آزمون گواهینامه CompTIA SecAI+ آماده خواهید بود و مهارت‌های لازم برای پیاده‌سازی سیستم‌های AI امن در سناریوهای دنیای واقعی را خواهید داشت. با ماژول‌های شفاف و ساختاریافته، یادگیرندگان سفری را آغاز می‌کنند که اعتماد به نفس آن‌ها را در امنیت AI افزایش می‌دهد. چه مهندس AI باشید و چه متخصص امنیت سایبری، این دوره برای ارتقای شغلی شما از طریق ارائه دانش پیشرفته امنیت AI طراحی شده است. - درک اصول امنیت AI و تکنیک‌های ارزیابی ریسک مدل - یادگیری پیاده‌سازی استراتژی‌های حفاظت از داده‌ها و کاهش ریسک‌های امنیتی AI - توسعه مهارت‌ها در ایمن‌سازی چرخه حیات AI، شامل جمع‌آوری داده‌ها و اعتبارسنجی مدل - تسلط بر تکنیک‌های مقابله با انواع حملات AI، از جمله مسموم‌سازی مدل و حملات Adversarial - کسب تخصص در حاکمیت AI، انطباق (Compliance) و استانداردهای صنعتی - تکنیک‌هایی برای کاهش تهدیدات خاص هوش مصنوعی این دوره برای متخصصان سطح متوسط در زمینه‌های AI، امنیت سایبری یا رایانش ابری طراحی شده است. این دوره برای توسعه‌دهندگان AI، متخصصان امنیت سایبری و مهندسان امنیت ابری ایده‌آل است و به شما کمک می‌کند تخصص لازم برای محافظت از سیستم‌های AI را به دست آورید. آشنایی با مفاهیم اولیه یادگیری ماشین و اصول امنیت سایبری توصیه می‌شود اما اجباری نیست. تخصص در ایمن‌سازی سیستم‌های AI، از حفاظت از داده‌ها تا پیشگیری از حملات را کسب کنید: * اهمیت ایمن‌سازی AI در چشم‌انداز فناوری امروز را درک کنید. * از طریق دروس ساختاریافته، مثال‌های کاربردی و تمرین‌های هدایت‌شده بیاموزید.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

آزمون SecAI+ The SecAI+ Exam

  • آزمون SecAI+ The SecAI+ Exam

  • فرصت‌های شغلی در امنیت AI Careers in AI Security

  • ارزش گواهینامه The Value of Certification

  • منابع مطالعه Study Resources

قبولی در آزمون SecAI+ Passing the SecAI+ Exam

  • محیط آزمون حضوری In Person Exam Environment

  • آزمون در منزل At Home Testing

  • انواع سوالات SecAI+ SecAI+ Question Types

  • قبولی در آزمون SecAI+ Passing the SecAI+ Exam

  • نکات آزمون Exam Tips

دامین ۱: مفاهیم پایه AI مرتبط با امنیت سایبری Domain 1: Basic AI Concepts Related to Cybersecurity

  • مروری بر دامین مفاهیم پایه AI مرتبط با امنیت سایبری Overview of the Basic AI Concepts Related to Cybersecurity Domain

انواع هوش مصنوعی Types of AI

  • انواع هوش مصنوعی Types of AI

  • یادگیری ماشین Machine Learning

  • یادگیری عمیق Deep Learning

  • پردازش زبان طبیعی (NLP) Natural Language Processing

  • مقایسه LLMs و SLMs LLMs vs SLMs

  • هوش مصنوعی مولد Generative AI

تکنیک‌های آموزش مدل Model Training Techniques

  • یادگیری نظارت شده Supervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • یادگیری تقویتی Reinforcement Learning

  • یادگیری فدرال Federated Learning

  • اعتبارسنجی مدل Model Validation

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

مهندسی پرامپت Prompt Engineering

  • مهندسی پرامپت Prompt Engineering

  • نقش‌های پرامپت Prompt Roles

  • پرامپت Zero-shot Zero-shot Prompting

  • پرامپت One-shot One-shot Prompting

  • پرامپت Multi-shot Multi-shot Prompting

پردازش داده‌ها Data Processing

  • انواع داده‌ها Data Types

  • پاکسازی داده‌ها Data Cleansing

  • تایید داده‌ها Data Verification

  • یکپارچگی داده‌ها Data Integrity

  • تبارشناسی و منشأ داده‌ها Data Lineage and Provenance

  • افزایش داده‌ها (Augmentation) Data Augmentation

  • متعادل‌سازی داده‌ها Data Balancing

  • واترمارکینگ (Watermarking) Watermarking

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

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

  • ایمن‌سازی ذخیره‌گاه دانش Securing the Knowledge Store

  • یکپارچگی داده‌های بازیابی شده Integrity of Retrieved Data

  • ملاحظات حریم خصوصی در RAG RAG Privacy Considerations

امنیت در چرخه حیات AI Security in the AI Lifecycle

  • چرخه حیات AI The AI Lifecycle

  • همسویی تجاری در چرخه حیات AI Business Alignment in the AI Lifecycle

  • جمع‌آوری داده‌ها Data Collection

  • آماده‌سازی داده‌ها Data Preparation

  • توسعه و انتخاب مدل Model Development and Selection

  • ارزیابی و اعتبارسنجی مدل Model Evaluation and Validation

  • استقرار و یکپارچه‌سازی مدل Model Deployment and Integration

  • مانیتورینگ و نگهداری Monitoring and Maintenance

طراحی AI انسان‌محور Human-Centric AI Design

  • طراحی AI انسان‌محور Human-Centric AI Design

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

  • نظارت انسانی Human Oversight

  • اعتبارسنجی انسانی Human Validation

دامین ۲: ایمن‌سازی سیستم‌های AI Domain 2: Securing AI Systems

  • مروری بر دامین ایمن‌سازی سیستم‌های AI Overview of the Securing AI Systems Domain

