TinyML Uygulamalarında Güvenlik ve Gizlilik Eğitimi

Bu eğitmen öncülüğündeki canlı eğitim Türkiye (çevrimiçi veya yerinde), kurumsal liderlerin sorumlu bir şekilde AI sistemlerini yönetip güvence altına alma ve AB Yapay Zeka Yasası, GDPR, ISO/IEC 42001 ve ABD'nin Yapay Zeka ile ilgili başkanlık kararları gibi ortaya çıkan küresel çerçevelere uyum sağlamayı anlamalarını hedefler.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Bölümler arasında AI kullanımının hukuki, etik ve düzenleyici risklerini anlamak.
• Ana AI yönetim çerçevelerini (AB Yapay Zeka Yasası, NIST AI RMF, ISO/IEC 42001) yorumlamak ve uygulamak.
• Kurumda AI uygulaması için güvenlik, denetim ve gözetleme politikalarını oluşturmak.
• Üçüncü taraf ve iç AI sistemleri için satın alma ve kullanım yönergeleri geliştirmek.

Bu kurs, modern AI destekli uygulamaları, API'leri, copilotları ve otonom ajanları güvence altına almanın pratik bir girişini sağlar. Katılımcılar AI güvenliğinin geleneksel web güvenliğinden nasıl farklı olduğunu öğrenirler; istem enjeksiyonu, RAG zehirlenmesi ve ajan kötüye kullanımı gibi yaygın AI'ye özgü tehditleri keşfederler ve WAF'ler, AI geçitleri, API güvenliği ve koruma rayları dahil çok katmanlı savunmalar kullanarak AI sistemlerini nasıl koruyacaklarını anlarlar. Pratik laboratuvar çalışmaları ve gerçek dünya örnekleri aracılığıyla öğrenciler AI saldırı desenlerini belirleme, LLM tabanlı uygulamaları güvence altına alma ve üretim ortamları için etkili çalışma zamanı savunmaları dağıtma becerisi kazanır.

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.

Öğretmenli, canlı olarak sunulan bu eğitim Türkiye (çevrimiçi veya yerinde), prompt enjeksiyonu, veri sızıntısı ve filtrelenmemiş çıktılar gibi LLM destekli uygulamalarla ilgili riskleri belirlemek ve azaltmak; girdi doğrulama, insan gözetimi ve çıktı güvenlik önlemleri gibi güvenlik kontrollerini uygulamak isteyen ara seviyeden ileri seviyeye AI geliştiricileri, mimarlar ve ürün yöneticileri için tasarlanmıştır.

Bu eğitimin sonunda katılımcılar şunları yapabileceklerdir:

• LLM tabanlı sistemlerin temel güvenlik açıklarını anlayacak.
• Güvenli tasarım ilkelerini LLM uygulama mimarisine uygulayacak.
• Doğrulama, filtreleme ve güvenlik için Guardrails AI ve LangChain gibi araçları kullanacak.
• Kumulative izole etme (sandboxing), kırmızı takım testleri (red teaming) ve insan gözetimli incelemeler gibi teknikleri üretim kalitesindeki süreçlere entegre edecek.

Bu kurs, yazılım geliştiricilere AI destekli uygulamaları tasarım aşamasında güvenli şekilde nasıl inşa edeceklerini öğretir. Katılımcılar, sohbet botlarını, yardımcıları, RAG boru hatlarını ve AI ajanlarını prompt enjeksiyonu, veri zehirlenmesi, araç suiçkullanımı, gizli anahtarların sızması ve güvensiz model çıktısı gibi AI'ye özgü tehditlere karşı nasıl koruyacaklarını öğrenirler. Kurs, güvenli prompt tasarımı, RAG güvenliği, asgari yetki, koruyucu katmanlar (guardrails) ve kırmızı takım testlerini kapsayarak geliştiricilerin gerçek dünya ortamlarında güvenli, güvenilir ve dayanıklı AI özellikleri oluşturmalarına yardımcı olur.

Bu eğitmen tarafından yönetilen canlı eğitim Türkiye (online veya yerinde), özellikle finans, veri yönetimi ve danışmanlık gibi yüksek derecelde düzenlenmiş sektörlerde AI modelleri ve sistemlerine özgü güvenlik zafiyetlerini anlamayı ve ele almayı amaçlayan orta seviye AI ve siber güvenlik profesyonellerine yöneliktir.

