Zabezpieczenia mobilnej sztucznej inteligencji: ochrona modeli uczenia maszynowego na urządzeniu

W miarę przenoszenia modeli uczenia maszynowego z bezpiecznych środowisk chmurowych bezpośrednio na urządzenia mobilne stają się one podatne na nowe zagrożenia bezpieczeństwa. Ochrona tych modeli na urządzeniu ma kluczowe znaczenie dla zachowania prywatności użytkownika i ochrony własności intelektualnej. W tym kursie tekstowym poznasz podstawy bezpieczeństwa mobilnego AI, nauczysz się identyfikować luki i wdrażać solidne zabezpieczenia dla modeli działających lokalnie. Zaczniesz od kluczowej terminologii, podstawowych definicji i podstawowych pojęć wdrażania brzegów, zanim przejdziesz do praktycznych środków bezpieczeństwa. Co się nauczysz: Zrozumienie podstawowych koncepcji mobilnej sztucznej inteligencji, w tym kwantyzacji modeli i wdrażania brzegowego; Identyfikacja typowych zagrożeń bezpieczeństwa, takich jak ataki przeciwne, ekstrakcja modeli i inżynieria odwrotna; Ochrona lokalnych modeli za pomocą szyfrowania i bezpiecznych środowisk wykonawczych, takich Jak Core ML i TensorFlow Lite; Zastosuj podstawowe modelowanie zagrożenia Wdrożyć strategie obronne w celu wykrywania i łagodzenia przeciwnych danych wejściowych w aplikacjach mobilnych. Przepływ kursu zaczyna się od podstawowych pojęć mobilnych ram ML, przejść do identyfikacji zagrożeń i kończy się praktycznymi wzorcami obronnymi wyjaśnionymi za pomocą pisemnych przewodników i fragmentów kodu. Ten kurs jest przeznaczony dla początkujących, programistów mobilnych i entuzjastów bezpieczeństwa, bez wymaganej zaawansowanej kryptografii lub uczenia maszynowego. Zacznij tworzyć bezpieczniejsze, odporne aplikacje mobilne AI już dziś.