آموزش دوره جامع گواهینامه CompTIA SecAI+ (CY-001) - جلسات زنده [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• تریلر دوره Course Trailer

• مقدمه Introduction

• مرور کلی گواهینامه CompTIA SecAI CompTIA SecAI Certification Overview

• چرا گواهینامه CompTIA SecAI اهمیت دارد Why the CompTIA SecAI Certification Is Important

• پیشنهاد ویژه برای کسانی که دوره را به پایان می‌رسانند Special Offer for Those Completing the Course!

• منابع دوره Course Resources

دامنه 1: مفاهیم پایه هوش مصنوعی مرتبط با امنیت سایبری Domain 1: Basic AI Concepts Related to Cybersecurity

• مرور کلی ماژول اول Module One Overview

• بخش 1.1: مقایسه انواع مختلف AI و تکنیک‌های مورد استفاده در فضای سایبری Section 1.1: Compare and Contrast Various AI Types and Techniques Used in Cyber

• هوش مصنوعی (AI) و یادگیری ماشین (ML) چیست؟ What Is AI/ML?

• انواع یادگیری ماشین کدامند؟ What Are the Machine Learning Types?

• مقایسه و تفاوت AI و ML Compare and Contrast AI/ML

• دسته‌بندی‌های AI: هوش مصنوعی مولد، پیش‌بین، عامل‌محور و سایرین AI Categories: Generative AI, Predictive AI, Agentic AI, and Others

• یادگیری عمیق (Deep Learning) چیست؟ What Is Deep Learning?

• پردازش زبان طبیعی (NLP) چیست؟ What Is Natural Language Processing (NLP)?

• سرویس‌های هوش مصنوعی مولد Generative AI Services

• درک پشته تکنولوژی (Tech Stack) هوش مصنوعی Understanding the AI Tech Stack

• تخته سفید: هوش مصنوعی مولد چگونه کار می‌کند (Google Gemini) Whiteboard: How Generative AI Works (Google Gemini)

• تخته سفید: هوش مصنوعی عامل‌محور چگونه کار می‌کند (SOC) Whiteboard: How Agentic AI Works (SOC)

• تخته سفید: هوش مصنوعی پیش‌بین چگونه کار می‌کند (پیش‌بینی) Whiteboard: How Predictive AI Works (Forecasting)

• درس AI: خطرات پنهان دستیارهای هوش مصنوعی AI Lesson: AI Assistants Hidden Danger

• درک الگوریتم‌های هوش مصنوعی Understanding AI Algorithms

• مدل زبانی بزرگ (LLM) چیست؟ What Is a Large Language Model (LLM)?

• ترانسفورمرهای پیش‌آموزش‌دیده مولد (GPTs) چیستند؟ What Are Generative Pre-trained Transformers (GPTs)?

• درس AI: امنیت هوش مصنوعی: قوانین جدید AI Lesson: AI Security: New Rules

• ستون‌های ادراکی AI/ML Perceptual Pillars of AI/ML

• دمو: سرویس‌های AI گوگل (GCP) Demonstration: GCP AI Services

• تخته سفید: چرخه حیات یادگیری ماشین در مثال AWS Whiteboard: Machine Learning Lifecycle on AWS Example

• مهندسی پرامپت (Prompt Engineering) چیست What Is Prompt Engineering

• دمو: پرامپت‌های سیستمی و کاربر Demonstration: Systems and User Prompts

• دمو: تکنیک‌های پرامپت‌نویسی Zero Shot، One Shot و Few Shot Demonstration: Zero-Shot, One-Shot, and Few-Shot Prompting

• دمو: انتخاب مدل‌ها در سرویس‌های GenAI Demonstration: Selecting Models in GenAI Services

• بخش 1.2: امنیت داده‌ها در رابطه با هوش مصنوعی Section 1.2: Data Security in Relation to AI

• توضیح چرخه حیات داده‌ها Explain the Data Lifecycle

• اهمیت داده‌ها برای کاربردهای هوش مصنوعی Importance of Data to AI Applications

• امنیت پردازش داده‌ها در AI/ML AI/ML Data Processing Security

• داده‌ها: سوخت هوش مصنوعی Data: The Fuel for AI

• دفاع امنیت سایبری و هوش مصنوعی Cybersecurity Defense and AI

• دمو: پورتال تأیید SynthID (واترمارکینگ) Demonstration: SynthID Verification Portal (Watermarking)

• تولید تقویت‌شده با بازیابی (RAG) Retrieval Augmented Generation (RAG)

• بخش 1.3: اهمیت امنیت در طول چرخه حیات هوش مصنوعی Section 1.3: Importance of Security Throughout the Life Cycle of AI

• چرخه حیات AI چیست؟ What Is the AI Lifecycle?