حملات داده‌ای و آموزشی Data and Training Attacks

  • مسموم‌سازی داده‌ها Data Poisoning

  • مسموم‌سازی مدل Model Poisoning

  • وارد کردن سوگیری‌ها (Biases) Introducing Biases

  • حملات یادگیری انتقالی Transfer Learning Attacks

  • انحراف مدل (Model Skewing) Model Skewing

  • حملات درپوش (Backdoor) و تروجان Backdoor and Trojan Attacks

حملات دستکاری پرامپت و ورودی Prompt and Input Manipulation Attacks

  • تزریق پرامپت (Prompt Injection) Prompt Injection

  • دور زدن گاردریل‌ها و جیل‌بریکینگ Circumventing Guardrails and Jailbreaking

  • دستکاری ورودی Input Manipulation

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

  • وارونگی مدل (Model Inversion) Model Inversion

  • استنتاج عضویت (Membership Inference) Membership Inference

  • سرقت مدل Model Theft

  • افشای اطلاعات حساس Sensitive Information Disclosure

حملات عملیاتی و یکپارچگی Integration and Operational Attacks

  • دستکاری یکپارچگی‌های اپلیکیشن Manipulating Application Integrations

  • حملات زنجیره تامین AI AI Supply Chain Attacks

  • طراحی ناامن پلاگین‌ها Insecure Plug-in Design

  • مدیریت ناامن خروجی‌ها Insecure Output Handling

  • حملات یکپارچگی خروجی Output Integrity Attacks

  • محروم‌سازی از سرویس مدل (DoS) Model Denial of Service

  • نمایندگی بیش از حد (Excessive Agency) Excessive Agency

  • اتکای بیش از حد (Overreliance) Overreliance

  • توهمات هوش مصنوعی (Hallucinations) AI Hallucinations

کنترل‌های امنیتی AI AI Security Controls

  • ارزیابی ریسک مدل Model Risk Assessment

  • گاردریل‌های مدل Model Guardrails

  • قالب‌های پرامپت Prompt Templates

  • تست و اعتبارسنجی گاردریل‌ها Guardrail Testing and Validation

کنترل‌های دسترسی AI AI Access Controls

  • دیواره‌های آتش پرامپت (Prompt Firewalls) Prompt Firewalls

  • محدودیت‌ها و سهمیه‌ها Limits and Quotas

  • کنترل‌های دسترسی به مدل Model Access Controls

  • کنترل‌های دسترسی به داده‌ها Data Access Controls

  • کنترل‌های دسترسی به ایجنت‌ها Agent Access Controls

  • کنترل‌های دسترسی شبکه و API Network and API Access Controls

رمزنگاری و ایمنی داده‌ها Encryption and Data Safety

  • رمزنگاری داده‌ها Data Encryption

  • برچسب‌گذاری طبقه‌بندی داده‌ها Data Classification Labeling

  • حداقل‌سازی داده‌ها Data Minimization

  • پاکسازی داده‌ها (Redaction) Data Redaction

  • ماسک کردن داده‌ها (Masking) Data Masking

  • ناشناس‌سازی داده‌ها (Anonymization) Data Anonymization

مانیتورینگ و حسابرسی AI AI Monitoring and Auditing

  • مانیتورینگ پرامپت‌ها و پاسخ‌ها Monitoring Prompts and Responses

  • مانیتورینگ لاگ‌ها Log Monitoring

  • مانیتورینگ نرخ و هزینه Rate and Cost Monitoring

  • حسابرسی توهمات AI Auditing for AI Hallucinations

  • حسابرسی دقت Auditing for Accuracy

  • حسابرسی سوگیری و انصاف Auditing for Bias and Fairness

  • حسابرسی دسترسی و انطباق امنیتی Auditing Access and Security Compliance

دامین ۳: امنیت به کمک هوش مصنوعی Domain 3: AI-assisted Security

  • مروری بر دامین امنیت به کمک AI Overview of the AI-assisted Security Domain

ابزارهای امنیتی مبتنی بر AI AI-Assisted Security Tools

  • هوش مصنوعی در ابزارهای امنیتی AI in Security Tools

  • پلاگین‌های IDE IDE Plug-ins

  • پلاگین‌های مرورگر Browser Plug-ins

  • پلاگین‌های CLI CLI Plug-ins

  • چت‌بات‌ها و دستیاران شخصی Chatbots and Personal Assistants

  • سرورهای MCP MCP Servers

موارد استفاده از امنیت AI AI Security Use Cases

  • شناسایی و پیشگیری از تهدیدات Threat Detection and Prevention

  • توسعه کد امن Secure Code Development

  • تست نفوذ Penetration Testing

  • پاسخ به حوادث و مدیریت آن‌ها Incident Response and Management

  • عملیات امنیتی مبتنی بر زبان Language-Driven Security Operations

حملات فعال شده توسط AI AI-Enabled Attacks

  • محتوای دیپ‌فیک (Deepfake) Deepfake Content

  • شبکه‌های Adversarial Adversarial Networks

  • شناسایی (Reconnaissance) Reconnaissance

  • مهندسی اجتماعی Social Engineering

  • مبهم‌سازی (Obfuscation) Obfuscation

  • همبستگی خودکار داده‌ها Automated Data Correlation

  • تولید خودکار حملات Automated Attack Generation

اتوماسیون وظایف امنیتی Automating Security Tasks

  • ابزارهای اسکریپت‌نویسی Scripting Tools

  • سنتز و خلاصه‌سازی اسناد Document Synthesis and Summarization

  • مدیریت تیکت‌های پاسخ به حوادث Incident Response Ticket Management

  • مدیریت تغییرات Change Management

  • ایجنت‌های AI AI Agents

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

دامین ۴: حاکمیت، ریسک و انطباق AI Domain 4: AI Governance, Risk, and Compliance

  • مروری بر دامین حاکمیت، ریسک و انطباق AI Overview of the AI Governance, Risk, and Compliance Domain

