Kontaktirajte nas
 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

Broj učesnika


Cena po učesniku

Iskustva korisnika (1)

Predstojeći kursevi

Povezane kategorije