Corso di formazione Introduzione alla Gestione della Fiducia, del Rischio e della Sicurezza in AI (AI TRiSM)

AAISM è un avanzato framework per valutare, governare e gestire i rischi di sicurezza nei sistemi di intelligenza artificiale.

Questo corso di formazione guidato da un istruttore (online o in loco) è rivolto a professionisti di livello avanzato che desiderano implementare controlli e pratiche di governance della sicurezza efficaci per gli ambienti AI aziendali.

Al termine di questo programma, i partecipanti saranno preparati a:

• Valutare i rischi di sicurezza dell'AI utilizzando metodologie riconosciute nel settore.
• Implementare modelli di governance per la distribuzione responsabile dell'AI.
• Allineare le politiche di sicurezza dell'AI con gli obiettivi organizzativi e le aspettative normative.
• Incrementare la resilienza e la responsabilità nelle operazioni guidate dall'AI.

Formato del Corso

• Lezioni facilitate supportate da analisi di esperti.
• Workshop pratici e attività basate su valutazioni.
• Esercizi applicati utilizzando scenari reali di governance dell'AI.

Opzioni di Personalizzazione del Corso

• Per un addestramento personalizzato allineato alla strategia AI della tua organizzazione, contattaci per personalizzare il corso.

Questo training guidato dall'instruttore, live in Italia (online o in presenza), è rivolto a leader aziendali intermedi che desiderano capire come governare e proteggere i sistemi di IA responsabilmente e conformemente ai principali quadri globali emergenti, come il Regolamento sull'IA dell'UE, il GDPR, l'ISO/IEC 42001 e l'Ordinanza esecutiva sugli AI degli Stati Uniti.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere i rischi legali, etici e normativi dell'uso dell'IA in tutte le divisioni aziendali.
• Interpretare e applicare i principali quadri di governance dell'IA (Regolamento sull'IA dell'UE, NIST AI RMF, ISO/IEC 42001).
• Stabilire politiche di sicurezza, controllo e supervisione per la distribuzione dell'IA nell'azienda.
• Sviluppare linee guida per l'acquisizione e l'utilizzo di sistemi AI terze parti e interni.

L'Intelligenza Artificiale (IA) introduce nuove dimensioni di rischio operativo, sfide di governance e esposizione alla cybersicurezza per le agenzie governative e i dipartimenti.

Questo training guidato da istruttori, live (online o in presenza), è rivolto a professionisti IT e del rischio del settore pubblico con una limitata esperienza precedente nell'IA che desiderano comprendere come valutare, monitorare e proteggere i sistemi AI all'interno di un contesto governativo o regolatorio.

Al termine di questo training, i partecipanti saranno in grado di:

• Interpretare concetti chiave relativi ai rischi dei sistemi AI, inclusa la bias, l'imprevedibilità e il model drift.
• Applicare framework di governance e auditing specifici per l'IA, come il NIST AI RMF e ISO/IEC 42001.
• Riconoscere le minacce alla cybersicurezza che mirano ai modelli AI e alle pipeline di dati.
• Stabilire piani di gestione dei rischi interdipartimentali e allineamento delle politiche per la distribuzione dell'IA.

Formato del Corso

• Lezione interattiva e discussione di casi d'uso nel settore pubblico.
• Esercizi sui framework di governance dell'IA e mappatura delle politiche.
• Modellazione basata su scenari e valutazione del rischio.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, contattateci per organizzare.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a sviluppatori AI, architetti e manager prodotto intermedi ad avanzati che desiderano identificare e mitigare i rischi associati alle applicazioni basate su LLM, inclusi l'iniezione di prompt, la perdita di dati e le uscite non filtrate, mentre incorporano controlli di sicurezza come la convalida dell'input, il controllo umano nel loop e le guardrail per l'output.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere le vulnerabilità principali dei sistemi basati su LLM.
• Applicare principi di progettazione sicura all'architettura delle app LLM.
• Utilizzare strumenti come Guardrails AI e LangChain per la convalida, il filtraggio e la sicurezza.
• Integrare tecniche come sandboxing, red teaming e revisione umana nel loop in pipeline di produzione.

Questa formazione guidata dall'insegnante (online o in sede) è rivolta a professionisti AI e cybersecurity intermedi che desiderano comprendere e affrontare le vulnerabilità di sicurezza specifiche ai modelli e sistemi AI, in particolare in settori altamente regolamentati come la finanza, il data governance e il consulting.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i tipi di attacchi avversari che mirano ai sistemi AI e i metodi per difendersene.
• Implementare tecniche di rafforzamento del modello per proteggere le pipeline di machine learning.
• Garantire la sicurezza e l'integrità dei dati nei modelli di machine learning.
• Navigare i requisiti di conformità regolamentari relativi alla sicurezza AI.

Questo training guidato dal docente, live (online o in loco), è rivolto a professionisti della sicurezza IT, del rischio e della conformità di livello base che desiderano comprendere i concetti fondamentali di sicurezza dell'IA, le vettori di minaccia e i framework globali come il NIST AI RMF e l'ISO/IEC 42001.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere i rischi unici alla sicurezza introdotti dai sistemi AI.
• Identificare vettori di minaccia come attacchi avversari, avvelenamento dei dati e inversione del modello.
• Applicare modelli di governance fondamentali come il NIST AI Risk Management Framework.
• Allineare l'uso dell'IA con standard emergenti, linee guida per la conformità e principi etici.

