課程簡介

Security and Privacy in Edge AI 簡介

  • 邊緣 AI 概述及其獨特的安全和隱私挑戰
  • 邊緣和雲安全之間的主要區別
  • 邊緣 AI 安全的當前趨勢和新出現的威脅
  • 真實世界的案例研究和事件

保護邊緣設備

  • 保護邊緣硬體的最佳實踐
  • 實現安全啟動和硬體信任根
  • 保護邊緣設備上的靜態數據和傳輸中的數據
  • 安全邊緣設備部署案例研究

邊緣 AI 中的數據隱私

  • 確保邊緣 AI 應用程式中的數據隱私
  • 數據匿名化和加密技術
  • 隱私保護機器學習技術
  • 以隱私為中心的邊緣 AI 應用程式案例研究

威脅檢測和緩解

  • 識別邊緣 AI 中的潛在威脅和漏洞
  • 實施入侵檢測和防禦系統
  • 即時威脅監控和回應
  • 威脅檢測和緩解的實踐練習

身份驗證和 Access 控制

  • 為邊緣設備實施強大的身份驗證機制
  • 管理訪問控制和用戶許可權
  • 保護 API 和通信通道
  • 實際實例和案例研究

邊緣 AI 中的道德考量

  • 了解邊緣 AI 部署中的道德挑戰
  • 解決 AI 模型中的偏見和公平性問題
  • 確保透明度和問責制
  • 遵守道德準則和法規

法規遵從性

  • 相關法規和標準概述(GDPR、HIPAA 等)
  • 確保邊緣 AI 部署的合規性
  • 進行安全和隱私審計
  • 邊緣 AI 法規遵從性案例研究

性能和安全權衡

  • 平衡邊緣 AI 應用程式的性能和安全性
  • 在不影響性能的情況下優化安全性的技術
  • 用於安全邊緣 AI 開發的工具和框架
  • 實際實例和案例研究

事件回應和恢復

  • 為邊緣 AI 應用程式制定事件回應計畫
  • 進行安全漏洞調查
  • 實施恢復戰略和業務連續性計劃
  • 事件回應實踐練習

安全評估和審計

  • 對邊緣 AI 進行全面的安全評估
  • 安全審計的工具和方法
  • 識別和解決安全漏洞
  • 實際實例和案例研究

創新 Use Case 和應用

  • 邊緣 AI 中的高級安全應用程式
  • 安全邊緣 AI 部署的深入案例研究
  • 成功案例和經驗教訓
  • 邊緣 AI 安全的未來趨勢和機遇

動手項目和練習

  • 對邊緣 AI 應用程式進行安全評估
  • 真實世界的項目和場景
  • 協作小組練習
  • 專案演示和反饋

摘要和後續步驟

最低要求

  • 瞭解 AI 和機器學習概念
  • 網路安全原理的基本知識
  • 有程式設計語言經驗(Python 推薦)

觀眾

  • 網路安全專業人員
  • 系統管理員
  • 人工智慧倫理研究人員
 14 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類