لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوتکمپ جامع امنیت هوش مصنوعی عاملمحور (Agentic AI) و حاکمیت LLM
- آخرین آپدیت
دانلود Agentic AI Security & LLM Governance Career Bootcamp
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش عملی در زمینه امنیت هوش مصنوعی، سیستمهای عاملمحور (Agentic) و حاکمیت مدلهای زبانی بزرگ (LLM) برای تبدیل شدن به مهندس ارشد امنیت هوش مصنوعی.
درک تفاوتهای امنیت هوش مصنوعی با امنیت سنتی برنامهها و شناسایی ریسکهای منحصر به فرد در LLMها، سیستمهای RAG، برنامههای فراخوانی ابزار (Tool-calling) و حافظه.
طراحی معماریهای امن برای هوش مصنوعی عاملمحور با استفاده از کنترلهای لایهای، مرزهای اعتماد، اصل کمترین امتیاز، تأییدیههای انسانی و اجرای سیاستها.
شناسایی، اجرا و دفاع در برابر تزریق پرامپت (Prompt Injection)، جیلبریک (Jailbreak)، مسمومسازی اسناد، مسمومسازی حافظه، تزریق پارامتر و اقدامات غیرمجاز عاملها.
ساخت برنامههای امن هوش مصنوعی شامل رابطهای چت، خطلولههای RAG، فراخوانی ابزار، حافظه پایدار و عاملهای خودمختار.
پیادهسازی اعتبارسنجی پرامپت، پاکسازی ورودیها، امتیازدهی ریسک، فیلترینگ خروجی، جداسازی کانتکست، اعتبارسنجی منابع مورد اعتماد و گاردریلهای هوش مصنوعی.
ایجاد یک درگاه امنیتی یکپارچه (AI Security Gateway) برای محافظت از پرامپتها، محتوای بازیابی شده، ابزارها، حافظه، پاسخهای مدل و جریانهای کاری عاملها.
برقراری حاکمیت هوش مصنوعی سازمانی با استفاده از موجودیها، مدلهای مالکیت، کنترلهای چرخه عمر، ارزیابی ریسک، گیتهای تأیید، سیاستها و مدیریت شواهد.
ساخت داشبوردهای حاکمیتی برای نظارت بر مصرف، هزینه، ریسک، ارزیابی مدل، رانش (Drift)، کیفیت پرامپت، افشای دادههای حساس، حوادث و نظارت انسانی.
تطبیق کنترلهای عملیاتی هوش مصنوعی با چارچوبها و استانداردهای جهانی از جمله NIST AI RMF، ISO/IEC 42001 و قانون هوش مصنوعی اتحادیه اروپا (EU AI Act).
ارتباط موثر درباره ریسکهای امنیتی، شکافهای کنترلی، اولویتهای اصلاحی و توصیههای حاکمیتی به مدیران اجرایی، مهندسان، تیمهای ریسک، حسابرسان و سایرین.
پیشنیازها: هیچ تجربه قبلی در زمینه امنیت یا حاکمیت هوش مصنوعی مورد نیاز نیست؛ دوره با مفاهیم بنیادی آغاز میشود.
آشنایی اولیه با کامپیوتر، نرمافزارها و فناوریهای اینترنتی مفید خواهد بود.
دانش مقدماتی زبان پایتون توصیه میشود، اما تمرینات عملی به صورت گامبهگام توضیح داده شدهاند.
داشتن کامپیوتری با قابلیت اجرای Python، Visual Studio Code و فایلهای پروژه دوره ضروری است.
دانشجویان باید در نصب نرمافزار و اجرای دستورات در ترمینال یا Command Prompt راحت باشند.
آگاهی اولیه از APIها، پایگاه دادهها، برنامههای ابری یا مفاهیم امنیت سایبری مفید است اما اجباری نیست.
داکر (Docker) برای بستهبندی نهایی برنامه امن هوش مصنوعی معرفی میشود؛ تجربه قبلی در داکر مورد نیاز نیست.
علاقه به امنیت هوش مصنوعی، هوش مصنوعی مولد، مدیریت ریسک، تطبیق (Compliance) یا حاکمیت سازمانی مهمترین پیشنیاز است.
این دوره شامل استفاده از هوش مصنوعی است.
