دوره آموزشی
دوبله زبان فارسی
امنیت هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- بررسی اصول Generative AI، شامل اصول، کاربردها و پیامدهای آن برای امنیت سایبری
- یادگیری امنیت سایبری با استفاده از Generative AI
- یادگیری استفاده نوشتن پرامپتهای موثر برای امنیت سایبری با Generative AI
- یادگیری مفاهیم پیشرفته امنیت سایبری با Generative AI
- آشنایی با استفاده تحول امنیت سایبری توسط Generative AI و ChatGPT
- استفاده از ChatGPT برای عملیات مرکز عملیات امنیت (SOC)
- استفاده از ChatGPT برای هوش تهدید سایبری (CTI)
- استفاده از Microsoft Copilot for Security برای SOC
- استفاده از Microsoft Copilot for Security برای CTI
- بررسی آسیبپذیریهای OWASP Top 10 مختص مدلهای زبانی بزرگ (LLMs) و استفاده کاهش خطرات آنها
- آشنایی با چارچوب MITRE ATLAS و کاربرد آن در تحلیل تهدیدات Generative AI
- توسعه مهارتها در مدلسازی تهدید برای شناسایی، ارزیابی و رفع تهدیدات امنیتی بالقوه علیه سیستمهای Generative AI
- طراحی و پیادهسازی یک معماری امنیتی مستحکم متناسب با محیطهای Generative AI
- تحلیل یک مطالعه موردی دقیق در مورد اکسپلویت کردن از مدلهای زبانی بزرگ برای درک آسیبپذیریها و اقدامات حفاظتی
- ایجاد یک برنامه حاکمیتی برای GenAI
- یادگیری حملات رایج به سیستمهای Generative AI و استفاده دفاع در برابر آنها
- درک مفاهیم و متدولوژی های اصلی در تست نفوذ مدلهای زبانی بزرگ (LLMs)
- یادگیری فرایند گامبهگام انجام تستهای نفوذ که بهطور خاص برای سیستمهای Generative AI طراحی شدهاند.
پیشنیازهای دوره
- دانش اولیه فناوری اطلاعات (IT)
- اشتیاق برای یادگیری مطالب جذاب!
توضیحات دوره
دوره امنیت هوش مصنوعی که توسط کریستوفر نت ارائه شده، یک دوره دقیق و ساختاریافته در یودمی است که برای متخصصان IT که قصد تسلط به امنیت هوش مصنوعی را دارند، طراحی شده است.
این دوره بهصورت سیستماتیک شما را از مبانی اولیه تا مفاهیم پیشرفته همراه با مطالعات موردی کاربردی هدایت میکند. شما درک عمیقی از اصول و شیوههای لازم برای امنیت هوش مصنوعی به دست خواهید آورد.
مزایای کلیدی برای شما:
- مبانی Generative AI: مفاهیم و تکنیکهای اساسی که زیربنای Generative AI و کاربردهای آن هستند را درک کنید.
- امنیت سایبری برای GenAI: استراتژیها و بهترین شیوهها برای ایمنسازی سیستمهای Generative AI در برابر تهدیدات سایبری را بررسی کنید.
- OWASP Top 10 برای LLMها: تهدیدات، آسیبپذیریها و ریسکهای اصلی مرتبط با مدلهای زبانی بزرگ را درک کنید.
- سایر ریسکهای GenAI: ریسکهای اضافی مرتبط با Generative AI، از جمله نگرانیهای اخلاقی، سوگیری و مسائل انطباق را درک کنید.
- مدلسازی تهدید: مهارتهای مدلسازی تهدید را برای شناسایی، ارزیابی و رفع تهدیدات امنیتی بالقوه علیه سیستمهای Generative AI توسعه دهید.
- ChatGPT برای SOC: از ChatGPT برای بهبود عملیات SOC با تشخیص و پاسخ به تهدیدات استفاده کنید.
- ChatGPT برای CTI: از ChatGPT برای تحلیل داده تهدید و تولید گزارشهای هوش عملیاتی استفاده کنید.
