Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 21 sati
Sadržaj kursa
Uvod u bezbednost u TinyML-u
- Bezbednosni izazovi u ML sistemima sa ograničenim resursima
- Modeli pretnji za razvrstavanje TinyML-a
- Kategorije rizika za ugrađene AI aplikacije
Privatnost podataka u edge AI-u
- Ogledanje privatnosti za obradu podataka na uređaju
- Minimizacija izloženosti i prenosa podataka
- Tehnike za decentralizovano rukovanje podacima
Adaptivni napadi na TinyML modele
- Pretnje od izbegavanja i kontaminacije modela
- Manipulacija ulazom na ugrađenim senzorima
- Ocena ranjivosti u ograničenim okruženjima
Povećanje bezbednosti za ugrađeno ML
- Slojevi zaštite firmware-a i hardvera
- Kontrola pristupa i mehanizmi bezbednog pokretanja
- Najbolje prakse za zaštitu inferencijalnih tokova
Tehnike TinyML-a za očuvanje privatnosti
- Quantizacija i razmatranja dizajna modela u vezi sa privatnošću
- Tehnike za anonimizaciju na uređaju
- Lagano kriptovanje i metode bezbednog računanja
Bezbedno razvrstavanje i održavanje
- Bezbedno opremanje TinyML uređaja
- OTA ažuriranja i strategije zakrpanja
- Monitoring i odgovor na incidente na ivici mreže
Testiranje i validacija bezbednih TinyML sistema
- Okviri za testiranje bezbednosti i privatnosti
- Simulacija scenarija napada iz stvarnog sveta
- Validacija i razmatranja usklađenosti
Studije slučajeva i primenjeni scenariji
- Bezbednosni neuspehi u edge AI ekosistemima
- Dizajniranje otpornih TinyML arhitektura
- Procena kompromisa između performansi i zaštite
Zaključak i naredni koraci
Uslovi
- Razumevanje arhitekture ugrađenih sistema
- Iskustvo sa radnim tokovima mašinskog učenja
- Znanje iz osnova cyber bezbednosti
Ciljana publika
- Bezbednosni analitičari
- Developeri veštačke inteligencije
- Inženjeri ugrađenih sistema
Iskustva korisnika (1)
Vežbe
Gianluca Bovo - Urmet
Kurs - Security and Privacy in TinyML Applications
Mašinski prevedeno