Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução ao Edge AI e Embedded Systems
- O que é o Edge AI? Casos de uso e restrições
- Plataformas de hardware de borda e pilhas de software
- Desafios de segurança em ambientes embarcados e descentralizados
Paisagem de Ameaças para o Edge AI
- Riscos de acesso físico e manipulação
- Exemplos adversários e manipulação de modelos
- Vazamento de dados e ameaças de inversão do modelo
Protegendo o Modelo
- Estratégias de endurecimento e quantização do modelo
- Marcação d'água e digitalização de modelos
- Distilação defensiva e poda
Inferência Encriptada e Execução Segura
- Ambientes de execução confiáveis (TEEs) para IA
- Enclaves seguros e computação confidencial
- Inferência encriptada usando criptografia homomórfica ou SMPC
Detecção de Manipulação e Controles no Nível do Dispositivo
- Boot seguro e verificação de integridade da firmware
- Validação de sensores e detecção de anomalias
- Attestação remota e monitoramento da saúde do dispositivo
Integração borda-Cloud Security
- Transmissão segura de dados e gerenciamento de chaves
- Criptografia ponto a ponto e proteção do ciclo de vida dos dados
- Orquestração de IA na nuvem com restrições de segurança da borda
Práticas Recomendadas e Estratégia de Mitigação de Riscos
- Modelagem de ameaças para sistemas AI de borda
- Princípios de design de segurança para inteligência embarcada
- Resposta a incidentes e gerenciamento de atualizações de firmware
Sumário e Próximos Passos
Requisitos
- Compreensão de sistemas embarcados ou ambientes de implantação de IA nos dispositivos de borda
- Experiência com Python e frameworks ML (por exemplo, TensorFlow Lite, PyTorch Mobile)
- Familiaridade básica com cibersegurança ou modelos de ameaças IoT
Público-alvo
- Desenvolvedores de IA embarcada
- Especialistas em segurança IoT
- Engenheiros que implantam modelos ML em dispositivos de borda ou restritos
14 Horas