AI-sikkerhet Kurs i Norge

Dette undervisningsbaserte, live-treningen i Norge (online eller på stedet) er rettet mot IT-professionelle på begynner- til mellomnivå som ønsker å forstå og implementere AI TRiSM i sine organisasjoner.

Ved slutten av denne treningen vil deltakerne kunne:

• Forstå de viktigste konseptene og betydningen av AI-pålittelighet, risiko- og sikkerhetsstyring.
• Identifisere og mitigere risiker forbundet med AI-systemer.
• Implementere beste praksis for AI-sikkerhet.
• Forstå regulering, overholdelse og etiske overvegelser for AI.
• Utvikle strategier for effektiv AI-styring og -ledelse.

Denne instruktørledede utdanningen i Norge dekker styring, identitetsstyring og red-teaming for agilit AI-systemer. Erfarne fagpersoner vil designe sikre implementeringer, implementere minst mulig tilgang og gjennomføre fiendtlig testing for å redusere reelle trusler i produksjonsmiljøer.

Dette instruktørlede, live-kurset i Norge (online eller på plass) er rettet mot AI- og cybersikkerhetsprofesjonelle på mellomnivå som ønsker å forstå og håndtere sikkerhetssårbarheter som er spesifikke for AI-modeller og -systemer, spesielt i sterkt regulerte bransjer som finans, datastyring og konsulentvirksomhet.

Etter avsluttet trening vil deltakerne kunne:

• Forstå typer motstanderangrep rettet mot AI-systemer og metoder for å forsvare seg mot dem.
• Implementere teknikker for herding av modeller for å sikre maskinlæringspipeliner.
• Sikre datasikkerhet og integritet i maskinlæringsmodeller.
• Navigere i regelverkskrav knyttet til AI-sikkerhet.

Dette instruktørflytta, live-treningen i Norge (online eller på stedet) er rettet mot avanserte sikkerhetsexperter og ML-eksperter som ønsker å simulere angrep på AI-systemer, oppdage sårbarheter og forbedre robustheten til driftsmessige AI-modeller.

Til slutt av denne treningen vil deltakerne kunne:

• Simulere reelle trusler mot maskinlæringsmodeller.
• Generere motstandsforekomster for å teste modellens robusthet.
• Vurdere angrepsflaten til AI-APIer og pipeliner.
• Designe red teaming-strategier for driftsmessige AI-miljøer.

Denne veiledede opplæringen i Norge gjør erfarne fagfolk i stand til å sikre TinyML-pipelines på edge-enheter. Du vil lære å implementere teknikk for personvern, forsterke modeller mot motsetningsangrep og anvende beste praksis for sikker datahåndtering i ressursbegrensede miljøer.

Dette instruktørledete, live-treningen i Norge (online eller på stedet) er rettet mot mellomnivå ingeniører og sikkerhetsexperter som ønsker å sikre AI-modeller som er distribuert ved kanten mot trusler som manipulasjon, datautslipp, adversarielle inndata og fysiske angrep.

Ved treningens slutt vil deltakerne kunne:

• Identifisere og vurdere sikkerhetsrisikoer i Edge AI-distribusjoner.
• Bruke motstand mot manipulasjon og kryptert inferens-teknikker.
• Forstærke modeller som er distribuert ved kanten og sikre datapipelines.
• Implementere trusselbekjempelsesstrategier spesifikt for embedded- og begrensete systemer.

Denne instruktørledede, live-utbildingen i Norge (online eller på stedet) er rettet mot profesjonelle med høy nivå som ønsker å implementere og evaluere teknikker som federert læring, sikker flerpartsberegning, homomorf kryptering og differensiell privathet i virkelige maskinlæringspipeliner.

Ved slutten av denne utbildningen vil deltakerne kunne:

• Forstå og sammenligne nøkkeltrekk ved privatbeskyttende teknikker i ML.
• Implementere federerte læringssystemer ved hjelp av open-source-rammeverk.
• Anvende differensiell privathet for sikker dataopplasting og modelltrening.
• Bruke kryptering og sikre beregningsmetoder for å beskytte modellens innganger og utganger.

Dette undervisningsbaserte, live-treningen i Norge (online eller på sted) er rettet mot mellomnivås virksomhetsledere som ønsker å forstå hvordan de kan styre og sikre AI-systemer ansvarlig og i overhold med uutfoldende globale rammer som EU AI-lovegivningen, GDPR, ISO/IEC 42001, og den amerikanske presidentens eksekutive orden om AI.

Ved slutten av denne treningen vil deltakerne kunne:

• Forstå de juridiske, etiske og regulære risikoene ved å bruke AI i ulike avdelinger.
• Tolke og anvende viktige AI-styringsrammer (EU AI-lovegivningen, NIST AI RMF, ISO/IEC 42001).
• Etablishere sikkerhets-, revisjons- og overvåkningspolitiske retningslinjer for implementering av AI i virksomheten.
• Utvikle innkjøps- og brukerettigheter for tredjeparts- og in-house AI-systemer.

Denne instruktørledede, live-trainingen i Norge (online eller på stedet) er rettet mot AI-utviklere, arkitekter og produktledere på mellom- til avansert nivå som ønsker å identifisere og redusere risikoen forbundet med LLM-drevne applikasjoner, inkludert prompt-injeksjon, datalekkasj og ufiltrert output, samtidig som man integrerer sikkerhetskontroller som input-validering, menneske-i-løkke-oppfølging og output-guardrails. 

Ved slutten av denne trainingen vil deltakerne være i stand til å: 

• Forstå de grunnleggende sårbarhetene til LLM-baserte systemer. 
• anvende sikre designprinsipper til LLM-applikasjonsarkitektur. 
• bruke verktøy som Guardrails AI og LangChain for validering, filtrering og sikkerhet. 
• integrere teknikker som sandboxing, red teaming og menneske-i-løkke-gjennomgang i produksjonsklare pipelines. 

Dette kurset, ledet av instruktør, blir holdt live i Norge (online eller på sted) og er rettet mot mellomnivåmaskinlærings- og kybersikkerhetsprofesjonelle som ønsker å forstå og heve emergent trusler mot AI-modeller ved hjelp av både konseptuelle rammer og praktiske forsvarsstrategier som robust trening og differential privacy.

Ved slutten av dette kurset vil deltakerne være i stand til å:

• Identifisere og klassifisere AI-spesifikke trusler som motarbeidende angrep, inversangrep og forgiftning.
• Bruke verktøy som Adversarial Robustness Toolbox (ART) for å simulere angrep og teste modeller.
• Bruke praktiske forsvarsstrategier, inkludert motarbeidende trening, støyinjeksjon og teknikker som beskytter personvern.
• Designe trusselsbevisne modellvurderingsstrategier i produsjonsmiljøer.

Denne instruktørførte, live-kurset i Norge (online eller på sted) er rettet mot begynner-nivå IT-sikkerhet, risiko- og overholdelsesfagfolk som ønsker å forstå grunnleggende KI-sikkerhetskonsepter, truslevektorer og globale rammer som NIST AI RMF og ISO/IEC 42001.

Ved slutten av dette kurset vil deltakerne kunne:

• Forstå de unike sikkerhetsrisikoene som KI-systemer introduserer.
• Identifisere truslevektorer som feilaktige angrep, dataforgiftning og modellinversjon.
• Bruke grunnleggende styringsmodeller som NIST AI Risikostyringsramme.
• Justere KI-bruk til nye standarder, overholdelsesretningslinjer og etiske prinsipper.

Basert på den nyeste veiledningen fra OWASP GenAI Security Project, vil deltakerne lære å identifisere, vurdere og avbøte AI-spesifikke trusler gjennom praktiske øvelser og scenarier fra virkeligheten.

Dette kurset gir en praktisk innføring i sikring av moderne AI-drevne applikasjoner, API-er, copiloter og autonome agenter. Deltakerne lærer hvordan AI-sikkerhet skiller seg fra tradisjonell websikring, utforsker vanlige AI-spesifikke trusler som prompt-injection, RAG-forgiftning og agent-misbruk, og forstår hvordan man beskytter AI-systemer ved hjelp av lagde forsvar inkludert WAF-er, AI-gateways, API-sikkerhet og guardrails. Gjennom praktiske laboratorier og reelle eksempler får studentene kompetansen til å identifisere AI-angrepsmønstre, sikre LLM-baserte applikasjoner og implementere effektive sanntids-forsvar for produksjonsmiljøer.

Dette kurset underviser programvareutviklere i hvordan man bygger AI-drevne applikasjoner sikkert "by design". Deltakerne lærer hvordan man beskytter chattroboter, co-piloter, RAG-pipelines og AI-agenter mot AI-spesifikke trusler som prompt-injection, dataforgiftning, verktuymisbruk, lekkasje av hemmeligheter og usikker modelloutput. Kurset dekker sikker prompt-design, RAG-sikkerhet, minst tillatelsesadgang, guardrails og red-team-testing, og hjelper utviklere med å bygge AI-funksjoner som er sikre, pålitelige og motstandsdyktige i sanne miljøer.

Denne instruktørledete, levende opplæringen i Norge (nettbasert eller på stedet) er rettet mot sikkerhetsingeniører og etterlevelsesmyndigheter som ønsker å styrke EXO-implementeringer, kontrollere modelltilgang og styre AI-arbeidsbelastninger som kjører helt lokalt.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot sikkerhets- og ML-ingeniører som trenger å identifisere, teste og forsvare seg mot angrep mot ML-modeller og applikasjoner drevet av store språkmodeller.