آموزش امنیت پیش‌فرض در طراحی سیستم‌های هوش مصنوعی مولد و سیستم‌های عامل (Agentic Systems) - آخرین آپدیت

دانلود Secure AI by Design for GenAI Systems and Agentic Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره شامل Coursera Coach است؛ روشی هوشمندانه‌تر برای یادگیری از طریق گفتگوهای تعاملی و بلادرنگ که به شما کمک می‌کند دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و در طول مسیر یادگیری، درک خود را عمیق‌تر کنید. در این دوره به بررسی عمیق چارچوب‌های امنیتی ضروری برای هوش مصنوعی مولد (GenAI) و سیستم‌های عامل (Agentic Systems) می‌پردازیم. این دوره جنبه‌های حیاتی ایمن‌سازی سیستم‌های AI از مرحله توسعه تا استقرار را با استفاده از چارچوب‌های استاندارد صنعتی مانند OWASP LLMSecOps، NIST و MITRE ATLAS پوشش می‌دهد. بیاموزید که چگونه حاکمیت امنیتی را برقرار کنید، ریسک‌ها را مدیریت نمایید و انطباق با مقررات قانونی را در سیستم‌های AI خود ادغام کنید. دوره با معرفی مفاهیم بنیادی، چشم‌انداز ریسک‌های AI و دستورالعمل‌های کلیدی رهبران صنعت آغاز می‌شود. سپس چارچوب‌های اصلی مورد استفاده برای مدیریت و ایمن‌سازی سیستم‌های AI را بررسی کرده و در ادامه به استراتژی‌های عملی حاکمیتی، از جمله مدیریت موجودی، مستندسازی و شفافیت می‌پردازیم. همچنین بر ایمن‌سازی توسعه و عملیات AI، شامل هوش تهدید (Threat Intelligence)، تیم قرمز (Red Teaming) و سیستم امتیازدهی آسیب‌پذیری AI تاکید شده است. این دوره برای متخصصانی که به دنبال تقویت درک خود از امنیت AI هستند ایده‌آل است و ابزارهای لازم برای محافظت از هوش مصنوعی مولد و سیستم‌های عامل در برابر ریسک‌های نوظهور و تضمین انطباق با مقررات جهانی را فراهم می‌کند. در پایان این دوره، شما قادر خواهید بود سیستم‌های AI امن طراحی کنید، متدهای مدیریت ریسک را پیاده‌سازی نمایید و بهترین شیوه‌های امنیتی را در GenAI و سیستم‌های عامل به کار بگیرید.

سرفصل ها و درس ها

مقدمه‌ای بر امنیت هوش مصنوعی Introduction to AI Security

  • مقدمه Introduction

  • وضعیت پذیرش هوش مصنوعی The State of AI Adoption

  • استاندارد OWASP LLMSecOps OWASP LLMSecOps

  • راهنمای NIST Guidance from NIST

  • هسته مرکزی AI RMF The AI RMF Core

  • دفترچه راهنمای AI RMF The AI RMF Playbook

  • چارچوب MITRE ATLAS MITRE ATLAS

  • پروفایل چارچوب امنیت سایبری NIST برای AI NIST Cybersecurity Framework Profile for AI

  • از دوگانگی تا نظم From Duality to Discipline

  • مقررات جهانی AI و طبقه‌بندی ریسک اتحادیه اروپا Global AI Regulation and EU Risk Classification

چشم‌انداز ریسک‌های هوش مصنوعی The AI Risk Landscape

  • تاکسونومی ریسک‌های AI AI Risk Taxonomy

  • تاکسونومی ریسک‌های AI - بخش دوم AI Risk Taxonomy - Part 2

  • ده مورد برتر OWASP برای LLM و GenAI The OWASP Top 10 for LLM and GenAI

  • امنیت برنامه‌های عامل‌محور (Agentic App) Agentic App Security

  • ده مورد برتر OWASP برای برنامه‌های عامل‌محور (ASI) OWASP Top 10 for Agentic Applications (ASI)

حاکمیت و انطباق Governance and Compliance

  • حاکمیت امنیتی هوش مصنوعی AI Security Governance

  • موجودی دارایی‌های AI و پیشگیری از Shadow AI AI Asset Inventory and Shadow AI Prevention

  • انطباق مقرراتی برای هوش مصنوعی Regulatory Compliance for AI

  • نگاشت انطباق: از کنترل‌ها تا مقررات Compliance Mapping: Controls to Regulations

  • مستندسازی مدل و شفافیت Model Documentation and Transparency

  • صورت مواد (BOM) هوش مصنوعی AI Bill of Material

توسعه و عملیات امن Secure Development and Operations

  • چرخه حیات LLMSecOps The LLMSecOps Lifecycle

  • نمودار بصری LLMSecOps LLMSecOps Visual

  • امنیت داده‌های AI AI Data Security

  • امنیت مدل‌های AI AI Model Security

  • هوش تهدید در AI AI Threat Intelligence

  • راهنمای تیم قرمز AI AI Red Team Guidance

  • سیستم امتیازدهی آسیب‌پذیری AI AI Vulnerability Scoring System

  • متریک‌های امنیتی AI AI Security Metrics

  • شاخص‌های کلیدی عملکرد (KPI) امنیت AI AI Security KPIs

نمایش نظرات

آموزش امنیت پیش‌فرض در طراحی سیستم‌های هوش مصنوعی مولد و سیستم‌های عامل (Agentic Systems)
جزییات دوره
7h 28m
30
(آخرین آپدیت)
19
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده