Скачать AI Red Teamer: редтиминг систем на базе ИИ (часть 2/2025) [HTB Academy]

[Dozhd]

Складчина: AI Red Teamer: редтиминг систем на базе ИИ (часть 2/2025) [HTB Academy]
AI Red Teamer Job Role Path




Программа подготовки на позицию AI Red Teamer, созданная в сотрудничестве с Google, обучает специалистов по кибербезопасности оценивать, эксплуатировать и защищать системы на базе искусственного интеллекта. Курс охватывает внедрение промптов (prompt injection), атаки на конфиденциальность моделей, использование ИИ в злонамеренных целях (adversarial AI), риски цепочки поставок и угрозы на этапе развертывания, сочетая теорию с практическими упражнениями. Курс разработан в соответствии с фреймворком для создания безопасного ИИ (Secure AI Framework/SAIF) от Google, что обеспечивает его релевантность для реальных задач, связанных с безопасностью ИИ. Вы приобретете следующие навыки: манипулирование поведением моделей, разработка стратегий red teaming, заточенных под ИИ, и проведение наступательного тестирования безопасности в отношении приложений, основанных на ИИ.

Ключевые темы курса:

Основы ИИ
Варианты использования ИИ в информационной безопасности
Введение в red teaming ИИ
Атаки с внедрением промптов
Атаки на вывод LLM

Атаки на данные ИИ

Атаки на прикладные и системные компоненты развертываний ИИ
Атаки на модели ИИ с уклонением - основы
Атаки на модели ИИ с уклонением - First-Order атаки

Атаки на модели ИИ с уклонением - атаки на разреженность данных

Атаки на конфиденциальность ИИ
Защита ИИ
Содержание второй части:

Модуль 02: Применение ИИ в информационной безопасности

Этот модуль представляет собой практическое введение в создание моделей ИИ, которые могут применяться в различных областях информационной безопасности. Он охватывает настройку контролируемой среды для ИИ с использованием Miniconda для управления пакетами и JupyterLab для интерактивных экспериментов.

Студенты научатся работать с наборами данных, выполнять предварительную обработку и преобразование данных, а также реализовывать структурированные рабочие процессы для таких задач, как классификация спама, обнаружение сетевых аномалий и классификация малвари.

На протяжении модуля учащиеся познакомятся с ключевыми Python-библиотеками, такими как Scikit-learn и PyTorch, изучат эффективные подходы к обработке наборов данных и ознакомятся с распространенными метриками оценки, что позволит им понимать полный жизненный цикл разработки и экспериментирования с моделями ИИ.

Ключевые темы модуля:

Введение
Настройка окружения
JupyterLab
Python-библиотеки для ИИ
Наборы данных
Предварительная обработка данных
Преобразование данных
Метрики для оценки модели
Классификация спама
Набор данных со спамом
Предварительная обработка набора данных со спамом
Извлечение признаков
Обучение и оценка (обнаружение спама)
Оценка модели (обнаружение спама)
Обнаружение сетевых аномалий
Предварительная обработка и разделение набора данных
Обучение и оценка (обнаружение сетевых аномалий)
Оценка модели (обнаружение сетевых аномалий)
Классификация малвари
Набор данных с малварью
Предварительная обработка набора данных с малварью
Модель
Обучение и оценка (классификация образов малвари)
Оценка модели (классификация образов малвари)
Дата релиза: 2025-2026
Тип перевода: перевод с английского языка на русский
Формат: PDF
Объем оригинала: 12 модулей
Объем перевода второй части: Модуль 02: Применение ИИ в информационной безопасности (~86 стр.)

Дата выдачи: определяется по мере набора складчиков
Сэмпл перевода: во вложении



СКАЧАТЬ

Для просмотра скрытого содержимого вы должны зарегистрироваться