با بوتکمپ جامع امنیت هوش مصنوعی عاملمحور و حاکمیت LLMوارد یکی از سریعترین مسیرهای شغلی در دنیای فناوری شوید؛ برنامهای جامع و عملی که برای کمک به شما در جهت ایمنسازی، نظارت، حاکمیت و رهبری سیستمهای مدرن هوش مصنوعی طراحی شده است.
با پذیرش هوش مصنوعی مولد، مدلهای زبانی بزرگ، تولید تقویتشده با بازیابی (RAG)و عاملهای خودمختار هوش مصنوعیتوسط سازمانها، روشهای سنتی امنیت سایبری دیگر کافی نیستند. برنامههای هوش مصنوعی ریسکهای جدیدی را معرفی میکنند، از جمله تزریق پرامپت، حملات جیلبریک، مسمومسازی اسناد، دستکاری حافظه، اجرای غیرمجاز ابزارها، افشای دادههای حساس، توهمات (Hallucinations) و رفتارهای کنترلنشده عاملها. این دوره مهارتهای عملی لازم برای درک این تهدیدات، حمله مسئولانه به سیستمهای آسیبپذیر، پیادهسازی دفاعهای موثر و ایجاد کنترلهای حاکمیتی در سطح سازمانی را به شما میآموزد.
شما با مسئولیتهای اصلی یک مهندس ارشد امنیت هوش مصنوعیشروع خواهید کرد، شامل معماری امن هوش مصنوعی، ارزیابی ریسک، کنترلهای سازمانی، رهبری فنی و ارتباط با مدیران، تیمهای حقوقی، حسابرسان و مدیران محصول. سپس دستیار چت هوش مصنوعی خود را خواهید ساخت و به تدریج آن را با قابلیتهای RAG، فراخوانی ابزار، حافظه پایدار و قابلیتهای عامل خودمختار ارتقا میدهید.
در طول دوره، سناریوهای واقعی حملات هوش مصنوعی را آزمایش کرده و دفاعهای عملی مانند اعتبارسنجی پرامپت، امتیازدهی ریسک، فیلترینگ ورودی، گاردریلهای خروجی، جداسازی کانتکست، اعتبارسنجی منابع مورد اعتماد، مجوزهای ابزار با کمترین امتیاز، جریانهای تایید انسانی، کنترلهای حافظه امن و اعتبارسنجی تصمیمات عامل را پیادهسازی میکنید. همچنین یک درگاه امنیتی هوش مصنوعی (AI Security Gateway)کامل خواهید ساخت که امنیت را در تمام مراحل پرامپتها، مدلها، اسناد بازیابی شده، ابزارها، حافظه و جریانهای کاری عامل ادغام میکند.
بخش حاکمیت دوره شما را از مهندسی امنیت به سمت حاکمیت هوش مصنوعی سازمانی، هوش مصنوعی مسئولانه، مدیریت ریسک هوش مصنوعیو تطبیق با مقرراتمیبرد. یاد میگیرید چگونه موجودی هوش مصنوعی سازمان را ایجاد کنید، مصرف و هزینه را ردیابی نمایید، عملکرد مدل را ارزیابی کنید، رانش را نظارت کرده، پرامپتها و پاسخها را مدیریت کنید، بر اقدامات عاملها نظارت داشته باشید، از دادههای حساس محافظت کنید و شواهد حاکمیتی را مدیریت نمایید.
شما داشبوردها و پروژههای عملی را در زمینههای امتیازدهی ریسک هوش مصنوعی، ارزیابی مدل، نظارت بر توهمات، ردیابی پرامپت، نظارت انسانی، حاکمیت RAG، مدیریت سیاستها، تطبیق با استانداردها، جریانهای تایید، مدیریت حوادث، ردپای حسابرسی و گزارشهای مدیریتی خواهید ساخت. همچنین یاد میگیرید چگونه کنترلهای عملیاتی را با چارچوبهای اصلی مانند چارچوب مدیریت ریسک NIST AI، ISO/IEC 42001و قانون هوش مصنوعی اتحادیه اروپاهمسو کنید.
در پایان دوره، شما مجموعهای از پروژههای عملی امنیت و حاکمیت هوش مصنوعی خواهید داشت، از جمله درگاه امنیتی هوش مصنوعی، موتور اصلاح ریسک، داشبورد ارزیابی مدل، مانیتور فعالیت عامل، سرویس اجرای گاردریل، مرکز حوادث و یک مرکز فرماندهی حاکمیت هوش مصنوعی سازمانی.
