Formation Introduction à la gestion de la confiance, des risques et de la sécurité dans l'IA (AI TRiSM)

Cette formation en présentiel ou en ligne, animée par un formateur expert, dans Canada s'adresse aux dirigeants d'entreprise de niveau intermédiaire souhaitant comprendre comment gouverner et sécuriser les systèmes d'IA de manière responsable et conforme aux cadres réglementaires mondiaux émergents, tels que le Règlement sur l'IA de l'UE, le RGPD, la norme ISO/IEC 42001 et l'Exécutoire présidentiel des États-Unis sur l'IA.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre les risques juridiques, éthiques et réglementaires associés à l'utilisation de l'IA au sein des différents départements.
• Interpréter et appliquer les principaux cadres de gouvernance de l'IA (Règlement sur l'IA de l'UE, NIST AI RMF, ISO/IEC 42001).
• Établir des politiques de sécurité, d'audit et de supervision pour le déploiement de l'IA dans l'entreprise.
• Élaborer des lignes directrices pour les achats et l'utilisation des systèmes d'IA tiers et internes.

Ce cours offre une introduction pratique à la sécurisation des applications modernes alimentées par l'IA, des API, des copilotes et des agents autonomes. Les participants apprennent en quoi la sécurité de l'IA diffère de la sécurité web traditionnelle, explorent les menaces courantes spécifiques à l'IA telles que l'injection de prompts, le poisonnement du RAG et l'abus d'agents, et comprennent comment protéger les systèmes IA à l'aide de défenses multicouches incluant les WAF, les passerelles IA, la sécurité des API et les garde-fous. Grâce à des laboratoires pratiques et à des exemples du monde réel, les élèves acquièrent les compétences nécessaires pour identifier les schémas d'attaque de l'IA, sécuriser les applications basées sur des LLM et déployer des défenses efficaces à l'exécution pour les environnements de production.

Cette formation en présentiel ou à distance, animée par un instructeur, en Canada s'adresse aux développeurs, architectes et chefs de produit IA de niveau intermédiaire à avancé souhaitant identifier et atténuer les risques associés aux applications alimentées par des LLM, notamment les injections de prompts, les fuites de données et les sorties non filtrées, tout en intégrant des mesures de sécurité telles que la validation des entrées, la supervision humaine dans la boucle et les garde-fous de sortie.

À la fin de cette formation, les participants seront en mesure de :

• Comprendre les vulnérabilités fondamentales des systèmes basés sur des LLM.
• Appliquer des principes de conception sécurisée à l'architecture des applications LLM.
• Utiliser des outils tels que Guardrails AI et LangChain pour la validation, le filtrage et la sécurité.
• Intégrer des techniques comme le sand-boxing, le test d'intrusion (red teaming) et la révision humaine dans la boucle au sein de pipelines de production.

Ce cours enseigne aux développeurs de logiciels comment construire des applications alimentées par l'IA de manière sécurisée dès la conception. Les participants apprennent à protéger les chatbots, les copilotes, les pipelines RAG et les agents IA contre les menaces spécifiques à l'IA telles que l'injection de prompt, l'empoisonnement des données, l'abus d'outils, la fuite de secrets et la gestion non sécurisée de la sortie du modèle. Le cours couvre la conception sécurisée des prompts, la sécurité RAG, l'accès au moindre privilège, les garde-fous et les tests par intrusion, aidant les développeurs à créer des fonctionnalités IA qui sont sûres, fiables et résilientes dans des environnements réels.

Cette formation animée par un instructeur à Canada (en ligne ou sur site) s'adresse aux professionnels de l'IA et de la cybersécurité de niveau intermédiaire qui souhaitent comprendre et résoudre les vulnérabilités de sécurité spécifiques aux modèles et aux systèmes d'IA, en particulier dans des industries hautement réglementées telles que la finance, la gouvernance des données et le conseil.

À la fin de cette formation, les participants seront capables de :

• Comprendre les types d'attaques adversariales ciblant les systèmes d'IA et les méthodes pour s'en défendre.
• Mettre en œuvre des techniques de durcissement des modèles pour sécuriser les pipelines d'apprentissage machine.
• Garantir la sécurité et l'intégrité des données dans les modèles d'apprentissage machine.
• Naviguer dans les exigences de conformité réglementaire liées à la sécurité de l'IA.

Cette formation en direct avec formateur à Canada (en ligne ou sur site) s'adresse aux ingénieurs en sécurité et aux responsables de la conformité qui souhaitent renforcer les déploiements EXO, contrôler l'accès aux modèles et gérer les charges de travail d'IA fonctionnant entièrement en local.