• چارچوب مدیریت ریسک AI سازمان NIST NIST AI RMF

• تخته سفید: چرخه حیات/مدیریت ریسک NIST Whiteboard: NIST RMF/Lifecycle

• به‌کارگیری موارد استفاده تجاری امنیتی Apply Security Business Use Cases

• داده‌های قابل اعتماد در هوش مصنوعی Trustworthy AI Data

• نحوه دسترسی به گروه‌های مطالعه و جلسات پرسش و پاسخ زنده How to Access Study Group and Live Class Q/A Sessions

• چرخه حیات AI و MLOps AI Lifecycle and MLOps

• بازخوردها و تکرارها Feedback and Iterations

• خلاصه مرور ماژول Module Review Summary

• سوالات مروری ماژول اول Module One Review Questions

دامنه 2: ایمن‌سازی سیستم‌های هوش مصنوعی Domain 2: Securing AI Systems

• مرور کلی ماژول دوم Module Two Overview

• مرور کلی بخش 2.1 Section 2.1 Overview

• درس AI: مبانی مدل‌سازی تهدیدات هوش مصنوعی AI Lesson: AI Threat Modeling Fundamentals

• ظهور مدل‌های زبانی بزرگ (LLMs) Rise of LLMs

• لیست 10 مورد برتر OWASP برای کاربردهای LLM چیست؟ What Is the OWASP Top 10 for LLM Applications?

• اولویت‌بندی ریسک: شیوع، قابلیت بهره‌برداری و اثرگذاری Prioritizing Risk: Prevalence, Exploitability, and Impact

• چرخه حیات توسعه امن (SDLC) برای کاربردهای LLM Secure Development Lifecycle (SDLC) for LLM Applications

• راهکار تخته سفید: تحلیل و کاهش ریسک در کاربردهای LLM شما Whiteboard Solution: Analyze and Mitigate Risk in Your LLM Applications

• مخزن ریسک AI مؤسسه فناوری ماساچوست (MIT) Massachusetts Institute of Technology (MIT) AI Risk Repository

• چشم‌انداز تهدیدات متخاصم MITRE برای سیستم‌های هوش مصنوعی (ATLAS) MITRE Adversarial Threat Landscape for Artificial-Intelligence Systems (ATLAS)

• گروه کاری AI در زمینه آسیب‌پذیری‌ها و اکسپلویت‌های رایج (CVE) Common Vulnerabilities and Exposures (CVE) AI Working Group

• تست امنیتی تیم قرمز (Red Team) برای LLM LLM Red Team Security Testing

• بخش 2.2: پیاده‌سازی کنترل‌های امنیتی برای سیستم‌های AI Section 2.2: Implement Security Controls for AI Systems

• درس AI: پیاده‌سازی چارچوب امن AI با گوگل AI Lesson: Implementing Secure AI Framework with Google

• مدل امنیتی مشترک ابری (با تمرکز بر AI) Cloud Shared Security Model (AI-focused)

• دفاع در عمق (Defense in Depth) Defense in Depth

• درس AI: دژ امن هوش مصنوعی AI Lesson: Secure AI Fortress

• درس AI: عملیات امنیت یادگیری ماشین (MLSecOps) AI Lesson: MLSecOps

• کنترل‌های عملیاتی و زمان اجرا (Runtime) Operational and Runtime Controls

• دمو: ایجاد نقشه‌های تاکتیکی در NotebookLM Demonstration: Creating Tactical Blueprints in NotebookLM

