Bezpieczeństwo danych w projektach sztucznej inteligencji

Zaawansowany, praktyczny kurs poświęcony kluczowym aspektom ochrony danych w projektach AI.

Czas trwania

16h · 2 dni

Zapytaj o program → Zobacz wszystkie

Dla kogo

Idealny dla zespołów, które…

1 Inżynierów AI/ML i data science pracujących z danymi wrażliwymi

2 Architektów rozwiązań danych/AI oraz inżynierów platform (MLOps/LLMOps)

3 Specjalistów bezpieczeństwa informacji (AppSec/CloudSec) wspierających projekty AI

4 Menedżerów projektów AI i product ownerów odpowiedzialnych za ryzyko oraz wymagania bezpieczeństwa

5 Analityków danych i właścicieli danych zainteresowanych praktykami ochrony danych w AI

6 Osób z obszarów compliance/ochrony danych współpracujących z zespołami AI (bez interpretacji prawnej)

Efekty po programie

Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.

✓

Analizy ryzyk i modelowania zagrożeń dla systemów AI/LLM oraz doboru priorytetowych kontroli bezpieczeństwa

✓

Doboru i zastosowania technik ochrony danych (szyfrowanie, anonimizacja/pseudonimizacja, differential privacy, federated learning) wraz z oceną kompromisów użyteczność–prywatność

✓

Testów podatności modeli (w tym scenariuszy adversarial, extraction/inference oraz prompt injection) oraz doboru mechanizmów obrony

✓

Zaprojektowania podstawowych procedur reagowania na incydenty i minimalnych praktyk governance (dostępy, audyt, zgody, polityki danych)

Program · 6 modułów

Co konkretnie robimy

Dzień 1: Fundamenty bezpieczeństwa danych w AI

M01

Wprowadzenie do bezpieczeństwa danych w AI

· Analiza zagrożeń bezpieczeństwa danych w projektach ML/LLM (m.in. prompt injection, data exfiltration, data poisoning)
· Przegląd wektorów ataków na systemy sztucznej inteligencji (m.in. model inversion, membership inference, model extraction, adversarial ML)
· Ramy prawne i regulacyjne oraz wymagania organizacyjne (RODO/GDPR, klasyfikacja danych, retencja)

M02

Ochrona zbiorów danych

· Szyfrowanie danych w spoczynku i w tranzycie oraz zarządzanie kluczami i dostępami
· Anonimizacja i pseudonimizacja danych oraz ryzyko reidentyfikacji
· Differential privacy: założenia, parametry i kompromisy prywatność–jakość
· Federated learning i secure aggregation: przypadki użycia i ograniczenia
· Praktyczne warsztaty: Bezpieczny preprocessing danych, minimalizacja danych i ślad audytowy

M03

Warsztat praktyczny – Analiza podatności modeli AI

· Identyfikacja podatności modeli ML/LLM (poisoning, backdoor, extraction, inference)
· Narzędzia do testów bezpieczeństwa i detekcji ataków (testy red-team, analiza anomalii)
· Praktyczne scenariusze ataków (adversarial examples, prompt injection, wyciek danych kontekstowych)
· Techniki obrony przed atakami na modele AI (hardening pipeline, kontrola kontekstu, ograniczenia dostępu)

Dzień 2: Zaawansowane techniki ochrony danych

M04

Bezpieczeństwo modeli i algorytmów

· Ochrona własności intelektualnej modeli AI (kontrola dostępu, ślady pochodzenia, watermarking)
· Zabezpieczenia algorytmów i środowisk uruchomieniowych przed nieuprawnionym dostępem (podpisy, registry, SBOM)
· Case studies: Scenariusze naruszeń bezpieczeństwa (wyciek danych, kompromitacja pipeline, ataki na API)
· Procedury reagowania na incydenty (triage, izolacja, analiza przyczyny, działania korygujące)

M05

Prywatność i etyka w AI

· Privacy by Design i Privacy by Default w projektach AI (minimalizacja, celowość, retencja)
· Ryzyka etyczne i jakościowe (bias, niezamierzona identyfikacja, ograniczenia użycia GenAI)
· Mechanizmy kontroli zgody i dostępu do danych (role, audyt, separacja środowisk)

M06

Warsztat końcowy – Kompleksowy projekt bezpieczeństwa

· Strategia bezpieczeństwa dla projektu AI/LLM (architektura, kontrole, mierniki)
· Symulacja scenariuszy naruszenia bezpieczeństwa (prompt injection/wyciek danych/poisoning)
· Plan mitygacji ryzyk (priorytety, backlog zabezpieczeń, testy okresowe, monitoring)

Każdy moduł modyfikujemy pod Twój stack i kontekst. Powyższe to punkt wyjścia — nie sztywna agenda.

Jak pracujemy

Od briefu do retro w 30 dniach.

Brief i diagnoza

Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.

Modyfikacja programu

Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.

Warsztat

Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.

Retro + raport

Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.

Zapytanie

Wyślij brief. Odezwiemy się w 1 dzień.

Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.

✓Wycena w 48h od briefu

✓Pierwsza sesja w 30 dni

✓Pilotaż przed pełną decyzją

✓Faktura VAT, możliwość płatności w transzach

Imię i nazwisko

Firma

E-mail

Telefon

Wielkość zespołu

Czego potrzebuje zespół?

Co robimy z Twoimi danymi

Dane służbowe (imię, e-mail firmowy, telefon, firma, stanowisko) przetwarzamy w celu obsługi zapytania o szkolenie dla firmy i przygotowania oferty. Administratorem danych jest infoShare Academy Sp. z o.o., Al. Grunwaldzka 472B, 80-309 Gdańsk. Podanie danych jest dobrowolne, ale niezbędne do udzielenia odpowiedzi. Masz prawo dostępu do danych, ich sprostowania, usunięcia, ograniczenia przetwarzania i wniesienia sprzeciwu. Pełną informację znajdziesz w Klauzuli informacyjnej.

Zgody marketingowe (dobrowolne) Wyrażam zgodę na kontakt marketingowy w sprawie oferty szkoleń B2B (e-mail, telefon służbowy) od infoShare Academy Sp. z o.o..

Administratorem danych osobowych jest infoShare Academy sp. z o.o. Zasady przetwarzania danych osobowych znajdują się w dokumentach Polityka Prywatności oraz Klauzula Informacyjna.

Inne programy dla zespołów

Zobacz wszystkie →