Curso de Introdução à Confiança, Gestão de Riscos e Segurança em IA (AI TRiSM)

Esta formação ao vivo, dirigida por um instrutor em Portugal (online ou presencial), destina-se a líderes empresariais de nível intermédio que desejam compreender como governar e garantir a segurança de sistemas de IA de forma responsável e em conformidade com os marcos globais emergentes, como o AI Act da UE, o RGPD, a ISO/IEC 42001 e a Ordem Executiva dos EUA sobre IA.

No final desta formação, os participantes estarão aptos a:

• Compreender os riscos legais, éticos e regulatórios do uso da IA em diferentes departamentos.
• Interpretar e aplicar os principais marcos de governança de IA (AI Act da UE, NIST AI RMF, ISO/IEC 42001).
• Estabelecer políticas de segurança, auditoria e supervisão para a implementação de IA na empresa.
• Desenvolver diretrizes de contratação e utilização para sistemas de IA de terceiros e internos.

Este curso fornece uma introdução prática à segurança de aplicações modernas baseadas em IA, APIs, copilotos e agentes autónomos. Os participantes aprendem como a segurança da IA difere da segurança web tradicional, exploram ameaças comuns específicas de IA, como injeção de prompts, envenenamento de RAG e abuso de agentes, e compreendem como proteger sistemas de IA utilizando defesas em camadas, incluindo WAFs, gateways de IA, segurança de APIs e guardrails. Através de laboratórios práticos e exemplos do mundo real, os alunos adquirem as competências para identificar padrões de ataque à IA, proteger aplicações baseadas em LLM e implantar defesas eficazes em runtime para ambientes de produção.

Esta formação ao vivo, conduzida por instrutor, em Portugal (online ou presencial), destina-se a desenvolvedores, arquitetos e gestores de produto de nível intermédio a avançado que pretendam identificar e mitigar riscos associados a aplicações impulsionadas por LLM, incluindo injeção de prompts, fuga de dados e saídas não filtradas, ao mesmo tempo que incorporam controlos de segurança como validação de entrada, supervisão humana no circuito e barreiras de segurança para as saídas.

No final desta formação, os participantes serão capazes de:

• Compreender as vulnerabilidades fundamentais dos sistemas baseados em LLM.
• Aplicar princípios de design seguro à arquitetura de aplicações LLM.
• Utilizar ferramentas como Guardrails AI e LangChain para validação, filtragem e segurança.
• Integrar técnicas como sandboxing, red teaming e revisão humana no circuito em pipelines de produção.

Este curso ensina aos desenvolvedores de software como construir aplicações impulsionadas por IA de forma segura por design. Os participantes aprendem a proteger chatbots, copilots, pipelines RAG e agentes de IA contra ameaças específicas de IA, como injeção de prompts, envenenamento de dados, abuso de ferramentas, fuga de segredos e saída insegura de modelos. O curso cobre design seguro de prompts, segurança RAG, acesso com menor privilégio, guardrails e testes red-team, ajudando os desenvolvedores a construir funcionalidades de IA que sejam seguras, fiáveis e resilientes em ambientes reais.

Esta formação ao vivo, conduzida por instrutor, em Portugal (online ou presencial), destina-se a profissionais de IA e cibersegurança de nível intermédio que pretendam compreender e abordar as vulnerabilidades de segurança específicas dos modelos e sistemas de IA, particularmente em indústrias altamente reguladas, como a finanças, a governação de dados e o consultoria.

Ao final desta formação, os participantes serão capazes de:

• Compreender os tipos de ataques adversariais que visam sistemas de IA e os métodos para se defender contra eles.
• Implementar técnicas de endurecimento de modelos para proteger os pipelines de machine learning.
• Garantir a segurança e a integridade dos dados nos modelos de machine learning.
• Navegar pelos requisitos de conformidade regulatória relacionados com a segurança da IA.

Esta formação ao vivo, conduzida por instrutores em Portugal (online ou presencial), destina-se a engenheiros de segurança e oficiais de conformidade que pretendem reforçar as implementações do EXO, controlar o acesso a modelos e governar cargas de trabalho de IA que funcionam inteiramente em local próprio (on-premise).

