AI Security Formazione in Bologna

Questo addestramento interattivo guidato da un istruttore (online o sul posto) si rivolge a professionisti IT di livello principiante-intermedio che desiderano comprendere e implementare AI TRiSM nelle loro organizzazioni.

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

• Comprendere i concetti chiave e l'importanza della gestione della fiducia, del rischio e della sicurezza nell'IA.
• Identificare e mitigare i rischi associati ai sistemi di IA.
• Implementare le migliori pratiche per la sicurezza dell'IA.
• Comprendere la conformità normativa ed etica nell'IA.
• Sviluppare strategie efficaci per il governo e la gestione dell'IA.

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.

Questo training guidato dall'insegnante in Bologna (online o su sito) è rivolto a professionisti di livello intermedio nel campo dell'IA e della cybersecurity che desiderano comprendere e affrontare le vulnerabilità specifiche delle IA nei modelli e sistemi, soprattutto in settori altamente regolamentati come finanza, governance dei dati e consulenza.

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

• Comprendere il tipo di attacchi avversari contro i sistemi AI e metodi per difendersi da essi.
• 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 normativa relativi alla sicurezza AI.

Questo corso interattivo guidato da un istruttore (online o in sede) è rivolto a professionisti avanzati della sicurezza e specialisti di intelligenza artificiale che desiderano simulare attacchi su sistemi AI, scoprire vulnerabilità e migliorare la robustezza dei modelli di IA deployati.

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

• Simulare minacce reali ai modelli di apprendimento automatico.
• Generare esempi avversari per testare la robustezza del modello.
• Valutare l'area di attacco delle API e dei pipeline AI.
• Progettare strategie di red teaming per gli ambienti di deploy della IA.

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 training interattivo guidato dall'insegnante in Bologna (online o presenza) è rivolto a ingegneri e professionisti della sicurezza di livello intermedio che desiderano proteggere i modelli AI deployati all'edge da minacce come l'alterazione, la fuga di dati, gli input avversari e gli attacchi fisici.

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

• Identificare e valutare rischi di sicurezza nelle implementazioni AI all'edge.
• Applicare tecniche di resistenza agli attacchi e inferenza crittografata.
• Rafforzare i modelli deployati all'edge e proteggere le pipeline dei dati.
• Implementare strategie di mitigazione delle minacce specifiche per sistemi incorporati e limitati.

Questo corso interattivo guidato da un istruttore (online o in sede) è rivolto a professionisti avanzati che desiderano implementare e valutare tecniche come il federated learning, la computazione multiparty sicura, l'encryptazione omomorfa e la privacy differenziale nei pipeline di apprendimento automatico reali.

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

• Comprendere e confrontare le tecniche chiave di preservazione della privacy nel ML.
• Implementare sistemi di federated learning utilizzando framework open-source.
• Applicare la privacy differenziale per lo scambio sicuro dei dati e l'addestramento del modello.
• Utilizzare tecniche di crittografia e computazione sicura per proteggere gli input e gli output del modello.

Artificial Intelligence (AI) introduce nuove dimensioni del rischio operativo, sfide di governance e esposizione alla cibercriminalità per le agenzie e i dipartimenti governativi.

Questo training guidato da un docente (online o sul posto) è rivolto a professionisti IT e del rischio settore pubblico con esperienza limitata in 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 i concetti chiave di rischio correlati ai sistemi AI, inclusi bias, imprevedibilità e deriva del modello.
• Applicare quadri di governance e auditing specifici per l'IA come NIST AI RMF e ISO/IEC 42001.
• Riconoscere le minacce alla cibercriminalità che mirano ai modelli AI e alle pipeline dati.
• Stabilire piani di gestione del rischio interdipartimentali e allineamento delle politiche per la distribuzione dell'IA.

Formato del Corso

• Lezione interattiva e discussione di casi d'uso settore pubblico.
• Esercizi sul quadro di governance AI e mappatura delle politiche.
• Modellazione delle minacce basata su scenari e valutazione del rischio.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, si prega di contattarci per organizzare.

Questo training live guidato da un istruttore (online o su sito) è rivolto a leader aziendali di livello intermedio che desiderano comprendere come gestire e proteggere i sistemi AI responsabilmente, rispettando le nuove strutture globali emergenti, come l'EU AI Act, GDPR, ISO/IEC 42001, ed il decreto presidenziale USA sull'AI.

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

• Comprendere rischi legali, etici e regolatori dell'utilizzo dell'AI nelle varie divisioni aziendali.
• Interpretare ed applicare principali quadri di governance AI (EU AI Act, NIST AI RMF, ISO/IEC 42001).
• Stabilire politiche per la sicurezza, l'auditing e il controllo nel deployment dell'AI all'interno dell'azienda.
• Sviluppare linee guida di acquisizione ed utilizzo per sistemi AI esterni ed interni.

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.

Questo training guidato dall'insegnante in Bologna (online o sul posto) è rivolto a professionisti intermedi di machine learning e cybersecurity che desiderano comprendere e mitigare le minacce emergenti contro i modelli AI, utilizzando sia framework concettuali che difese pratiche come addestramento robusto e privacy differenziale.

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

• Identificare e classificare minacce specifiche AI come attacchi avversari, inversione e avvelenamento dei dati.
• Utilizzare strumenti come il Adversarial Robustness Toolbox (ART) per simulare gli attacchi e testare i modelli.
• Applicare difese pratiche, incluse l'addestramento avversario, l'inserimento di rumore e tecniche di preservazione della privacy.
• Progettare strategie di valutazione del modello consapevoli delle minacce in ambienti di produzione.

Questo addestramento guidato dal formatore (online o sul posto) è rivolto ai professionisti di base nel settore della sicurezza IT, gestione del rischio e conformità che desiderano comprendere i concetti fondamentali di sicurezza AI, vettori di minaccia e framework globali come NIST AI RMF e ISO/IEC 42001.

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

• Comprendere i rischi unici di sicurezza introdotti dai sistemi AI.
• Identificare vettori di minaccia come attacchi avversari, contaminazione dei dati e inversione del modello.
• Applicare modelli di governance fondamentali come il Framework NIST AI Risk Management.
• Allineare l'uso dell'AI con le normative emergenti, i lineamenti di conformità ed i 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.