Cette formation en direct, animée par un formateur, à Canada (en ligne ou en présentiel), s'adresse aux professionnels débutants de la sécurité informatique, de la gestion des risques et de la conformité qui souhaitent comprendre les concepts fondamentaux de la sécurité de l'IA, les vecteurs de menace et les cadres mondiaux tels que le NIST AI RMF et l'ISO/IEC 42001.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre les risques de sécurité spécifiques introduits par les systèmes d'IA.
• Identifier les vecteurs de menace tels que les attaques adversariales, l'empoisonnement des données et l'inversion de modèle.
• Appliquer des modèles de gouvernance fondamentaux comme le Cadre de gestion des risques en matière d'IA du NIST.
• Aligner l'utilisation de l'IA avec les normes émergentes, les directives de conformité et les principes éthiques.

Cette formation en direct animée par un instructeur à Canada (en ligne ou sur site) s'adresse aux ingénieurs en sécurité et aux ingénieurs ML qui doivent identifier, tester et se défendre contre les attaques visant les modèles d'IA et les applications alimentées par des LLM.

Fondée sur les dernières directives du Projet OWASP pour la Sécurité de l'IA générative, la formation permet aux participants d'apprendre à identifier, évaluer et atténuer les menaces spécifiques à l'IA grâce à des exercices pratiques et des scénarios réels.

Cette formation en présentiel ou à distance, animée par un formateur, est dispensée à Canada et s'adresse aux professionnels avancés qui souhaitent mettre en œuvre et évaluer des techniques telles que l'apprentissage fédéré, le calcul multipartite sécurisé, le chiffrement homomorphe et la confidentialité différentielle dans des pipelines d'apprentissage automatique réels.

À la fin de cette formation, les participants seront capables de :

• Comprendre et comparer les principales techniques de préservation de la vie privée en ML.
• Mettre en œuvre des systèmes d'apprentissage fédéré à l'aide de cadres open-source.
• Appliquer la confidentialité différentielle pour un partage de données sécurisé et l'entraînement de modèles.
• Utiliser des techniques de chiffrement et de calcul sécurisé pour protéger les entrées et les sorties des modèles.

Cette formation en direct, animée par un formateur, à Canada (en ligne ou sur site), s'adresse aux professionnels de la sécurité avancés et aux spécialistes de l'IA souhaitant simuler des attaques contre des systèmes d'IA, découvrir leurs vulnérabilités et renforcer la robustesse des modèles d'IA déployés.

À l'issue de cette formation, les participants seront en mesure de :

• Simuler des menaces du monde réel visant les modèles d'apprentissage automatique.
• Générer des exemples adversariaux pour tester la robustesse des modèles.
• Évaluer la surface d'attaque des API et des pipelines d'IA.
• Concevoir des stratégies de test de pénétration pour les environnements de déploiement d'IA.

Cette formation en présentiel ou en ligne, animée par un formateur expert, s'adresse aux ingénieurs et aux professionnels de la sécurité de niveau intermédiaire qui souhaitent protéger les modèles d'IA déployés en périphérie contre des menaces telles que la falsification, les fuites de données, les entrées adverses et les attaques physiques.

À l'issue de cette formation, les participants seront en mesure de :

• Identifier et évaluer les risques de sécurité dans les déploiements d'IA en périphérie.
• Appliquer des techniques de résistance à la falsification et de chiffrement de l'inférence.
• Durcir les modèles déployés en périphérie et sécuriser les pipelines de données.
• Mettre en œuvre des stratégies d'atténuation des menaces spécifiques aux systèmes embarqués et contraints.

Cette formation en direct animée par un formateur à Canada (en ligne ou en présentiel) s'adresse aux professionnels du machine learning et de la cybersécurité de niveau intermédiaire souhaitant comprendre et atténuer les menaces émergentes pesant sur les modèles d'IA, en utilisant à la fois des cadres conceptuels et des défenses pratiques telles que l'entraînement robuste et la confidentialité différentielle.

À l'issue de cette formation, les participants seront en mesure de :

• Identifier et classer les menaces spécifiques à l'IA, telles que les attaques adversariales, l'inversion et l'empoisonnement.
• Utiliser des outils tels que la Boîte à outils de robustesse adversarial (ART) pour simuler des attaques et tester les modèles.
• Appliquer des défenses pratiques incluant l'entraînement adversarial, l'injection de bruit et des techniques préservant la confidentialité.
• Concevoir des stratégies d'évaluation des modèles conscientes des menaces dans des environnements de production.