Basato sull'ultima guida del progetto OWASP GenAI Security, i partecipanti impareranno a identificare, valutare e mitigare minacce specifiche per l'AI attraverso esercizi pratici e scenari reali.

Questo training guidato da istruttori, live (online o in sede) è rivolto a professionisti di livello avanzato che desiderano implementare e valutare tecniche come il federated learning, la secure multiparty computation, l'encryption omomorfa e la privacy differenziale in pipeline di machine learning reali.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere e confrontare le principali tecniche di protezione della privacy nel ML.
• Implementare sistemi di federated learning utilizzando framework open-source.
• Applicare la privacy differenziale per condividere e addestrare modelli in modo sicuro.
• Utilizzare tecniche di crittografia e calcolo sicuro per proteggere input e output dei modelli.

Questa formazione guidata da un istruttore (online o in loco) è rivolta a professionisti della sicurezza e specialisti di ML di livello avanzato che desiderano simulare attacchi sui sistemi AI, scoprire vulnerabilità e migliorare la robustezza dei modelli AI distribuiti.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Simulare minacce reali per i modelli di machine learning.
• Generare esempi avversari per testare la robustezza dei modelli.
• Valutare l'area d'attacco delle API e delle pipeline AI.
• Progettare strategie di red teaming per gli ambienti di distribuzione AI.

Questo training guidato dal formatore (online o sul posto) è rivolto a ingegneri di livello intermedio e professionisti della sicurezza che desiderano proteggere i modelli AI distribuiti sull'edge contro minacce come manipolazione, fuga dei dati, input avversari e attacchi fisici.

Al termine di questo training, i partecipanti saranno in grado di:

• Identificare e valutare i rischi di sicurezza nelle distribuzioni Edge AI.
• Applicare tecniche di resistenza alla manipolazione e inferenza crittografata.
• Rafforzare i modelli distribuiti sull'edge e proteggere le pipeline di dati.
• Implementare strategie di mitigazione delle minacce specifiche per sistemi inclusi e a risorse limitate.

Questo training guidato da un istruttore (online o in sede) è rivolto a professionisti intermedi della machine learning e della cybersecurity che desiderano comprendere e mitigare le minacce emergenti contro i modelli AI, utilizzando sia cornici concettuali che difese pratiche come l'addestramento robusto e la privacy differenziale.

Al termine di questo training, i partecipanti saranno in grado di:

• Identificare e classificare minacce specifiche dell'AI come attacchi avversari, inversione e intossicazione.
• Utilizzare strumenti come la Adversarial Robustness Toolbox (ART) per simulare attacchi e testare i modelli.
• Applicare difese pratiche, incluse l'addestramento avversario, l'iniezione di rumore e tecniche che preservano la privacy.
• Progettare strategie di valutazione dei modelli consapevoli delle minacce in ambienti di produzione.

TinyML è un approccio per il deploy di modelli di machine learning su dispositivi a basso consumo energetico e risorse limitate operanti ai margini della rete.

Questa formazione guidata dal docente (online o in sede) è rivolta a professionisti di livello avanzato che desiderano proteggere le pipeline TinyML e implementare tecniche per la preservazione della privacy nelle applicazioni AI al margine.

Al termine di questo corso, i partecipanti saranno in grado di:

• Identificare i rischi di sicurezza specifici dell'inferenza TinyML su dispositivo.
• Implementare meccanismi per la preservazione della privacy nelle implementazioni AI al margine.
• Rafforzare i modelli TinyML e i sistemi embedded contro le minacce avversarie.
• Applicare le best practice per la gestione sicura dei dati in ambienti a risorse limitate.

Formato del Corso

• Lezioni coinvolgenti supportate da discussioni guidate dagli esperti.
• Esercizi pratici che enfatizzano scenari di minaccia reali.
• Implementazione pratica utilizzando strumenti di sicurezza embedded e TinyML.

Opzioni di Personalizzazione del Corso

• Le organizzazioni possono richiedere una versione personalizzata di questa formazione per allinearsi alle loro specifiche esigenze di sicurezza e conformità.

Questo corso copre la governance, la gestione dell'identità e il testing avversario per i sistemi AI agente, concentrandosi sui pattern di deploy sicuri per l'enterprise e sulle tecniche pratiche di red-teaming.

Questo training guidato dal formatore (online o in presenza) è rivolto a professionisti di livello avanzato che desiderano progettare, proteggere e valutare sistemi AI basati su agenti in ambienti di produzione.

Al termine di questo training, i partecipanti saranno in grado di:

• Definire modelli e politiche di governance per deploy sicuri di AI agente.
• Progettare flussi di identità e autenticazione non umana per agenti con accesso a privilegi minimi.
• Implementare controlli di accesso, tracce di audit e osservabilità adatti agli agenti autonomi.
• Pianificare ed eseguire esercizi di red-team per scoprire abusi, percorsi di escalation e rischi di estrazione dati.
• Mitigare le minacce comuni ai sistemi agente attraverso politiche, controlli ingegneristici e monitoraggio.

Formato del Corso

• Lezioni interattive e workshop di modellazione delle minacce.
• Laboratori pratici: provisioning dell'identità, applicazione delle politiche e simulazione avversaria.
• Esercizi di red-team/blue-team e valutazione finale del corso.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, contattateci per organizzare.