این بوتکمپ برای متخصصان امنیت سایبری، مهندسان هوش مصنوعی، توسعهدهندگان، معماران، متخصصان حاکمیت، حسابرسان، مشاوران، رهبران مدیریت ریسک و افرادی که قصد تغییر مسیر شغلی به سمت نقشهایی مانند مهندس امنیت هوش مصنوعی، مهندس امنیت LLM، مهندس ارشد امنیت هوش مصنوعی، متخصص حاکمیت هوش مصنوعی، رهبر هوش مصنوعی مسئولانهیا مدیر ریسک هوش مصنوعیدارند، ایدهآل است.
مهارتهای فنی، حاکمیتی و رهبری مورد نیاز برای ایمنسازی نسل بعدی سیستمهای هوشمند را کسب کنید.
سرفصل ها و درس ها
حوزههای اصلی مهندسی ارشد امنیت هوش مصنوعی
Principal AI Security Engineer Core Domains
مبانی امنیت هوش مصنوعی
Foundations of AI Security
معماریهای هوش مصنوعی عاملمحور و ریسکها
Agentic AI Architectures & Risk
حاکمیت LLM و کنترلهای سازمانی
LLM Governance & Enterprise Controls
طراحی و پیادهسازی امن برای سیستمهای هوش مصنوعی
Secure Design & Implementation for AI Systems
رهبری و ارتباطات در سطح مهندس ارشد
Principal-Level Leadership & Communication
مبانی امنیت هوش مصنوعی
AI Security Foundations
تفاوت امنیت هوش مصنوعی با امنیت سنتی برنامهها
How AI Security Differs from Traditional Application Security
درک چشمانداز تهدیدات هوش مصنوعی
Understanding the AI Threat Landscape
ده تهدید برتر OWASP برای برنامههای LLM
OWASP Top 10 for LLM Applications
لایههای امنیتی در سیستمهای مدرن هوش مصنوعی
Security Layers in Modern AI Systems
ساخت اولین دستیار چت هوش مصنوعی
Build Your First AI Chat Assistant
بررسی نقاط ضعف امنیتی در دستیار چت
Explore Security Weaknesses in the Chat Assistant
تأیید کامل خط لوله امنیتی
Verify the Complete Security Pipeline
آمادگی برای محیط عملیاتی و جمعبندی دوره
Production Readiness and Course Wrap-Up
استقرار برنامههای امن هوش مصنوعی
Deploying Secure AI Applications
مانیتورینگ، لاگگذاری و پاسخ به حوادث
Monitoring, Logging and Incident Response
بستهبندی دستیار امن هوش مصنوعی با داکر
Package the Secure AI Assistant with Docker
ساخت و اجرای دستیار امن داکری شده
Build and Run the Dockerized Secure AI Assistant
جمعبندی دوره و گامهای بعدی
Course Wrap-Up and Next Steps
مبانی حاکمیت هوش مصنوعی و مدل دادههای حاکمیتی
AI Governance Foundations and Governance Data Model
حاکمیت هوش مصنوعی در تمام چرخه عمر
AI governance across the full lifecycle
حاکمیت در مقابل ریسک، تطبیق، امنیت، حریم خصوصی، ایمنی و هوش مصنوعی مسئولانه
Governance versus risk, compliance, security, privacy, safety, & responsible AI
مدل عملیاتی حاکمیت هوش مصنوعی
AI governance operating model
معماری دادههای حاکمیتی
Governance data architecture
چارچوبهای حاکمیتی
Governance frameworks
پروژه عملی: ساخت زیربنای دادههای حاکمیت هوش مصنوعی
Hands-On Project: Build the AI Governance Data Foundation
موجودی هوش مصنوعی، دید قابلیت مصرف و هوشمندی هزینهها
AI Inventory, Usage Visibility, and Cost Intelligence
