Kurumsal Liderler için Yapay Zeka Yönetimi, Uyumluluk ve Güvenlik Eğitimi

Artificial Intelligence (AI) devlet kurumları ve bakanlıklar için operasyonel risk, yönetim zorlukları ve siber güvenlik maruziyeti açısından yeni boyutlar getiriyor.

Bu eğitmen öncülüğündeki canlı eğitim (online veya on-site), önceki AI deneyimleri sınırlı olan kamu sektörü IT ve risk profesyonelleri için tasarlanmıştır. Bu grup, hükümet veya düzenleyici bir bağlamda AI sistemlerini değerlendirmek, izlemek ve güvenli hale getirmenin yollarını anlamayı istemektedir.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanacaklardır:

• AI sistemleriyle ilgili ana risk kavramlarını yorumlama, bu kavramlara örneğin bias, tahmin edilemezlik ve model kayması dahildir.
• NIST AI RMF ve ISO/IEC 42001 gibi AI özel yönetim ve denetim çerçevelerini uygulama.
• AI modellerine ve veri kanallarına yönelik siber güvenlik tehditlerini tanımak.
• AIployment için çok bölmeli risk yönetimi planlarını ve politika uyumunu oluşturmak.

Eğitim Formatı

• Kamu sektörü kullanım örnekleri hakkındaki etkileşimli dersler ve tartışmalar.
• AI yönetim çerçevesi alıştırmaları ve politika eşleme çalışmaları.
• Senaryo tabanlı tehdit modellemesi ve risk değerlendirmeleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özel bir eğitimi talep etmek istiyorsanız, lütfen bizimle iletişime geçin ve düzenleme yapın.

Bu eğitmen yönlendirilmiş, canlı eğitim Türkiye (çevrimiçi veya yerinde) başlangıç seviyesine sahip olan ve organizasyonlarında AI TRiSM'yi anlamak ve uygulamak isteyen ara seviye IT profesyonellerini hedef almaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• AI güvenilirliği, riski ve güvenlik yönetiminin temel kavramlarını ve önemini anlayacaklardır.
• AI sistemleriyle ilişkili riskleri belirleyip azaltabileceklerdir.
• AI için en iyi güvenlik uygulamalarını uygulayacaklardır.
• AI için düzenleyici uyumluluğu ve etik konuları anlayacaklardır.
• Etkili AI yönetim ve yönetişim stratejileri geliştirebileceklerdir.

Bu eğitmen liderli, canlı eğitim Türkiye (çevrimiçi veya yerinde) orta düzeyden ileri düzeyli yapay zeka geliştiricileri, mimarları ve ürün yöneticileri hedef almaktadır. Bu grup, LLM dayalı uygulamalarla ilişkili riskleri belirleyip azaltmayı, prompt enjeksiyonunu, veri sızıntılarını ve süzülmemiş çıkışı gibi sorunları ele almayı, aynı zamanda giriş doğrulaması, insan kontrolü ve çıktı koruyucuları gibi güvenlik kontrollerini uygulamayı öğrenmektedir.

Bu eğitimin sonunda katılımcılar şunları yapabilecekler:

• LLM tabanlı sistemlerin temel zafiyetlerini anlamak.
• LLM uygulama mimarisine güvenli tasarım ilkelerini uygulamak.
• Doğrulama, süzme ve güvenlik için Guardrails AI ve LangChain gibi araçları kullanmak.
• Sandboxing, kırmızı takım ve insan kontrolü gözden geçirmesi gibi teknikleri üretim derecesi işlem hatlarına entegre etmek.

Bu eğitmen yönetimiyle canlı eğitim (çevrimiçi veya yerel) ortamında, finans, veri yönetim ve danışmanlık gibi sıkı düzenlemeler altındaki endüstrilerdeki AI model ve sistemlerine özgü güvenlik açıklarını anlama ve ele almayı isteyen orta seviye AI ve siber güvenlik uzmanları için tasarlanmıştır.

