Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à l'IA préservant la vie privée
- Principes fondamentaux de la protection des données dans les applications mobiles
- Facteurs réglementaires favorisant l'IA embarquée
- Avantages et limites du traitement local
Comprendre Nano Banana pour la confidentialité embarquée
- Architecture du modèle Nano Banana
- Propriétés de sécurité et chemins d'exécution locaux
- Plateformes prises en charge et modèles d'intégration mobile
Gestion des données et techniques de traitement local
- Collecte et stockage sécurisé des données sensibles sur l'appareil
- Minimisation de l'exposition des données via l'inférence locale
- Stratégies d'anonymisation et de pseudonymisation
Mise en œuvre de fonctionnalités d'IA préservant la vie privée
- Création de fonctionnalités alimentées par l'IA sans transmission des données utilisateur
- Conception de flux de travail conformes aux exigences des secteurs de la santé, de la finance ou de la conformité
- Garantie de l'isolement des données entre les composants de l'application
Considérations de sécurité pour les modèles embarqués
- Protection des modèles contre l'extraction ou la manipulation
- Environnements isolés sécurisés et gestion des autorisations
- Modélisation des menaces pour les systèmes d'IA mobile
Conformité et alignement réglementaire
- Compréhension des implications du RGPD, de la HIPAA et des réglementations financières
- Documentation des approches « privacy-by-design »
- Maintenir l'audibilité sans compromettre les données des utilisateurs
Test et validation des garanties de confidentialité
- Test des flux de travail pour détecter les fuites de données involontaires
- Évaluation des compromis entre précision et confidentialité
- Validation continue lors des mises à jour de l'application
Déploiement et maintenance des applications IA axées sur la confidentialité
- Gestion des mises à jour des modèles embarqués
- Surveillance des performances et de la conformité dans le temps
- Préparation des applications aux évolutions réglementaires futures
Résumé et prochaines étapes
Pré requis
- Une bonne compréhension du développement mobile ou de l'application
- Une expérience en Python, Kotlin ou Swift
- Une connaissance de base des concepts d'IA ou d'apprentissage automatique
Public cible
- Équipes d'entreprise
- Responsables de la conformité
- Développeurs concevant des applications sensibles
Nos clients témoignent (1)
Fluidez, ambiance et thème de la présentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Formation - Google Gemini AI for Data Analysis
Traduction automatique