Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengantar Model Ancaman AI
- Apa yang membuat sistem AI rentan?
- Permukaan serangan AI vs sistem tradisional
- Vektor serangan utama: lapisan data, model, output, dan antarmuka
Serangan Adversarial pada Model AI
- Memahami contoh adversarial dan teknik gangguan
- Serangan white-box vs black-box
- Metode FGSM, PGD, dan DeepFool
- Visualisasi dan pembuatan sampel adversarial
Inversi Model dan Kebocoran Privasi
- Menginfere data pelatihan dari output model
- Serangan inferensi keanggotaan
- Risiko privasi dalam model klasifikasi dan generatif
Pencemaran Data dan Injeksi Backdoor
- Bagaimana data yang tercemar mempengaruhi perilaku model
- Backdoor berbasis trigger dan serangan Trojan
- Strategi deteksi dan penyaringan
Keandalan dan Teknik Pertahanan
- Pelatihan adversarial dan peningkatan data
- Penyembunyian gradien dan pra-pemrosesan input
- Penghalusan model dan teknik regularisasi
Pertahanan AI yang Menjaga Privasi
- Pengantar differential privacy
- Penyisipan kebisingan dan anggaran privasi
- Belajar federated dan agregasi aman
AI Security dalam Praktek
- Evaluasi dan penerapan model yang sadar ancaman
- Menggunakan ART (Adversarial Robustness Toolbox) di pengaturan teraplikasikan
- Studi kasus industri: pelanggaran dunia nyata dan mitigasi
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang alur kerja pembelajaran mesin dan pelatihan model
- Pengalaman dengan Python dan kerangka kerja ML umum seperti PyTorch atau TensorFlow
- Ketahui konsep keamanan dasar atau pemodelan ancaman adalah sangat membantu
Audience
- Insinyur pembelajaran mesin
- Analisis keamanan siber
- Peneliti AI dan tim validasi model
14 Jam
