感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 14 時間：
課程簡介
DevSecOps 與 AI 整合概論
- DevSecOps 的原則與目標
- AI 與機器學習在 DevSecOps 中的角色
- 安全自動化趨勢與工具分類
結合 AI 的靜態與動態程式碼分析
- 使用 SonarQube、Semgrep 或 Snyk Code 進行靜態分析
- 利用 AI 輔助生成測試案例進行動態測試
- 解讀結果並整合至版本控制系統
敏感資訊與憑證洩露偵測
- 強化 AI 偵測硬編碼敏感資訊的能力（例如：GitHub Advanced Security、Gitleaks）
- 防止敏感資訊進入原始碼控制
- 建立自動阻擋與警示規則
AI 驅動的依賴項目與容器掃描
- 使用 Trivy 及啟用 AI 的外掛掃描容器
- 監控第三方程式庫及 SBOM（軟體物料清單）
- 自動化的修復建議與補丁警示
智慧威脅建模與風險評估
- 使用基於 AI 的工具進行自動威脅建模
- 運用機器學習模型進行風險優先級排序
- 將商業影響與技術漏洞相連結
CI/CD 管線整合與自動化
- 在 Jenkins、GitHub Actions 或 GitLab CI 中嵌入安全檢查
- 建立政策即程式碼（Policies-as-Code）以跨環境執行規則
- 生成 AI 輔助報告以支援稽核與合規
案例研究與安全自動化模式
- AI 在安全管線中的真實應用案例
- 為您的生態系統選擇合適的工具
- 建置與維護安全管線的實務最佳做法
總結與後續步驟
最低要求
- 了解 DevOps 生命週期及 CI/CD 管線
- 具備應用程式安全原則的基本知識
- 熟悉程式碼儲存庫及基礎建設即程式碼（Infrastructure-as-Code）工具
目標對象
- 以安全為核心的 DevOps 團隊
- DevSecOps 工程師及雲端安全專家
- 合規與風險管理專業人員
