Seguridad y privacidad en aplicaciones TinyML

AAISM es un marco avanzado para evaluar, gobernar y gestionar los riesgos de seguridad en sistemas de inteligencia artificial.

Esta capacitación en vivo, impartida por un instructor (en línea o presencial), está dirigida a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobernanza para entornos empresariales de IA.

Al finalizar este programa, los participantes estarán preparados para:

• Evaluar riesgos de seguridad en IA utilizando metodologías reconocidas por la industria.
• Implementar modelos de gobernanza para el despliegue responsable de IA.
• Alinear políticas de seguridad de IA con los objetivos organizacionales y las expectativas regulatorias.
• Fortalecer la resiliencia y la rendición de cuentas dentro de las operaciones impulsadas por IA.

Formato del curso

• Charlas facilitadas respaldadas por análisis de expertos.
• Talleres prácticos y actividades basadas en evaluaciones.
• Ejercicios aplicados utilizando escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para obtener capacitación adaptada a la estrategia de IA de su organización, contáctenos para personalizar el curso.

Esta formación presencial impartida por un instructor en Colombia (en línea o en sitio) está dirigida a líderes empresariales de nivel intermedio que desean comprender cómo gobernar y asegurar sistemas de IA de manera responsable y en cumplimiento con marcos globales emergentes como la Ley de IA de la Unión Europea, el RGPD, la norma ISO/IEC 42001 y la Orden Ejecutiva de EE. UU. sobre IA.

Al finalizar esta formación, los participantes podrán:

• Comprender los riesgos legales, éticos y regulatorios del uso de la IA en diferentes departamentos.
• Interpretar y aplicar los principales marcos de gobernanza de la IA (Ley de IA de la UE, NIST AI RMF, ISO/IEC 42001).
• Establecer políticas de seguridad, auditoría y supervisión para la implementación de IA en la empresa.
• Desarrollar directrices de adquisición y uso para sistemas de IA de terceros y desarrollados internamente.

La Inteligencia Artificial (IA) introduce nuevas dimensiones de riesgo operativo, desafíos de gobernanza y exposición a ciberseguridad para las agencias y departamentos gubernamentales.

Esta capacitación impartida por un instructor, en vivo (en línea o presencial), está dirigida a profesionales de TI y gestión de riesgos del sector público con experiencia limitada previa en IA, quienes deseen comprender cómo evaluar, monitorear y asegurar los sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al finalizar esta capacitación, los participantes serán capaces de:

• Interpretar conceptos clave de riesgo relacionados con los sistemas de IA, incluidos el sesgo, la imprevisibilidad y la deriva del modelo.
• Aplicar marcos de gobernanza y auditoría específicos para la IA, como el NIST AI RMF y la norma ISO/IEC 42001.
• Reconocer las amenazas de ciberseguridad dirigidas a los modelos de IA y las tuberías de datos.
• Establecer planes de gestión de riesgos interdepartamentales y garantizar la alineación de políticas para el despliegue de IA.

Formato del curso

• Conferencia interactiva y discusión de casos de uso del sector público.
• Ejercicios sobre marcos de gobernanza de la IA y mapeo de políticas.
• Modelado de amenazas y evaluación de riesgos basado en escenarios.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarlo.

Esta capacitación presencial, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a profesionales de TI de nivel principiante a intermedio que deseen comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos clave y la importancia de la gestión de confianza, riesgos y seguridad en IA.
• Identificar y mitigar los riesgos asociados a los sistemas de IA.
• Implementar las mejores prácticas de seguridad para la IA.
• Entender el cumplimiento normativo y las consideraciones éticas relacionadas con la IA.
• Desarrollar estrategias para una gobernanza y gestión efectiva de la IA.

TinyML es la práctica de implementar modelos de aprendizaje automático optimizados en dispositivos de borde con recursos limitados.

Esta capacitación en vivo, dirigida por un instructor (en línea o en sitio), está diseñada para profesionales técnicos de nivel avanzado que desean diseñar, optimizar e implementar pipelines completos de TinyML.

Al finalizar esta capacitación, los participantes aprenderán a:

• Recopilar, preparar y gestionar conjuntos de datos para aplicaciones TinyML.
• Entrenar y optimizar modelos para microcontroladores de bajo consumo.
• Convertir modelos a formatos ligeros adecuados para dispositivos de borde.
• Implementar, probar y monitorear aplicaciones TinyML en entornos de hardware real.

Formato del curso

• Conferencias guiadas por el instructor y discusiones técnicas.
• Laboratorios prácticos y experimentación iterativa.
• Implementación práctica en plataformas basadas en microcontroladores.

Opciones de personalización del curso

• Para adaptar la capacitación a cadenas de herramientas específicas, tarjetas de hardware o flujos de trabajo internos, por favor contáctenos para organizarlo.

Esta capacitación presencial impartida por un instructor en Colombia (en línea o en sitio) está dirigida a desarrolladores de inteligencia artificial, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con aplicaciones impulsadas por LLM, como la inyección de prompts, la filtración de datos y la generación de salidas sin filtrar, al mismo tiempo que incorporan controles de seguridad como la validación de entradas, la supervisión con intervención humana y las barreras de salida.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender las vulnerabilidades principales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como el aislamiento en entornos controlados (sandboxing), pruebas de equipo rojo (red teaming) y revisiones con intervención humana en pipelines de nivel de producción.

