Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Introducción a la Seguridad en TinyML
- Desafíos de seguridad en sistemas de aprendizaje automático con recursos limitados
- Modelos de amenazas para implementaciones de TinyML
- Categorías de riesgo para aplicaciones de IA embebida
Privacidad de Datos en IA en el Borde
- Consideraciones de privacidad para el procesamiento de datos en el dispositivo
- Minimización de la exposición y transferencia de datos
- Técnicas para el manejo descentralizado de datos
Ataques Adversarios a Modelos de TinyML
- Amenazas de evasión y envenenamiento de modelos
- Manipulación de entradas en sensores embebidos
- Evaluación de la vulnerabilidad en entornos limitados
Endurecimiento de Seguridad para ML Embebido
- Capas de protección de firmware y hardware
- Mecanismos de control de acceso y arranque seguro
- Mejores prácticas para proteger los flujos de inferencia
Técnicas de TinyML que Preservan la Privacidad
- Cuantización y consideraciones de diseño del modelo para la privacidad
- Técnicas para el anonimato de datos en el dispositivo
- Métodos de cifrado ligero y computación segura
Implementación y Mantenimiento Seguros
- Provisioning seguro de dispositivos TinyML
- Estrategias de actualizaciones OTA y parches
- Monitoreo y respuesta ante incidentes en el borde
Pruebas y Validación de Sistemas Seguros de TinyML
- Frameworks de pruebas de seguridad y privacidad
- Simulación de escenarios de ataques del mundo real
- Consideraciones de validación y cumplimiento
Estudios de Caso y Escenarios Aplicados
- Fallos de seguridad en ecosistemas de IA en el borde
- Diseño de arquitecturas de TinyML resilientes
- Evaluación de las compensaciones entre el rendimiento y la protección
Resumen y Próximos Pasos
Requerimientos
- Comprensión de las arquitecturas de sistemas embebidos
- Experiencia con flujos de trabajo de aprendizaje automático
- Conocimiento de los fundamentos de la ciberseguridad
Público Objetivo
- Analistas de seguridad
- Desarrolladores de IA
- Ingenieros de sistemas embebidos
Reseñas (1)
Los ejercicios
Gianluca Bovo - Urmet
Curso - Security and Privacy in TinyML Applications
Traducción Automática