آموزش طراحی معماری‌های امن هوش مصنوعی برای سیستم‌های مدرن [ویدئویی] - آخرین آپدیت

دانلود Designing Secure AI Architectures for Modern Systems [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های مدرن هوش مصنوعی در خط لوله‌های پیچیده، APIها و پلتفرم‌های ابری فعالیت می‌کنند که لایه‌های جدیدی از ریسک را ایجاد می‌کنند. این مسیر با شناسایی نقاط ضعف در زیرساخت‌های هوش مصنوعی، از جمله وزن‌های مدل (Model Weights)، نقاط پایانی استنتاج (Inference Endpoints) و یکپارچه‌سازی پلاگین‌ها آغاز می‌شود. شما بردار‌های حمله مانند تزریق پرامپت (Prompt Injection)، نشت داده‌ها و حملات استنتاج عضویت را بررسی کرده و مرزهای اعتماد و الگوهای رفتاری را در محیط‌های عملیاتی درک خواهید کرد. فاز بعدی بر تقویت سیستم‌ها از طریق مهندسی دفاعی تمرکز دارد. شما دیواره‌های آتش پرامپت (Prompt Firewalls) را طراحی کرده، فیلترینگ در سطح توکن را پیاده‌سازی می‌کنید و برای ایمن‌سازی جریان داده‌های حساس، سیستم‌های حذف اطلاعات شناسایی شخصی (PII Redaction) را ادغام خواهید کرد. حاکمیت داده‌ها از طریق طبقه‌بندی ریسک، گزارش‌های شفافیت و مستندات ساختاریافته مانند کارت‌های مدل و سیستم، منطبق با چارچوب‌های جهانی معرفی می‌شوند. در مرحله نهایی، شما جریان‌های کاری عامل‌محور (Agentic Workflows) امن را ساخته و معماری‌های چند-ابری (Multi-cloud) را با اطمینان مستقر خواهید کرد. موضوعات شامل نقش‌های IAM، نقاط پایانی خصوصی، امنیت RAG و پیکربندی‌های ابر حاکمیتی (Sovereign Cloud) است. در پایان، شما از اجرای ساده هوش مصنوعی به سمت طراحی سیستم‌های امن، منطبق و تاب‌آور که قادر به مقابله با تهدیدات دنیای واقعی هستند، حرکت خواهید کرد. - تحلیل سطوح حمله هوش مصنوعی در مدل‌ها، نقاط پایانی و APIها - طراحی خط لوله‌های Zero Trust برای استقرار امن سیستم‌های هوش مصنوعی - پیاده‌سازی دیواره‌های آتش پرامپت و کنترل‌های فیلترینگ در سطح توکن - ایمن‌سازی وزن‌های مدل و جلوگیری از ریسک‌های نشت داده‌های استنتاج - به‌کارگیری چارچوب‌های حاکمیتی برای مدل‌های طبقه‌بندی ریسک هوش مصنوعی - ساخت معماری‌های هوش مصنوعی چند-ابری با کنترل دسترسی قدرتمند این دوره برای مهندسان هوش مصنوعی، معماران ابری و متخصصان امنیت سایبری که مسئول استقرار و ایمن‌سازی سیستم‌های AI در محیط‌های سازمانی هستند، طراحی شده است. این دوره برای افرادی که با Azure، AWS یا Google Cloud کار می‌کنند و به دنبال تقویت امنیت مدل، اعمال حاکمیت و مدیریت ریسک‌های AI هستند، ایده‌آل است. داشتن درک پایه از رایانش ابری، APIها و مفاهیم یادگیری ماشین توصیه می‌شود. - پوشش جامع لایه‌های امنیتی AI در زیرساخت‌ها، APIها و مدل‌ها - همسویی با استانداردهای جهانی حاکمیت AI برای استقرار ساختاریافته و منطبق - بررسی سناریوهای واقعی چند-ابری برای نمایش الگوهای معماری امن و مقیاس‌پذیر

سرفصل ها و درس ها

مقدمه دوره Course Introduction

  • مقدمه دوره Course Introduction

ماژول ۱: زیرساخت هوش مصنوعی و سطوح حمله Module 1: AI Infrastructure & Attack Surfaces

  • ریسک‌های پنهان در هوش مصنوعی The Hidden Risk in AI

  • حفاظت از وزن‌های مدل Model Weight Protection

  • امنیت نقاط پایانی استنتاج Inference Endpoint Security

  • یکپارچه‌سازی API و پلاگین‌ها API & Plugin Integration

  • مکانیسم‌های تزریق مستقیم Direct Injection Mechanics

  • بردارهای تزریق غیرمستقیم Indirect Injection Vectors

  • نشت داده‌ها بین پرامپت‌ها Cross-Prompt Data Leakage

  • ریسک‌های به‌خاطرسپاری داده‌ها Memorization Risks

  • حملات استنتاج عضویت Membership Inference Attacks

  • مبانی حریم خصوصی تفاضلی Differential Privacy Basics

  • شناسایی هوش مصنوعی‌های مدیریت‌نشده Unmanaged AI Discovery

  • استفاده از CASB برای ترافیک AI CASB for AI Traffic

  • مرزهای اعتماد در هوش مصنوعی AI Trust Boundaries

  • مدل‌سازی بر اساس رفتار Behavior-Based Modeling

ماژول ۲: مهندسی دفاعی و گاردریل‌ها Module 2: Defensive Engineering & Guardrails

  • طراحی دیواره آتش پرامپت Prompt Firewall Design

  • فیلترینگ در سطح توکن Token-Level Filtering

  • موتورهای حذف اطلاعات شناسایی شخصی (PII) PII Redaction Engines

  • شناسایی کلیدهای API API Key Detection

  • محدودسازی بر اساس قصد کاربر Intent-Based Limiting

  • تخلیه منابع سیستم Resource Exhaustion

  • گاردریل‌های مقابله با توهمات AI Hallucination Guardrails

  • فیلترهای سمیت و سوگیری Toxicity & Bias Filters

ماژول ۳: حاکمیت و انطباق Module 3: Governance & Compliance

  • طبقه‌بندی ریسک Risk Classification

  • گزارش‌های شفافیت Transparency Reports

  • ستون «حاکمیت» The "Govern" Pillar

  • ستون‌های «نقشه و اندازه‌گیری» The "Map & Measure" Pillars

  • ایجاد کارت مدل Model Card Creation - Copy

  • تدوین کارت سیستم System Card Authoring

ماژول ۴: جریان‌های کاری عامل‌محور و خودمختاری محدود Module 4: Agentic Workflows & Bounded Autonomy

  • مجوزهای استفاده از ابزار Tool-Use Permissions

  • تفسیر نادرست دستورات Command Misinterpretation

  • تأییدیه برای اقدامات حساس High-Stakes Approval

  • تعریف محدودیت‌های خودمختاری Defining Autonomy Limits

ماژول ۵: عملیات و نفوذ (نقش اولین استخدام) Module 5: Operations & Influence (The First Hire Role)

  • اسکن وزن‌های مدل Weight Scanning

  • تبارشناسی مجموعه داده‌ها Dataset Lineage

  • ارائه طرح «تسهیل‌کننده امنیت» The "Security Enabler" Pitch

  • معماری بین-تیمی Cross-Team Architecture

ماژول ۶: الگوها و پلتفرم‌های ابری هوش مصنوعی Module 6: Cloud AI Patterns & Platforms

  • نقاط پایانی خصوصی Private Endpoints

  • پیکربندی عدم ذخیره‌سازی (Zero Retention) Zero Retention Config

  • یکپارچه‌سازی با Azure VNet Azure VNet Integration

  • امنیت RAG (کنترل دسترسی مبتنی بر نقش) RAG Security (RBAC)

  • گاردریل‌های Bedrock Bedrock Guardrails

  • نقش‌های IAM برای عامل‌ها IAM Roles for Agents

  • مبانی ابر حاکمیتی Sovereign Cloud Basics

  • کنترل‌های سرویس VPC VPC Service Controls

فاز ۶ مطالعه موردی: استارتاپ داخلی چند-ابری Phase 6 Case Study: The Multi-cloud "Internal Startup"

  • نگاشت IAM بین-ابری Cross-Cloud IAM Mapping

  • پراکسی امن در درگاه API Secure API Gateway Proxying

  • رمزنگاری داده‌ها در حال انتقال و در حالت استراحت Encryption in Transit & at Rest

نمایش نظرات

آموزش طراحی معماری‌های امن هوش مصنوعی برای سیستم‌های مدرن [ویدئویی]
جزییات دوره
1h 40m
48
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

Anand Rao Nednur Anand Rao Nednur

Anand Rao Nednur یک مربی فنی ارشد و مشاور ابر است. او حدود 15 سال با شرکت های بزرگ کار کرده است و طیف گسترده ای از فناوری ها را در کارنامه خود دارد. Anand نه تنها در پلتفرم‌های ابری (Azure، AWS و GCP) مهارت دارد، بلکه با IAM، امنیت و اتوماسیون با PowerShell و Python نیز به خوبی آشناست. علاوه بر این، مطالب دوره های مختلف را تدوین و به روز می کند. او به مهندسان بسیاری در معاینات آزمایشگاهی و اخذ گواهینامه کمک کرده است. آناند همچنین یک متخصص باتجربه گواهی است که دارای چندین گواهینامه است و آموزش های تحت رهبری مربی را در چندین ایالت در هند و همچنین چندین کشور مانند ایالات متحده آمریکا، بحرین، کنیا و امارات ارائه کرده است. او به عنوان یک مربی دارای گواهی مایکروسافت در سطح جهانی برای مشتریان شرکت های بزرگ کار کرده است.