TinyML應用程式中的安全與隱私培訓

此為由導師主導的現場培訓（澳門，線上或線下），目標受眾為希望了解如何依循歐盟AI法案、GDPR、ISO/IEC 42001及美國總統AI行政命令等新興全球框架，負責任且合規地治理並保障AI系統的初級企業領導者。

完成本培訓後，參與者將能夠：

• 了解跨部門使用AI的法律、倫理與監管風險。
• 詮釋並應用主要的AI治理框架（歐盟AI法案、NIST AI RMF、ISO/IEC 42001）。
• 建立企業部署AI的安全、審計與監督政策。
• 制定第三方與內部AI系統的採購與使用指南。

這門由講師主導的實地培訓 澳門（線上或現場）專為希望使用 WAFs、AI 網關、護欄 (Guardrails)、檢測工程和分層運行時防禦來保護 AI 應用程式、API、副駕駛和自主智能體的安全工程師、SOC 分析師和平台團隊設計。

本課程為講師導航的現場培訓（線上或線下），旨在幫助初級至中級IT專業人員理解並在組織中實施AI TRiSM。

完成此培訓後，學員將能夠：

• 掌握AI信任、風險和安全管理的核心概念及其重要性。
• 識別並減輕與AI系統相關的風險。
• 實施AI的最佳安全實踐。
• 理解AI的合規性和道德考量。
• 制定有效的AI治理和管理策略。

本課程在 澳門 進行（線上或線下），旨在協助中階至高階的AI開發人員、架構師與產品經理識別降低LLM應用風險，包括提示注入、資料外洩及未經過濾的輸出，同時導入輸入驗證、人機互動監督以及輸出防護等安全控制機制。

完成本培訓後，參與者將能夠：

• 理解LLM系統的核心漏洞。
• 應用安全設計原則於LLM應用程式架構。
• 使用Guardrails AI及LangChain等工具進行驗證、過濾及安全防護。
• 將沙箱技術、紅隊演練及人機互動審查整合至生產級流程中。

本課程為導師主導的 澳門 實地培訓（線上或現場），旨在協助開發人員與平台工程師建構能抵禦提示注入、資料投毒、工具濫用及祕密洩漏的 AI 功能，確保原生安全，而非事後修補。

這門由講師帶領的現場培訓在 澳門（線上或現場）中進行，面向希望安全地交付生成式 AI 和代理系統的技術經理、架構師和安全工程師，內容涵蓋威脅建模、防護欄、代理權限、管道安全和治理。

本課程由講師親自指導，並提供現場培訓或遠程培訓（線上或實體授課），主要針對希望理解並解決人工智慧模型與系統特有資安弱點的中階人工智慧及資訊安全專業人士，尤其適用於金融、資料治理及顧問等高度監管行業。

完成本課程後，學員將能夠：

• 理解針對人工智慧系統的對抗性攻擊類型及其防禦方法。
• 實施模型加固技術，以保護機器學習管線的安全。
• 確保機器學習模型中的資料安全與完整性。
• 應對與人工智慧資安相關的法規合規要求。

這項在 澳門 的導師指導即時培訓（線上或線下），旨在幫助希望強化 EXO 部署、控制模型存取，並治理完全在本地運行的人工智慧工作負載的安全工程師和合規官。

這項在 澳門（線上或線下）由講師主導的實時培訓，針對初級 IT 安全、風險和合規專業人員，旨在讓他們理解基礎 AI 安全概念、威脅向量以及全球框架，如 NIST AI RMF 和 ISO/IEC 42001。

完成本培訓後，參與者將能夠：

• 理解 AI 系統帶來的獨特安全風險。
• 識別威脅向量，例如對抗性攻擊、數據毒化和模型反演。
• 應用基礎治理模型，如 NIST AI 風險管理框架。
• 使 AI 使用符合新興標準、合規指南和道德原則。

此導師指導的實操培訓 澳門（線上或線下）旨在幫助安全和 ML 工程師識別、測試並防禦對 ML 模型及 LLM 驅動應用的攻擊。

依據最新的 OWASP GenAI 安全項目指南，學員將透過實操練習與真實場景演練，學習識別、評估及緩解 AI 特有的安全威脅。

此講師主導的 澳門 實地訓練（線上或現場），專為希望將聯邦學習、安全多方計算、同態加密及差分隱私等技術應用於實際機器學習管線中的進階專業人士而設計。

完成本訓練後，參與者將能夠：

• 理解並比較機器學習中主要的隱私保護技術。
• 使用開源框架實現聯邦學習系統。
• 應用差分隱私技術以確保數據共享與模型訓練的安全性。
• 利用加密和安全計算技術保護模型輸入與輸出。

此課程為由導師帶領的即時培訓（線上或線下），主要對象為希望模擬對AI系統進行攻擊、發現漏洞並提升已部署AI模型韌性的進階安全專業人員及ML專家。

完成本培訓後，學員將能夠：

• 模擬對機器學習模型的現實世界威脅。
• 生成對抗性樣本以測試模型韌性。
• 評估AI API與管線的攻擊面。
• 為AI部署環境設計紅隊測試策略。