Introduction to AI Security and Risk Management Training Cursus

Deze door instructeurs geleide, live training (online of op locatie) is bedoeld voor tussenniveau-ondernemingsleiders die willen begrijpen hoe ze AI-systemen verantwoordelijk en in overeenstemming met opkomende wereldwijde kaders zoals de EU AI Act, GDPR, ISO/IEC 42001 en de Amerikaanse Uitvoeringsorder over AI kunnen beheren en beveiligen. Na afloop van deze training zullen de deelnemers in staat zijn om: - De juridische, ethische en regelgevende risico's van het gebruik van AI in verschillende afdelingen te begrijpen. - Belangrijke AI-governance-kaders (EU AI Act, NIST AI RMF, ISO/IEC 42001) te interpreteren en toe te passen. - Beveiligings-, audit- en toezichtbeleid voor de implementatie van AI in de onderneming vast te stellen. - Aankoop- en gebruikshandleidingen voor derde partij- en interne AI-systemen te ontwikkelen.

Deze instructeurgeleide, live training in België (online of op locatie) is gericht op AI-ontwikkelaars, architecten en productmanagers op tussen- en gevorderd niveau die risico's willen identificeren en verminderen die verband houden met LLM-gestuurde toepassingen, waaronder prompt injectie, datalekken en ongefilterde uitvoer, terwijl ze veiligheidscontroles zoals invoervalidatie, mens-in-de-schijf toezicht en uitvoerbeveiligingen integreren.

Na deze training zullen de deelnemers in staat zijn om:

• De kernkwetsbaarheden van LLM-gebaseerde systemen te begrijpen.
• Veilige ontwerpprincipes toe te passen op de architectuur van LLM-apps.
• Tools zoals Guardrails AI en LangChain te gebruiken voor validatie, filtering en veiligheid.
• Technieken zoals sandboxing, red teaming en mens-in-de-schijf beoordeling te integreren in productiekwaliteitslijnen.

Deze door een instructeur geleide, live training op locatie (online of ter plekke) richt zich op machine learning- en cyberbeveiligingsprofessionals op intermediair niveau die emergente bedreigingen tegen AI-modellen willen begrijpen en neutraliseren, met behulp van zowel conceptuele kaders als praktische verdedigingen zoals robuuste training en differentieel privacy.

Aan het einde van deze training kunnen de deelnemers:

• AI-specifieke bedreigingen zoals adversarische aanvallen, inversie en vergiftiging identificeren en classificeren.
• Gebruik maken van hulpmiddelen zoals de Adversarial Robustness Toolbox (ART) om aanvallen te simuleren en modellen te testen.
• Praktische verdedigingen toepassen zoals adversarische training, ruisinjectie en privacy-bewarende technieken.
• Bedreigingsbewuste model-evaluatiestrategieën in productieomgevingen ontwerpen.