Bu eğitimden sonra katılımcılar şunları yapabilecektir:

• AI sistemler hedefleyen düşmanca saldırı türlerini ve bunlara karşı savunma yöntemlerini anlamak.
• Makine öğrenimi işlem hatlarını güvenleştirmek için model kuvvetlendirme tekniklerini uygulamak.
• Makine öğrenimi modellerinde veri güvenliğini ve bütünlüğünü sağlamak.
• AI güvenlik ile ilgili düzenleyici uyumluluk gerekliliklerini yönetmek.

Bu Türkiye (çevrimiçi veya yerinde) eğitimleri ile eğitmen destekli, canlı eğitimler; EXO dağıtımlarını güçlendirmek, model erişimini kontrol etmek ve tamamen yerel olarak çalışan AI yüklerini yönetmek isteyen güvenlik mühendisleri ve uyumluluk sorumluları için tasarlanmıştır.

Bu eğitmen-led, canlı eğitim Türkiye (online veya yerinde) başlangıç seviyesinde IT güvenliği, risk ve uyumluluk profesyonelerine yönelik olup, temel AI güvenlik kavramlarını, tehdit vektörlerini ve NIST AI RMF ve ISO/IEC 42001 gibi global çerçeveleri anlamalarına yardımcı olmayı amaçlamaktadır.

Bu eğitimin sonunda katılımcılar:

• Yapay zeka sistemleri tarafından getirilen benzersiz güvenlik risklerini anlayacaklardır.
• Karşıt saldırılar, veri zehirlenmesi ve model tersine çevrilmesi gibi tehdit vektörlerini tanımlayabileceklerdir.
• NIST AI Risk Yönetimi Çerçevesi gibi temel yönetim modellerini uygulayacaklardır.
• Yapay zekanın kullanımını yeni standartlar, uyumluluk rehberleri ve etik ilkelerle uyumlu hale getireceklerdir.

Bu eğitmen rehberliğindeki canlı eğitim Türkiye (çevrimiçi veya yüz yüze) formatında olup; ML modelleri ve LLM destekli uygulamalara yönelik saldırıları tanımlamak, test etmek ve bunlara karşı savunma sağlamak isteyen güvenlik uzmanları ile ML mühendisleri için hazırlanmıştır.

Son OWASP GenAI Güvenlik Projesi rehberliğine dayanarak, katılımcılar AI'ye özgü tehditleri uygulama bazlı alıştırılmalar ve gerçek dünya senaryoları yoluyla tanımlamayı, değerlendirmeyi ve azaltmayı öğreneceklerdir.

Bu eğitmen yönetimi, canlı eğitim Türkiye (çevrimiçi veya yerinde) ileri düzey profesyonellerin, federasyonlu öğrenme, güvenli çok taraflı hesaplama, homomorfik şifreleme ve farklılık gizliliği gibi teknikleri gerçek dünyada makine öğrenimi ardışık işlemlerinde uygulamaya ve değerlendirmeye yöneliktir.

Bu eğitim sonunda katılımcılar:

• ML'deki temel gizlilik koruma tekniklerini anlamayı ve karşılaştırmayı öğrenecektir.
• Açık kaynaklı çerçeveleri kullanarak federasyonlu öğrenme sistemleri uygulayabileceklerdir.
• Güvenli veri paylaşımı ve model eğitimi için farklılık gizliliği uygulayabileceklerdir.
• Şifreleme ve güvenli hesaplama tekniklerini kullanarak model girişlerini ve çıkışlarını koruyabileceklerdir.

Bu eğitmen öncü, canlı eğitim Türkiye (çevrimiçi veya yerinde) yüksek düzeyde güvenlik profesyoneleri ve ML uzmanlarına yöneliktir. Katılımcılar, AI sistemleri üzerinde saldırıları benzetmeyi, zafiyetleri ortaya çıkarmayı ve dağıtılan AI modellerinin dayanıklılığını artırmayı öğrenmektedir.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Makine öğrenme modellerine gerçek dünya tehditlerini benzetmeyi öğrenecekler.
• Model dayanıklılığını test etmek için düşmanca örnekler oluşturmayı öğrenecekler.
• AI API'leri ve ardışıklıklarının saldırı yüzeyini değerlendirebilecekler.
• AI dağıtım ortamları için red team stratejileri tasarlayabilecekler.

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.