ساخت موجودی هوش مصنوعی سازمانی
Building an enterprise AI inventory
تلمتری مصرف
Usage telemetry
تحلیلهای مصرف مدل
Model usage analytics
مصرف توکن و تخصیص هزینهها
Token consumption and cost allocation
مالکیت و پاسخگویی
Ownership and accountability
پروژه عملی: ساخت داشبورد موجودی و هوشمندی مصرف هوش مصنوعی
Hands-On Project: Build the AI Inventory and Usage Intelligence Dashboard
امتیازدهی ریسک، اولویتبندی و اصلاح ریسکهای هوش مصنوعی
AI Risk Scoring, Prioritization, and Remediation
دستهبندیهای ریسک هوش مصنوعی
AI risk categories
عوامل ریسک
Risk factors
ریسک ذاتی، اثربخشی کنترل، ریسک باقیمانده و پذیرش ریسک
Inherent risk, control effectiveness, residual risk, and risk acceptance
آستانههای ریسک، قوانین ارجاع، گیتهای تأیید و اولویتبندی حاکمیتی
Risk thresholds, escalation rules, approval gates, and governance prioritization
جریانهای کاری اصلاح ریسک
Remediation workflows
پروژه عملی: ساخت موتور امتیازدهی و اصلاح ریسک هوش مصنوعی
Hands-On Project: Build an AI Risk Scoring and Remediation Engine
عملکرد مدل، ارزیابی و نظارت بر رانش (Drift)
Model Performance, Evaluation, and Drift Monitoring
معیارهای کیفیت مدل
Model quality metrics
ارزیابی هوش مصنوعی مولد
Generative AI evaluation
عدالت، سوگیری، استحکام و تستهای خصمانه
Fairness, bias, robustness, and adversarial testing
رانش دادهها، رانش مفاهیم، افت عملکرد و سیگنالهای تخریب مدل
Data drift, concept drift, performance degradation, & model degradation signals
آستانههای ارزیابی، گیتهای کیفیت، معیارهای انتشار و تصمیمات بازگشت (Rollback)
Evaluation thresholds, quality gates, release criteria, and rollback decisions
پروژه عملی: ساخت داشبورد ارزیابی مدل و نظارت بر رانش
Hands-On Project: Build a Model Evaluation and Drift Dashboard
حاکمیت ارزیابی پرامپت، پاسخ و LLM
Prompt, Response, and LLM Evaluation Governance
حاکمیت پرامپت
Prompt governance
لاگگذاری پرامپت و پاسخ برای ردیابی و بازتولید
Prompt and response logging for traceability and reproducibility
روشهای ارزیابی LLM
LLM evaluation methods
تشخیص توهم، ادعاهای پشتیبانی نشده، کیفیت استناد و اطمینان از پاسخ
Hallucination detection, unsupported claims, citation quality, response confiden
تحلیل اثر تغییرات برای تغییرات پرامپت، تغییرات مدل و تغییرات پیکربندی
Change impact analysis for prompt changes, model changes, configuration changes
پروژه عملی: ساخت آزمایشگاه حاکمیت پرامپت و پاسخ
Hands-On Project: Build a Prompt and Response Governance Lab
نظارت بر عاملهای هوش مصنوعی، ردیابی اقدامات و نظارت انسانی
AI Agent Monitoring, Action Traceability, and Human Oversight
کنترلهای دسترسی، مجوزهای سند، فیلترینگ منابع و دانش محدود شده
Access controls, document permissions, source filtering, and restricted know...
