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 21 heures
Plan du cours
Introduction à la sécurité dans le TinyML
- Défis de sécurité dans les systèmes ML à ressources limitées
- Modèles de menaces pour les déploiements TinyML
- Catégories de risques pour les applications d'IA embarquée
Confidentialité des données dans l'IA périphérique
- Enjeux de confidentialité pour le traitement des données sur l'appareil
- Minimisation de l'exposition et du transfert de données
- Techniques de gestion décentralisée des données
Attaques adverses sur les modèles TinyML
- Menaces d'évasion et d'empoisonnement de modèles
- Manipulation des entrées sur les capteurs embarqués
- Évaluation de la vulnérabilité dans des environnements contraints
Renforcement de la sécurité pour le ML embarqué
- Couches de protection du micrologiciel et du matériel
- Mécanismes de contrôle d'accès et de démarrage sécurisé
- Meilleures pratiques pour la protection des pipelines d'inférence
Techniques TinyML préservant la confidentialité
- Quantification et considérations de conception de modèles pour la confidentialité
- Techniques d'anonymisation sur l'appareil
- Méthodes d'encryption légère et de calcul sécurisé
Déploiement et maintenance sécurisés
- Provisionnement sécurisé des appareils TinyML
- Stratégies de mises à jour OTA et de correctifs
- Surveillance et réponse aux incidents à la périphérie
Tests et validation des systèmes TinyML sécurisés
- Cadres de test de la sécurité et de la confidentialité
- Simulation de scénarios d'attaque réels
- Considérations de validation et de conformité
Études de cas et scénarios appliqués
- Échecs de sécurité dans les écosystèmes d'IA périphérique
- Conception d'architectures TinyML résilientes
- Évaluation des compromis entre performance et protection
Résumé et prochaines étapes
Pré requis
- Une compréhension des architectures de systèmes embarqués
- Une expérience des flux de travail en apprentissage automatique
- Des connaissances des fondamentaux de la cybersécurité
Public cible
- Analystes de la sécurité
- Développeurs IA
- Ingénieurs embarqués
Nos clients témoignent (1)
Les exercices
Gianluca Bovo - Urmet
Formation - Security and Privacy in TinyML Applications
Traduction automatique