Bu eğitimin sonunda katılımcılar şunları yapabilecekler olacak:

• AI sistemlerini hedefleyen düşmanca saldırıların türleri ve bunlardan korunma yöntemleri hakkında bilgi edinebileceksiniz.
• Makine öğrenimi akışlarını güvence altına almak için model gömme tekniklerini uygulayabilecekler olacak.
• Makine öğrenimi modellerinde veri güvenliğini ve bütünlüğünü sağlayabilecekler olacak.
• AI güvenlikine ilişkin düzenlemeye uyum gerekliliklerini kavrayebilecekler olacak.

Bu eğitmen yönetimiyle yapılan canlı eğitim (Türkiye'da ya da online), AI güvenlik kavramlarını, tehdit vektörlerini ve NIST AI RMF veya ISO/IEC 42001 gibi küresel çerçeveleri anlamayı isteyen yeni başlayan IT güvenlik, risk ve uyumluluk profesyonelleri için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• AI sistemleri tarafından getirilen benzersiz güvenlik risklerini anlayabilmek.
• Mücadelenin örneği, veri zehirlenmesi ve model tersine mühendisliği gibi tehdit vektörlerini tanımlayabilmek.
• NIST AI Risk Management Çerçevesi gibi temel yönetim modellerini uygulamak.
• 新兴的标准、合规指南和道德原则对齐AI的使用。

En son OWASP GenAI Güvenlik Projesi rehberine dayanarak, katılımcılar AI-ye özgü tehditleri belirlemeyi, değerlendirmeyi ve azaltmayı elden geçirme alıştırmaları ve gerçek dünya senaryolarıyla öğrenecekler.

Bu Türkiye'ta (çevrimiçi veya yerel) yapılan, danışman yönetimi altında eğitim ileri düzeyli profesyoneller için tasarlanmıştır ve federe öğrenme, güvenli çok tarafı hesaplama, homomorfik şifreleme ve farklılık gizliliği gibi teknikleri gerçek dünya makine öğrenme pipeline'larında uygulamak ve değerlendirmek isteyen kişileri hedef alır.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanabilecekler:

• Makine öğreniminde gizliliği koruyan ana teknikleri anlayıp karşılaştırmak.
• Açık kaynak çerçeveleri kullanarak federe öğrenme sistemleri uygulamak.
• Güvenli veri paylaşımı ve model eğitiminde farklılık gizliliğini uygulamak.
• Şifreleme ve güvenli hesaplama tekniklerini kullanarak model girişlerini ve çıkışlarını korumak.

Bu eğitmenin canlı olarak yürütülen, Türkiye (çevrimiçi veya yerel) eğitim, ileri düzey güvenlik uzmanları ve ML profesyonellerini hedef alarak AI sistemlerine saldırı simülasyonu yapma, zayıflıkları ortaya çıkarma ve dağıtılan AI modellerinin dayanıklılığını artırmayı isteyen kişilere yönelik olmaktadır.

Bu eğitimin sonunda, katılımcılar şunları yapabilecekler:

• Makine öğrenme modellere karşı gerçek dünya tehditlerini simüle etmek.
• Model dayanıklılığını test etmek için düşmanca örnekler oluşturmak.
• AI API'leri ve pipeline'ların saldırı yüzeyini değerlendirmek.
• AI dağıtım ortamları için kırmızı takım stratejileri tasarlamak.

Bu eğitmen-led, canlı eğitim Türkiye (çevrimiçi veya yerinde) orta düzey mühendisler ve güvenlik profesyonellerinin Edge'de dağıtılan AI modellerini yozlaşturma, veri sızıntısı, düşmanca girişler ve fiziksel saldırılar gibi tehditlere karşı güvenli hale getirmek isteyenler için düzenlenmiştir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Edge AI dağıtımlarında güvenlik risklerini tanımlayabilir ve değerlendirebilirler.
• Yozlaşma direnci ve şifrelenmiş çıkarım tekniklerini uygulayabilirler.
• Edge'de dağıtılan modelleri donmuş hale getirebilir ve veri hatlarını güvenli hale getirebilirler.
• Gömülü ve sınırlı sistemlere özgü tehdit azaltma stratejilerini uygulayabilirler.