Esta capacitación impartida por un instructor en vivo en Colombia (en línea o presencial) está dirigida a profesionales intermedios de IA y ciberseguridad que deseen comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, especialmente en industrias altamente reguladas como las finanzas, la gobernanza de datos y la consultoría.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los tipos de ataques adversarios dirigidos a sistemas de IA y los métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento de modelos para proteger las tuberías de aprendizaje automático.
• Garantizar la seguridad e integridad de los datos en los modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento normativo relacionados con la seguridad de la IA.

Esta formación en vivo y dirigida por un instructor en <ubicación> (en línea o presencial) está dirigida a ingenieros de seguridad y oficiales de cumplimiento que desean endurecer los despliegues de EXO, controlar el acceso a los modelos y gobernar las cargas de trabajo de IA que se ejecutan completamente en instalaciones locales.

Esta formación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a profesionales de seguridad informática, gestión de riesgos y cumplimiento de nivel principiante que deseen comprender los conceptos fundamentales de la seguridad de la IA, los vectores de amenaza y los marcos globales como el NIST AI RMF y la norma ISO/IEC 42001.

Al finalizar esta formación, los participantes estarán en capacidad de:

• Comprender los riesgos de seguridad únicos que introducen los sistemas de IA.
• Identificar vectores de amenaza como ataques adversarios, envenenamiento de datos e inversión de modelos.
• Aplicar modelos de gobernanza fundamentales como el Marco de Gestión de Riesgos de la IA del NIST.
• Alinear el uso de la IA con normas emergentes, directrices de cumplimiento y principios éticos.

Basado en las últimas directrices del Proyecto de Seguridad de IA Generativa de OWASP, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de la IA mediante ejercicios prácticos y escenarios del mundo real.

Esta capacitación impartida por un instructor en vivo en Colombia (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen implementar y evaluar técnicas como el aprendizaje federado, el cálculo multipartito seguro, el cifrado homomórfico y la privacidad diferencial en pipelines reales de aprendizaje automático.

Al finalizar esta capacitación, los participantes podrán:

• Comprender y comparar las técnicas clave de preservación de la privacidad en el aprendizaje automático.
• Implementar sistemas de aprendizaje federado utilizando frameworks de código abierto.
• Aplicar la privacidad diferencial para compartir datos de forma segura y entrenar modelos.
• Utilizar técnicas de cifrado y cálculo seguro para proteger las entradas y salidas de los modelos.

Esta capacitación presencial en vivo en Colombia (en línea o en el sitio) está dirigida a profesionales de seguridad de nivel avanzado y especialistas en aprendizaje automático que deseen simular ataques contra sistemas de IA, descubrir vulnerabilidades y fortalecer la robustez de los modelos de IA implementados.

Al finalizar esta capacitación, los participantes podrán:

• Simular amenazas del mundo real contra modelos de aprendizaje automático.
• Generar ejemplos adversarios para evaluar la robustez de los modelos.
• Evaluar la superficie de ataque de las APIs y pipelines de IA.
• Diseñar estrategias de red teaming para entornos de despliegue de IA.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o presencial), está dirigida a ingenieros y profesionales de la seguridad de nivel intermedio que deseen proteger los modelos de IA desplegados en el borde frente a amenazas como manipulación, fugas de datos, entradas adversarias y ataques físicos.

Al finalizar esta capacitación, los participantes podrán:

• Identificar y evaluar los riesgos de seguridad en despliegues de IA en el borde.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• Fortalecer los modelos desplegados en el borde y asegurar las tuberías de datos.
• Implementar estrategias de mitigación de amenazas específicas para sistemas incrustados y restringidos.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a profesionales intermedios de aprendizaje automático y ciberseguridad que deseen comprender y mitigar las amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas, como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta capacitación, los participantes podrán:

• Identificar y clasificar amenazas específicas de la IA, como ataques adversarios, inversión y envenenamiento.
• Utilizar herramientas como el Adversarial Robustness Toolbox (ART) para simular ataques y probar modelos.
• Aplicar defensas prácticas que incluyen entrenamiento adversario, inyección de ruido y técnicas de preservación de la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de las amenazas en entornos de producción.

Este curso aborda la gobernanza, la gestión de identidades y las pruebas adversarias para sistemas de IA agente, centrándose en patrones de implementación seguros para empresas y técnicas prácticas de pruebas de penetración.

Esta formación en vivo y guiada por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen diseñar, asegurar y evaluar sistemas de IA basados en agentes en entornos de producción.

Al finalizar esta formación, los participantes serán capaces de:

• Definir modelos de gobernanza y políticas para implementaciones seguras de IA agente.
• Diseñar flujos de autenticación e identidad para agentes sin intervención humana con acceso de mínimo privilegio.
• Implementar controles de acceso, registros de auditoría y observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de pruebas de penetración para descubrir usos indebidos, vías de escalación y riesgos de exfiltración de datos.
• Mitigar amenazas comunes a los sistemas de agente a través de políticas, controles de ingeniería y monitoreo.

Formato del Curso

• Conferencias interactivas y talleres de modelado de amenazas.
• Laboratorios prácticos: provisión de identidades, aplicación de políticas y simulación de adversarios.
• Ejercicios de equipo rojo y equipo azul y evaluación final del curso.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.