• تست گاردریل‌ها (Guardrail Testing) Guardrail Testing

• بخش 2.3: پیاده‌سازی کنترل‌های دسترسی مناسب برای سیستم‌های AI Section 2.3: Implement Appropriate Access Controls for AI Systems

• درس AI: استراتژی‌های کنترل دسترسی AI Lesson: Access Control Strategies

• درس AI: ایمن‌سازی عامل‌های هوش مصنوعی (AI Agents) AI Lesson: Securing AI Agents

• تفاوت‌های امنیتی بین نسخه فردی و سازمانی OpenAI Security Differences Between OpenAI Individual and Enterprise

• کنترل‌های دسترسی به مدل هسته و داده‌ها Core Model and Data Access Controls

• تخته سفید: سیاست فضای کاری RBAC در OpenAI Whiteboard: OpenAI RBAC Workspace Policy

• امنیت شبکه و API API and Network Security

• تخته سفید: سناریوی تزریق پرامپت (Prompt Injection) Whiteboard: Prompt Injection Scenario

• بخش 2.4: پیاده‌سازی کنترل‌های امنیت داده برای سیستم‌های AI Section 2.4: Implement Data Security Controls for AI Systems

• درس AI: رمزنگاری: فراتر از یک قفل AI Lesson: Encryption: More Than a Lock

• درس AI: کنترل‌های ایمنی و امنیت داده‌ها AI Lesson: Data Safety and Security Controls

• ریسک‌های مدل داده و زنجیره تأمین Data Model and Supply Chain Risks

• تخته سفید: ریسک‌های داده و زنجیره تأمین Whiteboard: Data and Supply Chain Risks

• بخش 2.5: پیاده‌سازی نظارت و حسابرسی برای سیستم‌های AI Section 2.5: Implement Monitoring and Auditing for AI Systems

• درس AI: محدودسازی نرخ، محدودیت توکن‌ها و سهمیه‌های ورودی AI Lesson: Rate Limiting, Token Limits, Input Quotas

• درس AI: درک هزینه‌های هوش مصنوعی AI Lesson: Understanding AI Costs

• تخته سفید: ستون‌های کلیدی کیفیت AI Whiteboard: Key Pillars of AI Quality

• درس AI: توکن‌ها در هوش مصنوعی مولد چگونه کار می‌کنند AI Lesson: How Tokens Work with Generative AI

• بخش 2.6: تحلیل شواهد حمله و پیشنهاد کنترل‌های جبرانی برای AI Section 2.6: Analyze the Evidence of an Attack and Suggest Compensating Controls for AI

• درس AI: هک کردن AI برای ارتقای ایمنی AI Lesson: Hacking AI for Safety

• LLM01: تزریق پرامپت LLM01: Prompt Injection

• LLM05: مدیریت نادرست خروجی LLM05: Improper Output Handling

• LLM04: مسموم‌سازی داده‌ها و مدل LLM04: Data and Model Poisoning

• LLM07: نشت پرامپت سیستمی LLM07: System Prompt Leakage

• مرور ماژول دوم Module Two Review

• سوالات مروری ماژول دوم Module Two Review Questions

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

• مرور کلی ماژول سوم Module Three Overview

• بخش 3.1: استفاده از ابزارهای مبتنی بر AI برای تسهیل وظایف امنیتی Section 3.1: Use AI-enabled Tools to Facilitate Security Tasks

• درس AI: ابزارها و کاربردها AI Lesson: Tools and Applications

• پلتفرم‌های SOC مبتنی بر AI عامل‌محور Agentic AI SOC Platforms

• درس AI: مرور کلی MCP AI Lesson: MCP Overview

• تخته سفید: نگرانی‌های امنیتی MCP Whiteboard: MCP Security Concerns

• بخش 3.2: توضیح نحوه فعال‌سازی یا تقویت بردارهای حمله توسط AI Section 3.2: Explain How AI Enables or Enhances Attack Vectors

• درس AI: بردارهای حمله AI با استفاده از GenAI AI Lesson: AI Attack Vector with GenAI

• درس AI: مورد استفاده AWS برای مدل‌سازی تهدیدات AI Lesson: AWS Use Case for Threat Modeling