حاکمیت AI AI Governance

  • حاکمیت بر AI Governing AI

  • سازماندهی برای AI Organizing for AI

  • سیاست‌ها و رویه‌های AI AI Policies and Procedures

  • نقش‌های مرتبط با AI AI-Related Roles

ریسک‌های AI AI Risks

  • هوش مصنوعی مسئولانه Responsible AI

  • ریسک‌های AI AI Risks

  • وارد کردن سوگیری Introduction of Bias

  • نشت تصادفی داده‌ها Accidental Data Leakage

  • از دست دادن اعتبار و شهرت Reputational Loss

  • دقت و عملکرد مدل Accuracy and Performance of the Model

  • ریسک‌های مالکیت معنوی Intellectual Property Risks

  • سیستم‌های خودمختار Autonomous Systems

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

  • آموزش‌های آگاهی‌بخش Awareness Training

انطباق AI AI Compliance

  • انطباق AI AI Compliance

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

  • استانداردهای OECD OECD Standards

  • استانداردهای ISO برای AI ISO AI Standards

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

  • سیاست‌های AI شرکتی Corporate AI Policies

  • ارزیابی‌های انطباق شخص ثالث Third-Party Compliance Evaluations

  • حاکمیت داده‌ها Data Sovereignty

گام‌های بعدی چیست؟ What's Next?

  • آماده شدن برای آزمون Preparing for the Exam

نمایش نظرات

آموزش دوره جامع جامع گواهینامه CompTIA SecAI+ (CY-001) از Mike's Complete Certification Course [ویدئویی]
جزییات دوره
6h 12m
147
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

Mike Chapple, Ph.D. Mike Chapple, Ph.D.

مایک چاپل (Mike Chapple) دارای گواهینامه‌های CISSP، CySA+، CISM، PenTest+ و Security+ است و به هزاران دانشجو کمک کرده تا از طریق کتاب‌ها، دوره‌ها و آزمون‌های تمرینی او، گواهینامه‌های خود را دریافت کنند. در زمینه CISSP، مایک نویسنده راهنمای مطالعه رسمی (ISC)2 CISSP، تست‌های تمرینی رسمی (ISC)2 CISSP و مجموعه آموزش‌های ویدئویی CISSP لینکدین است. در حوزه Security+، او مجموعه آموزشی Security+ لینکدین را توسعه داد. همچنین مایک نویسنده راهنمای مطالعه CySA+ از Sybex و نویسنده کتاب تست‌های تمرینی CySA+ و مجموعه ویدئویی CySA+ لینکدین است. مایک ۲۰ سال تجربه به عنوان مدرس، نویسنده و متخصص عملی در امنیت سایبری در بخش‌های دولتی و خصوصی دارد. او فعالیت حرفه‌ای خود را به عنوان دانشمند پژوهشگر امنیت اطلاعات در آژانس امنیت ملی ایالات متحده آغاز کرد و سپس به عنوان مدیر ارشد فناوری (CIO) در Brand Institute وارد صنعت خصوصی شد. او در حال حاضر عضو هیئت علمی دانشگاه نوتردام است و در زمینه امنیت سایبری و تحلیل‌های تجاری تخصص دارد.

Fred Nwanganga, Ph.D. Fred Nwanganga, Ph.D.

فرِد نوانگانگا (Fred Nwanganga) استادیار IT، تحلیل‌ها و عملیات در کالج کسب‌وکار مندوزا در دانشگاه نتردام است. او با بیش از ۲۰ سال تجربه در رهبری IT، در زمینه‌های یادگیری ماشین، تحلیل داده‌های بدون ساختار و پایتون برای تحلیل تدریس می‌کند. فرد نویسنده همکار کتاب‌هایی مانند «یادگیری ماشین کاربردی در R» (Wiley, 2020) و «راهنمای مطالعه گواهینامه CompTIA DataX» (Sybex, 2024) است. او همچنین دوره‌های آموزشی در لینکدین لرنینگ در مورد یادگیری ماشین، پایتون و AI مولد ارائه داده است. او دارای مدرک PhD در علوم کامپیوتر و مهندسی از نتردام است.