Bu eğitmen tarafından verilen canlı eğitim (online veya on-site) orta düzeyde makine öğrenimi ve siber güvenlik uzmanları için tasarlanmıştır. Katılımcılar, AI modelleri karşılarına çıkan yeni tehditleri anlamak ve azaltmak için kavramsal çerçeveler ve sağlam eğitimin yanı sıra diferansiyel gizlilik gibi uygulamalı savunmalar kullanmayı öğrenmektedirler.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecekler:

• Adversarial saldırılar, ters çevirme ve zehirlendirme gibi AI-specific tehditleri tanımlayacak ve sınıflandırabilecekler.
• Adversarial Robustness Toolbox (ART) gibi araçları kullanarak saldırıları benzetmeyi ve modelleri test etmeyi öğrenecekler.
• Karışık eğitim, gürültü ekleme ve gizlilik koruma teknikleri dahil olmak üzere pratik savunma yöntemlerini uygulayabilecekler.
• Üretim ortamlarında tehdit bilinci model değerlendirme stratejileri tasarlayacaklar.

TinyML, düşük güç tüketimi ve kaynak sınırlı cihazlarda makine öğrenme modellerinin dağıtımını amaçlayan bir yaklaşımdır.

Bu eğitmen tarafından yönetilen canlı eğitim (online veya yerinde) yüksek düzeyde profesyoneller hedeflenmekte olup, TinyML hatlarını güvence altına almayı ve kenar AI uygulamalarında gizlilik koruyan teknikleri uygulamayı öğrenmek için tasarlanmıştır.

Bu kursun sonunda katılımcılar şunları yapabilecektir:

• Cihaz üzerinde TinyML çıkarımı için benzersiz güvenlik risklerini belirleyebilir.
• Kenar AI dağıtımları için gizlilik koruyan mekanizmalar uygulayabilir.
• TinyML modellerini ve gömülü sistemleri düşmanca tehditler karşılarında güçlendirebilir.
• Sınırlı ortamlarda güvenli veri yönetimi için en iyi uygulamaları uygulayabilir.

Eğitim Biçimi

• Uzman yönlü tartışmalarla desteklenen etkileşimli konferanslar.
• Gerçek dünya tehdit senaryolarını vurgulayan pratik alıştırmalar.
• Gömülü güvenlik ve TinyML araçları kullanarak uygulamalı etkinlikler.

Eğitim Özelleştirme Seçenekleri

• Kuruluşlar, eğitimini belirli güvenlik ve uyumluluk ihtiyaçlarına uygun hale getirmeyi talep edebilir.

Bu kurs, agentic AI sistemler için yönetim, kimlik yönetimi ve düşmanca testi konularını ele alır. Kurumsal güvenli dağıtım desenleri ve pratik kırmızı takım tekniklerine odaklanmaktadır.

Bu eğitmen yönlü, canlı eğitim (çevrimiçi veya kuruma özel) gelişmiş düzeyde uygulayıcılar için tasarlanmıştır. Katılımcıların üretim ortamlarında ajan tabanlı AI sistemlerini tasarlama, güvenli hale getirme ve değerlendirme becerilerini geliştirmeyi amaçlamaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Güvenli agentic AI dağıtım için yönetim modelleri ve politikalarını tanımlayabileceklerdir.
• En az yetkiye sahip ajanlar için insan olmayan kimlik ve kimlik doğrulama akışlarını tasarlayabileceklerdir.
• Otonom ajanlar için özel erişim kontrolleri, denetim izleri ve gözlemlenbilirliği uygulayabileceklerdir.
• Kötü amaçlı kullanım, yetki yükseltme yolları ve veri çıkarma risklerini keşfetmek için kırmızı takım çalışmaları planlayabilecek ve yürütülebilirlerdir.
• Politika, mühendislik kontrolleri ve izleme aracılığıyla agentic sistemlere yönelik yaygın tehditleri azaltabileceklerdir.

Eğitim Formatı

• Etkileşimli dersler ve tehdit modellemesi atölyeleri.
• Pratik laboratuvarlar: kimlik sağlama, politika uygulaması ve düşmanca benzetim.
• Kırmızı takım / mavi takım çalışmaları ve kurs sonu değerlendirme.

Kurs Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bize başvurunuz.