AI Red Teamer: редтиминг систем на базе ИИ (часть 1/2025) [HTB Academy]

Bot

Администратор
Команда форума
23 Янв 2020
200,302
3,132
113
AI Red Teamer: редтиминг систем на базе ИИ (часть 1/2025) [HTB Academy]
AI Red Teamer Job Role Path


sampleai.png


Программа подготовки на позицию AI Red Teamer, созданная в сотрудничестве с Google, обучает специалистов по кибербезопасности оценивать, эксплуатировать и защищать системы на базе искусственного интеллекта. Курс охватывает внедрение промптов (prompt injection), атаки на конфиденциальность моделей, использование ИИ в злонамеренных целях (adversarial AI), риски цепочки поставок и угрозы на этапе развертывания, сочетая теорию с практическими упражнениями. Курс разработан в соответствии с фреймворком для создания безопасного ИИ (Secure AI Framework/SAIF) от Google, что обеспечивает его релевантность для реальных задач, связанных с безопасностью ИИ. Вы приобретете следующие навыки: манипулирование поведением моделей, разработка стратегий red teaming, заточенных под ИИ, и проведение наступательного тестирования безопасности в отношении приложений, основанных на ИИ.

Ключевые темы курса:

  • Основы ИИ
  • Варианты использования ИИ в информационной безопасности
  • Введение в red teaming ИИ
  • Атаки с внедрением промптов
  • Атаки на вывод LLM
  • Атаки на данные ИИ
  • Атаки на прикладные и системные компоненты развертываний ИИ
  • Атаки на модели ИИ с уклонением - основы
  • Атаки на модели ИИ с уклонением - First-Order атаки
  • Атаки на модели ИИ с уклонением - атаки на разреженность данных
  • Атаки на конфиденциальность ИИ
  • Защита ИИ
Содержание первой части:
Модуль 01: Основы ИИ


В этом модуле представлено руководство по теоретическим основам искусственного интеллекта (ИИ). Будут рассмотрены различные парадигмы обучения, включая обучение с учителем, без учителя и обучение с подкреплением. Это обеспечит глубокое понимание ключевых алгоритмов и концепций.

Ключевые темы модуля:

  • Введение в машинное обучение
  • Математические концепции в основе алгоритмов и процессов
  • Алгоритмы обучения с учителем
  • Линейная регрессия
  • Логистическая регрессия
  • Деревья решений
  • Наивный байесовский классификатор
  • Машины опорных векторов (SVM)
  • Алгоритмы обучения без учителя
  • Кластеризация по методу k-средних
  • Метод главных компонент (PCA)
  • Обнаружение аномалий
  • Алгоритмы обучения с подкреплением
  • Q-обучение
  • SARSA (State-Action-Reward-State-Action)
  • Введение в глубокое обучение
  • Перцептроны
  • Нейронные сети
  • Сверточные нейронные сети
  • Рекуррентные нейронные сети
  • Введение в генеративный ИИ
  • Большие языковые модели
  • Диффузионные модели
Дата релиза: 2025-2026
Тип перевода: перевод с английского языка на русский
Формат: PDF
Объем оригинала: 12 модулей
Объем перевода первой части: Модуль 01: Основы ИИ (~114 стр.)
Скрытая ссылка
Дата выдачи: 15.02.2026
Сэмпл перевода: во вложении