- ChatGPT برای مدیریت آسیبپذیری: از ChatGPT برای شناسایی، ارزیابی و اولویتبندی مؤثر آسیبپذیریها استفاده کنید.
- ChatGPT برای امنیت نرمافزار: ChatGPT را برای خودکارسازی تست امنیت و تضمین یکپارچگی برنامه به کار بگیرید.
- Microsoft Copilot for Security: از Microsoft Copilot برای ادغام بینشهای هوش مصنوعی محور و خودکارسازی تسک های امنیتی در زیرساخت خود بهرهمند شوید.
- فرایند تست نفوذ برای GenAI: فرایند گامبهگام انجام تستهای نفوذ که بهطور خاص برای سیستمهای Generative AI طراحی شدهاند را بیاموزید.
- MITRE ATLAS: با چارچوب MITRE ATLAS برای ارزیابی امنیت هوش مصنوعی و یادگیری ماشین (ML) آشنا شوید.
- حاکمیت برای GenAI: ایجاد برنامه حاکمیتی برای GenAI: با استفاده از یک مثال عملی، بینشهایی در مورد چگونگی توسعه و پیادهسازی یک برنامه حاکمیتی جامع برای Generative AI در یک سازمان کسب کنید.
- امنسازی هوش مصنوعی با Microsoft Defender for Cloud: با بهکارگیری اصول و شیوههای امنیتی آموختهشده در طول دوره به همراه Microsoft Defender CSPM، تجربه عملی کسب کنید.
این دوره برای چه کسانی مناسب است؟
- تحلیلگر SOC
- مهندس امنیت
- مشاور امنیت
- معمار امنیت
- مدیر امنیت
- مدیر ارشد امنیت اطلاعات (CISO)
- متخصص امنیت
- شکارچی تهدیدات سایبری
امنیت هوش مصنوعی
-
GenAI چیست؟ 01:31
-
مدل زبانی بزرگ (LLM) چیست؟ 02:17
-
پرامپت چیست؟ 03:41
-
مدلهای هوش مصنوعی 01:20
-
معماری LLM 03:27
-
اهمیت امنیت در GenAI 03:42
-
بردارهای تهدید برای یک اپلیکیشن GenAI 03:48
-
چگونه مهاجمان از هوش مصنوعی استفاده میکنند؟ 03:33
-
مسئولیت مشترک در هوش مصنوعی 04:02
-
هوش مصنوعی مسئولانه مایکروسافت 02:56
-
دمو: ایجاد حساب کاربری OpenAI 01:14
-
دمو: ایجاد حساب کاربری Portswigger 01:18
-
دمو: ایجاد اشتراک Azure 00:59
-
Copilot for Security چیست؟ 05:22
-
از پرامپت تا پاسخ 02:05
-
معماری 05:41
-
توسعه Copilot با پلاگینها و موارد دیگر 03:41
-
پیامدهای حریم خصوصی 02:11
-
احراز هویت و RBAC 06:09
-
تجربه مستقل در مقابل تعبیه شده 01:21
-
قیمتگذاری 02:23
-
پیشنیازهای آنبوردینگ 01:29
-
دمو: ایجاد ظرفیتهای محاسباتی 03:45
-
دمو: راهاندازی Copilot for Security 14:58
-
ایجاد پرامپتهای موثر 12:04
-
دمو: نظارت بر استفاده از پرامپت 00:46
-
دمو: کتابچه پرامپت بررسی رخداد 14:36
-
دمو: کتابچه پرامپت تحلیل اسکریپت مشکوک 17:30
-
دمو: کتابچه پرامپت پروفایل عامل تهدید 17:15
-
دمو: کتابچه پرامپت ارزیابی تأثیر آسیبپذیری 11:12
-
دمو: پرامپتهای CTI 21:49
-
دمو: پرامپتهای ارزیابی آسیبپذیری 11:12
-
OWASP چیست؟ 01:13
-
OWASP Top 10 - ریسکهای امنیت وباپلیکیشن 04:38
