آموزش حریم خصوصی و عملیات امنیتی هوش مصنوعی - آخرین آپدیت

دانلود Privacy and Secure AI Operations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به بررسی انطباق با قوانین حریم خصوصی داده‌ها، امنیت هوش مصنوعی مبتنی بر ترنسفورمر و امنیت عملیاتی سیستم‌های هوش مصنوعی مستقر می‌پردازد. شما یاد خواهید گرفت که چگونه مبانی قانونی GDPR را بر داده‌های آموزشی تطبیق دهید، بررسی‌های DPIA را انجام داده و تکنیک‌های شناسایی‌زدایی (De-identification) را ارزیابی کنید؛ همچنین سطوح حمله در مدل‌های ترنسفورمر را شناسایی کرده و گزارش‌های تست‌های تخریبی را برای اولویت‌بندی سخت‌سازی سیستم تفسیر نمایید. علاوه بر این، پیاده‌سازی کنترل‌های دفاع در عمق (Defence-in-Depth) در محیط‌های Azure ML را بررسی خواهید کرد، خروجی‌های تله‌متری امنیتی را برای شناسایی تزریق دستورات (Prompt Injection) ارزیابی می‌کنید و در هنگام انتشار آسیب‌پذیری‌های وابستگی مدل، بین به‌روزرسانی (Patch) یا آموزش مجدد (Retrain) تصمیم‌گیری خواهید کرد. محتوای فنی این دوره برای مخاطبان مدیریتی و حاکمیتی طراحی شده است و نیازی به کدنویسی یا مهندسی مدل ندارد. آشنایی با مفاهیم پایه GDPR و Azure توصیه می‌شود.

سرفصل ها و درس ها

سوابق پردازش داده‌های GDPR: تطبیق مبانی قانونی با داده‌های آموزشی هوش مصنوعی GDPR RoPA: Map Lawful Bases to AI Training Data

  • زمانی که مجموعه آموزشی شما به تیتر اصلی حسابرسی تبدیل می‌شود When Your Training Set Becomes Your Audit Headline

  • شش مبنای قانونی و داده‌های دسته‌بندی خاص The Six Lawful Bases and Special Category Data

  • به‌کارگیری درخت تصمیم مبانی قانونی Apply the Lawful Basis Decision Tree

سوابق پردازش داده‌های GDPR: تکمیل RoPA با بازه‌های نگهداری و تایید DPO GDPR RoPA: Populate the RoPA with Retention and DPO Sign-Off

  • مدت نگهداری، تایید DPO و محرک‌های تصاعدی Retention, DPO Sign-Off, and Escalation Triggers

  • تکمیل ستون‌های RoPA برای آموزش هوش مصنوعی Populate the RoPA for AI Training Columns

ارزیابی DPIA و شناسایی‌زدایی: تحلیل DPIA برای یافتن اقدامات اصلاحی مفقود DPIA & De-ID: Analyze a DPIA for Missing Mitigations

  • اقدام اصلاحی که وجود نداشت The Mitigation That Wasn't There

  • محرک‌های ماده ۳۵ و ساختار DPIA Article 35 Triggers and DPIA Structure

  • متدولوژی شناسایی شکاف در یک نمونه DPIA Gap-Detection Methodology on a Sample DPIA

ارزیابی DPIA و شناسایی‌زدایی: مقایسه نام مستعارسازی در برابر حریم خصوصی تفاضلی DPIA & De-ID: Evaluate Pseudonymization vs Differential Privacy

  • بازشناسایی که اتفاق نیفتاد The Re-Identification That Wasn't

  • نام مستعارسازی و حریم خصوصی تفاضلی Pseudonymization and Differential Privacy

  • تکمیل ماتریس مقایسه‌ای شناسایی‌زدایی Populating a De-Identification Comparison Matrix

امنیت ترنسفورمر: ترسیم سطوح حمله در معماری مدل Transformer Security: Map Attack Surfaces in the Architecture

  • سوالاتی که باعث می‌شود مهندسان شما را جدی بگیرند The Questions That Make Engineers Take You Seriously

  • نحوه پردازش توکن‌ها توسط ترنسفورمرها از دیدگاه مدیریتی How Transformers Process Tokens—A Manager's View

  • حاشیه‌نویسی نمودار جریان داده ترنسفورمر برای سطوح حمله Annotate a Transformer Data-Flow Diagram for Attack Surfaces

امنیت ترنسفورمر: بررسی تست‌های تخریبی و ثبت تیکت سخت‌سازی Transformer Security: Review Adversarial Tests and Submit a Hardening Ticket

  • گزارش‌های تست که منجر به سخت‌سازی واقعی شدند Test Reports That Drove Real Hardening

  • دسته‌بندی تست‌های تخریبی و آنچه فاش می‌کنند Adversarial Test Categories and What They Reveal

  • بررسی گزارش تست تخریبی و شناسایی اولویت‌های سخت‌سازی Review an Adversarial Test Report and Identify Hardening Priorities

امنیت AML: ارزیابی کنترل‌های دفاع در عمق و شناسایی شکاف‌های پیکربندی AML Security: Evaluate Defence-in-Depth Controls and Identify Configuration Gaps

  • شکاف‌هایی که پس از عملیاتی شدن سیستم ظاهر می‌شوند The Gaps That Surface After Go-Live

  • دفاع در عمق برای استقرار مدل‌های هوش مصنوعی Defence-in-Depth for AI Model Deployments

امنیت AML: تحلیل تله‌متری برای شناسایی و گزارش تزریق دستورات AML Security: Analyze Telemetry for Prompt-Injection Detection and Escalation

  • هشداری که خیلی زود بسته شد The Alert That Got Closed Too Soon

  • منابع تله‌متری و امضاهای تزریق دستورات Telemetry Sources and Prompt-Injection Signatures

به‌روزرسانی در مقابل آموزش مجدد: تحلیل CVE و تصمیم‌گیری نهایی Patch vs Retrain: Analyze the CVE and Make the Call

  • آسیب‌پذیری CVE ساعت ۲ صبح که به دستور جلسه CAB تبدیل شد The 2 AM CVE That Ends Up on the CAB Agenda

  • خواندن CVE برای بررسی ارتباط با مدل هوش مصنوعی Reading a CVE for AI Model Relevance

  • به‌کارگیری ماتریس تصمیم: دو نتیجه احتمالی Apply the Decision Matrix: Two Outcomes

به‌روزرسانی در مقابل آموزش مجدد: دفاع از تصمیم در برابر شورای مشورتی تغییرات Patch vs Retrain: Defend the Decision to the Change Advisory Board

  • توصیه‌ای که در شورای CAB پذیرفته نشد The Recommendation That Didn't Survive CAB

  • پویایی‌های شورای مشورتی تغییرات (CAB) Change Advisory Board Dynamics

  • ارائه تصمیم به‌روزرسانی در مقابل آموزش مجدد به شورای CAB Present the Patch-vs-Retrain Decision to a Change Advisory Board (CAB)

ماژول پروژه: بسته انطباق حریم خصوصی و عملیات امنیتی Project Module: Privacy & Secure Operations Compliance Package

  • چرا این پروژه اهمیت دارد Why This Project Matters

نمایش نظرات

آموزش حریم خصوصی و عملیات امنیتی هوش مصنوعی
جزییات دوره
10h 41m
28
(آخرین آپدیت)
4
- از 5
دارد
دارد
دارد
Microsoft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar