DevSecOps med AI: Automatisering av sikkerhet i pipeline Treningskurs

Innføring i DevSecOps og AI-integrasjon

• Prinsipper og mål for DevSecOps
• Rollen til AI og ML i DevSecOps
• Trender for sikkerhetsautomatisering og kategorier av verktøy

Statisk og dynamisk kodeanalyse med AI

• Bruk av SonarQube, Semgrep eller Snyk Code for statisk analyse
• Dynamisk test med AI-assistert testfallsgenerering
• Tolkning av resultater og integrering med versjonskontrollsystemer

Oppdagelse av lekkasjer av hemmeligheter og kredensialer

• AI-utvidet oppdagelse av hardkodet hemmeligheter (f.eks. GitHub Advanced Security, Gitleaks)
• Forebygging av at hemmeligheter kommer inn i kildekontroll
• Opprettelse av automatiske blokkerings- og varslereregler

AI-drevet skanning av avhengigheter og containere

• Skanning av containere med Trivy og AI-aktive plugins
• Overvåking av tredjepartsbiblioteker og SBOM
• Automatiske reparasjonsforslag og patch-varsler

Intelligent trusselmobling og risikovurdering

• Automatisert trusselmobling med AI-basert verktøy
• Risiko prioritering ved hjelp av maskinlæringsmodeller
• Knytning av forretningspåvirkning til tekniske sårbarheter

Integrering og automatisering i CI/CD-pipelines

• Integre sikkerhetsjekk i Jenkins, GitHub Actions eller GitLab CI
• Opprettelse av policies-as-code for å håndheve regler tvers igjennom miljøer
• Generering av AI-assisterte rapporter for revisjoner og overholdelse

Casestudier og sikkerhetsautomatiseringsmønster

• Reelle eksempler på AI i sikkerhetspipelines
• Velge riktig verktøy for ditt økosystem
• Beste praksis for å bygge og vedlikeholde sikre pipelines

Oppsummering og neste steg