• درس AI: هوش مصنوعی برای مرکز عملیات امنیت (SOC) AI Lesson: AI for Security Operations Center (SOC)

• بحث: شبکه‌های متخاصم (Adversarial Networks) Discussion: Adversarial Networks

• مهندسی اجتماعی Social Engineering

• مبهم‌سازی (Obfuscation) Obfuscation

• محتوای تولید شده توسط AI: جعل عمیق (Deep Fakes) AI Generated Content: Deep Fakes

• بخش 3.3: هوش مصنوعی برای اتوماسیون وظایف امنیتی Section 3.3: AI to Automate Security Tasks

• درس AI: امنیت قدرت‌یافته با AI AI Lesson: AI Powered Security

• اسکریپت‌نویسی، سنتز و خلاصه‌سازی Scripting, Synthesis and Summarization

• پاسخ به حوادث (Incident Response) Incident Response

• دمو: مدیریت تغییرات Demonstration: Change Management

• مرور ماژول چهارم Module Four Review

• سوالات مروری ماژول Module Review Questions

دامنه 4: حاکمیت، ریسک و انطباق هوش مصنوعی Domain 4: AI Governance, Risk, and Compliance

• مرور کلی ماژول چهارم Module Four Overview

• بخش 4.1: ساختارهای حاکمیتی سازمانی حامی هوش مصنوعی Section 4.1: Organizational Governance Structures That Support AI

• درس AI: اهمیت حاکمیت هوش مصنوعی AI Lesson: Importance of AI Governance

• مسئولیت‌پذیری قانونی و حرفه‌ای Legal and Professional Accountability

• کد اخلاقی (Code of Conduct) Code of Conduct

• نقش‌های مرتبط با هوش مصنوعی Roles Associated with AI

• ایجاد سیاست‌ها، چارچوب‌ها و روش‌های اخلاقی Creating Ethical Policies, Frameworks and Practices

• تخته سفید: پیاده‌سازی اصول هوش مصنوعی مسئولانه Whiteboard: Implement Responsible AI Principles

• مرکز تعالی AI AI Center of Excellence

• کمیته‌ها و شوراهای بررسی اخلاقی Ethical Review Boards and Committees

• بخش 4.2: ریسک‌ها و پیامدهای مرتبط با هوش مصنوعی Section 4.2: Risks and Implications Associated with AI

• درس AI: اهمیت اخلاق در هوش مصنوعی AI Lesson: Importance of AI Ethics

• تعریف اخلاق در AI Defining AI Ethics

• جعبه سفید در مقابل جعبه سیاه (White Box vs Black Box) White Box vs. Black Box

• اصول اخلاقی هسته‌ای AI Core AI Ethical Principles

• حاکمیت و اخلاق در AI مسئولانه Responsible AI Ethics and Governance

• هفت C هوش مصنوعی Seven C's of AI

• درک شفافیت در هوش مصنوعی Understanding Transparency with AI

• مطالعه موردی: استراتژی مبتنی بر اخلاق AI Case Study: AI Ethics Driven Strategy

• منابع ایجاد سوگیری (Bias) در AI Sources of AI Bias

• هوش مصنوعی سایه‌ای (Shadow AI) Shadow AI

• پیامدهای اخلاقی و اجتماعی استقرار AI The Moral and Social Implications of AI Deployment

• بخش 4.3: تأثیر انطباق بر استفاده تجاری و توسعه AI Section 4.3: Impact of Compliance on Business Use and Development of AI

• چارچوب‌های قانونی تعیین‌کننده الزامات Legal Frameworks That Establish Requirements

• مدیریت ریسک AI سازمان NIST NIST AI RMF

• استاندارد ISO/IEC 27001 ISO/IEC 27001

• قانون عمومی حفاظت از داده‌های اتحادیه اروپا (GDPR) EU General Data Protection Regulation (GDPR)

• قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) EU Artificial Intelligence Act (EU AI Act)

• اصول AI سازمان OECD OECD AI Principles

• مرور ماژول چهارم Module Four Review

• سوالات مروری ماژول چهارم Module Four Review Questions

• پیشنهاد ویژه Special Offer

• منابع تکمیلی و جمع‌بندی دوره Additional Resources and Course Closeout