پروژه عملی: ساخت داشبورد حاکمیت RAG و دادههای حساس
Hands-On Project: Build a RAG Governance and Sensitive Data Dashboard
تطبیق با مقررات، مدیریت سیاستها و شواهد کنترلی
Compliance Mapping, Policy Management, and Control Evidence
تبدیل مقررات و استانداردها به کنترلهای عملیاتی هوش مصنوعی
Translating regulations and standards into operational AI controls
تطبیق compliance در NIST AI RMF، EU AI Act و ISO/IEC 42001
Compliance mapping across NIST AI RMF, EU AI Act, ISO/IEC 42001
چرخه عمر سیاست: پیشنویس، بازبینی، تأیید، انتشار، بروزرسانی، بازنشستگی و حسابرسی
Policy lifecycle: draft, review, approve, publish, update, retire, and audit
نسخهبندی قوانین و سیاستها
Rule and policy versioning
مدیریت شواهد
Evidence management
پروژه عملی: ساخت موتور تطبیق Compliance و نسخهبندی سیاستها
Hands-On Project: Build a Compliance Mapping and Policy Versioning Engine
کارتهای مدل، ارزیابی اثرات و تأییدیههای حاکمیتی
Model Cards, Impact Assessments, and Governance Approvals
کارتهای مدل، کارتهای سیستم، کارتهای عامل، کارتهای مجموعه داده و ارزیابی تامینکنندگان
Model cards, system cards, agent cards, dataset cards, and vendor assessments
ارزیابیهای اثرات هوش مصنوعی
AI impact assessments
جریانهای کاری تایید
Approval workflows
مدیریت استثنائات
Exception management
پاسخگویی حاکمیتی و تفکیک وظایف
Governance accountability and separation of duties
پروژه عملی: ساخت جریان کاری ارزیابی و تایید هوش مصنوعی
Hands-On Project: Build an AI Assessment and Approval Workflow
گاردریلها، اجرای سیاستها و اثربخشی ایمنی
Guardrails, Policy Enforcement, and Safety Effectiveness
کنترلهای پیشگیرانه، شناسایی و اصلاحی برای سیستمهای هوش مصنوعی
Preventive, detective, and corrective controls for AI systems
گاردریلها برای پرامپتها، خروجیها، ابزارها، دسترسی به دادهها، اقدامات عامل و جریانهای کاری
Guardrails for prompts, outputs, tools, data access, agent actions, and work...
تزریق پرامپت، جیلبریک، نشت دادهها، محتوای ناامن و دور زدن سیاستها
Prompt injection, jailbreaks, data leakage, unsafe content, and policy evasion
اندازهگیری اثربخشی گاردریلها: تریگرها، بلاکها، ارجاعات و دور زدنها
Measuring guardrail effectiveness: triggers, blocks, escalations, bypasses, ...
سیاست به عنوان کد (Policy as Code)، اجرای خودکار و تست کنترلها
Policy-as-code, automated enforcement, and control testing
پروژه عملی: ساخت سرویس گاردریل و اجرای سیاستها
Hands-On Project: Build a Guardrails and Policy Enforcement Service
حوادث، ردپای حسابرسی، گزارشدهی و معیارهای اجرایی
Incidents, Audit Trails, Reporting, and Executive Metrics
مدیریت حوادث هوش مصنوعی: نقض سیاستها، موارد نزدیک به حادثه، شدت، اثر و پاسخ
AI incident management: policy breaches, near-misses, severity, impact, and r...
طراحی ردپای حسابرسی (Audit Trail)
Audit trail design
شاخصهای کلیدی عملکرد (KPI) و ریسک (KRI) برای مدیران، تیمهای ریسک، مهندسان و حسابرسان
Governance KPIs and KRIs for executives, risk teams, engineers, and auditors
اصلاح حوادث
Incident remediation
گزارشهای هیئت مدیره، بستههای حسابرسی، شواهد مقرراتی و خلاصههای تطبیق
Board reports, audit packets, regulatory evidence, and compliance summaries
پروژه عملی: ساخت مرکز حسابرسی و مدیریت حوادث حاکمیت هوش مصنوعی
Hands-On Project: Build an AI Governance Audit and Incident Center
پروژه نهایی: مرکز فرماندهی حاکمیت هوش مصنوعی سازمانی
Capstone: Enterprise AI Governance Command Center
طراحی معماری حاکمیت یکپارچه در مدلها، عاملها و سیستمهای RAG
Designing a unified governance architecture across models, agents, RAG syste...
ساخت داشبوردهای مبتنی بر نقش برای مدیران، تیمهای هوش مصنوعی، تیمهای ریسک و تطبیق
Building role-based dashboards for executives, AI teams, risk teams, complia...
اتصال تلمتری، ریسک، کنترلها، شواهد و اصلاحات در یک سیستم حاکمیتی واحد
Connecting telemetry, risk, controls, evidence, and remediation into one gove...
اندازهگیری بلوغ حاکمیتی، پوشش کنترلها، کاهش ریسک و موفقیت برنامه
Measuring governance maturity, control coverage, risk reduction, and program...
ارائه بینشها و توصیههای حاکمیتی به رهبری سازمان
Presenting governance insights and recommendations to leadership
پروژه عملی: ساخت مرکز فرماندهی حاکمیت هوش مصنوعی سازمانی
Hands-On Project: Build the Enterprise AI Governance Command Center
نمایش نظرات