-
OWASP Top 10 - ریسکهای امنیت API 07:27
-
OWASP Top 10 - ریسکهای امنیت LLM 05:48
-
LLM01: تزریق پرامپت 03:30
-
دمو: LLM01: تزریق پرامپت 14:34
-
اقدامات متقابل 01:54
-
LLM02: مدیریت ناامن خروجی 02:28
-
دمو: LLM02: مدیریت ناامن خروجی 11:40
-
اقدامات متقابل 01:15
-
LLM03: مسمومسازی داده آموزشی 03:08
-
اقدامات متقابل 01:14
-
LLM04: حمله انکار سرویس مدل 03:27
-
اقدامات متقابل 01:11
-
LLM05: آسیبپذیریهای زنجیره تأمین 02:28
-
دمو: LLM05: آسیبپذیریهای زنجیره تأمین 08:32
-
اقدامات متقابل 01:46
-
LLM06: افشای اطلاعات حساس 04:18
-
اقدامات متقابل 00:48
-
LLM07: طراحی ناامن پلاگین 02:29
-
اقدامات متقابل 02:23
-
LLM08: اختیارات بیش از حد 02:10
-
دمو: LLM08: اختیارات بیش از حد 03:24
-
اقدامات متقابل 01:20
-
LLM09: اتکای بیش از حد 03:08
-
اقدامات متقابل 01:05
-
LLM10: سرقت مدل 01:29
-
اقدامات متقابل 01:26
-
ریسکهای ذاتی LLM 04:25
-
شفافیت و پاسخگویی 03:20
-
انطباق با مقررات 02:38
-
توهمات 02:24
-
تعصب و تبعیض 02:11
-
نقض کپیرایت و مالکیت معنوی 02:15
-
تهدید چیست؟ 01:34
-
تهدید، آسیبپذیری و ریسک 01:46
-
مدلسازی تهدید چیست؟ 01:40
-
سازمانهای درگیر 03:48
-
تعریف دامنه 01:23
-
شناسایی تهدید 01:59
-
تحلیل آسیبپذیری 01:27
-
توسعه استراتژی کاهش خطر 01:14
-
مستندسازی و تکامل 01:20
-
یک معماری امنیتی GenAI 03:07
-
SOC چیست؟ 03:53
-
مدل لایهبندی SOC 03:11
-
فرآیند پاسخ به رخداد امنیت سایبری 02:59
-
مفاهیم EDR ،XDR ،SIEM و SOAR 04:50
-
دمو: منابع داده برای SIEM 04:13
-
دمو: موارد استفاده برای SIEM 08:39
-
دمو: منابع داده برای Microsoft Sentinel 06:06
-
دمو: قوانین تحلیلی برای Microsoft Sentinel 05:11
-
دمو: تولید قوانین YARA 05:45
-
دمو: رمزگشایی و تحلیل شل معکوس base64 06:16
-
دمو: ایجاد پلیبوک پاسخ به رخداد 08:36
-
هوش، هوش تهدید و هوش تهدید سایبری (CTI) 02:46
-
CTI چیست؟ 02:07
-
تهدید، آسیبپذیری و ریسک 01:46
-
دفاع مبتنی بر تهدید 03:15
-
تاکتیکها، تکنیکها و رویهها (TTPs) 03:00
-
IOCها و IOAها 02:34
-
هرم درد (Pyramid of Pain) 03:11
-
منابع CTI 01:53
-
دمو: توصیف CTI 05:38
-
دمو: کمک در کار با IOCها 06:30
-
دمو: تولید کوئریهای شکار تهدید در KQL 06:27
-
آسیبپذیری چیست؟ 02:02
-
آسیبپذیریها و مواجهات رایج (CVE) 02:37
-
سیستم امتیازدهی آسیبپذیری رایج (CVSS) 05:05
-
Log4Shell 03:27
-
دمو: تحلیل یک اکسپلویت - Log4Shell 04:37
-
Heartbleed 03:26
-
دمو: تحلیل یک اکسپلویت - Heartbleed 02:58
-
EternalBlue 04:00
-
دمو: تحلیل یک اکسپلویت - EternalBlue 03:04
-