Esta formação ao vivo, conduzida por um instrutor em Portugal (online ou presencial), destina-se a profissionais de segurança IT, gestão de riscos e conformidade em nível iniciante que pretendem compreender os conceitos fundamentais de segurança em IA, vetores de ameaça e quadros globais, como o NIST AI RMF e o ISO/IEC 42001.

Ao concluir esta formação, os participantes serão capazes de:

• Compreender os riscos de segurança únicos introduzidos pelos sistemas de IA.
• Identificar vetores de ameaça, como ataques adversários, envenenamento de dados e inversão de modelos.
• Aplicar modelos de governança fundamentais, como o NIST AI Risk Management Framework.
• Alinhar o uso de IA com normas emergentes, diretrizes de conformidade e princípios éticos.

Esta formação ao vivo, conduzida por formador, em Portugal (online ou presencial), destina-se a engenheiros de segurança e de ML que precisam de identificar, testar e defender-se contra ataques a modelos ML e a aplicações baseadas em LLM.

Com base nas orientações mais recentes do Projeto OWASP GenAI Security, os participantes aprenderão a identificar, avaliar e mitigar ameaças específicas da IA através de exercícios práticos e cenários do mundo real.

Esta formação ao vivo, orientada por instrutores em Portugal (online ou presencial), destina-se a profissionais de nível avançado que pretendem implementar e avaliar técnicas como aprendizagem federada, computação segura multi-parte, criptografia homomórfica e privacidade diferencial em pipelines de aprendizagem de máquina do mundo real.

No final desta formação, os participantes serão capazes de:

• Compreender e comparar as principais técnicas de preservação de privacidade em ML.
• Implementar sistemas de aprendizagem federada utilizando frameworks de código aberto.
• Aplicar a privacidade diferencial para partilha segura de dados e treino de modelos.
• Utilizar técnicas de criptografia e computação segura para proteger entradas e saídas de modelos.

Esta formação ao vivo, orientada por instrutor em Portugal (online ou presencial), destina-se a profissionais de segurança de nível avançado e especialistas em ML que desejam simular ataques a sistemas de IA, descobrir vulnerabilidades e aumentar a robustez dos modelos de IA implementados.

No final desta formação, os participantes serão capazes de:

• Simular ameaças do mundo real para modelos de aprendizagem automática.
• Gerar exemplos adversariais para testar a robustez dos modelos.
• Avaliar a superfície de ataque de APIs e pipelines de IA.
• Conceber estratégias de red teaming para ambientes de implementação de IA.

Esta formação ao vivo, conduzida por instrutores, em Portugal (online ou presencial), destina-se a engenheiros e profissionais de segurança de nível intermédio que desejam proteger modelos de IA implementados na edge contra ameaças como adulteração, fuga de dados, entradas adversariais e ataques físicos.

No final desta formação, os participantes serão capazes de:

• Identificar e avaliar os riscos de segurança nas implementações de Edge AI.
• Aplicar técnicas de resistência à adulteração e inferência cifrada.
• Reforçar a segurança dos modelos implementados na edge e proteger os fluxos de dados (data pipelines).
• Implementar estratégias de mitigação de ameaças específicas para sistemas embarcados e restritos.

Esta formação ao vivo, ministrada por instrutores em Portugal (online ou presencial), destina-se a profissionais intermédios de machine learning e cibersegurança que desejam compreender e mitigar as ameaças emergentes contra modelos de IA, recorrendo tanto a quadros conceituais como a defesas práticas, incluindo o treino robusto e a privacidade diferencial.

No final desta formação, os participantes serão capazes de:

• Identificar e classificar ameaças específicas da IA, como ataques adversariais, inversão e envenenamento.
• Utilizar ferramentas como a Adversarial Robustness Toolbox (ART) para simular ataques e testar modelos.
• Aplicar defesas práticas, incluindo treino adversarial, injeção de ruído e técnicas que preservam a privacidade.
• Conceber estratégias de avaliação de modelos conscientes das ameaças em ambientes de produção.