دمو: تزریق SQL 06:09
-
دمو: اسکریپتنویسی بینسایتی (XSS) 05:21
-
تست نفوذ چیست؟ 02:19
-
تست نفوذ در امنیت سایبری 02:33
-
تیم قرمز در مقابل تست نفوذ 04:23
-
اهمیت تست نفوذ برای GenAI 01:22
-
بررسی کلی 01:11
-
برنامهریزی و آمادهسازی 01:57
-
شناسایی 01:33
-
اسکن و Enumeration 00:48
-
ارزیابی آسیبپذیری 01:54
-
بهرهبرداری (Exploitation) 01:02
-
Post Exploitation 01:57
-
گزارشدهی 01:21
-
اصلاح و درسهای آموخته شده 01:30
-
ATT&CK چیست؟ 01:58
-
نگاشت ATT&CK به هرم درد 02:20
-
ماتریسها 01:33
-
تاکتیکها 04:58
-
تکنیکها 03:13
-
زیرتکنیکها 04:14
-
تاکتیکها، تکنیکها و زیرتکنیکها 01:14
-
منابع داده 01:19
-
شناساییها 01:26
-
کاهشها 02:14
-
گروهها 02:40
-
نرمافزار 01:36
-
کمپینها 03:20
-
روابط 01:57
-
دمو: ماتریس سازمانی 14:42
-
MITRE ATLAS چیست؟ 00:44
-
نگاشت ATLAS به هرم درد 00:55
-
تاکتیکها 01:16
-
تکنیکها 01:44
-
زیرتکنیکها 01:08
-
تاکتیکها، تکنیکها، زیرتکنیکها 00:37
-
کاهشها 01:53
-
مطالعات موردی 01:32
-
مطالعه موردی اول: اختلال سرویس Microsoft Azure 01:20
-
مطالعه موردی دوم: PoisonGPT 01:12
-
مطالعه موردی سوم: نشت حریم خصوصی پلاگین ChatGPT 01:22
-
دمو: ماتریس ATLAS 02:35
-
حاکمیت شرکتی چیست؟ 02:07
-
مدیریت ریسک سازمانی چیست؟ 03:59
-
مدیریت ریسک امنیت سایبری چیست؟ 05:09
-
سناریو 00:36
-
ایجاد کمیته حاکمیت GenAI 01:50
-
توسعه سیاستها و دستورالعملهای حاکمیتی جامع 01:38
-
پیادهسازی شیوههای مدیریت ریسک 02:18
-
برنامههای آموزشی و آگاهیرسانی کاربران 02:11
-
پذیرش چارچوبهای اخلاقی و استانداردهای هوش مصنوعی 01:34
-
بهبود مکانیزمهای نظارت و بازخورد 01:59
-
تعریف حاکمیت داده و هویت 02:14
-
بهبود مستمر و سازگاری 01:25
-
ویژگیهای رایانش ابری 03:00
-
انواع رایانش ابری 02:12
-
زیرساخت جهانی Azure 01:54
-
مدل مسئولیت مشترک 04:30
-
سلسلهمراتب منابع Azure 03:13
-
انواع اشتراک Azure 02:03
-
تنتهای Entra ID و اشتراکهای Azure 01:39
-
Microsoft Defender for Cloud چیست؟ 02:48
-
CSPM و CWP 02:24
-
CSPM چیست؟ 01:32
-
طرحهای CSPM 01:55
-
دمو: فعالسازی Defender CSPM 03:23
-
RBAC در Defender for Cloud 01:58
-
توصیههای امنیتی 01:07
-
دمو: توصیههای امنیتی 02:07
-
بنچمارک امنیت ابری مایکروسافت (MCSB) 01:18
-
دمو: بنچمارک امنیت ابری مایکروسافت 02:33
-
مسیرهای حمله 01:21
-
دمو: Defender CSPM برای AI 02:46
-
بخش هدیه 00:52
مشخصات آموزش
امنیت هوش مصنوعی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:181
- مدت زمان :10:31:56
- حجم :3.35GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy