Мобильная безопасность ИИ: защита моделей машинного обучения на устройстве

По мере перехода моделей машинного обучения из безопасных облачных сред непосредственно на мобильные устройства они становятся уязвимыми для новых угроз безоъепасности. Защита этих моделей на устройстве имеет решающее значение для сохранения конфиденциальности пользователей и защиты патентованной интеллектуальной собственности. В этом текстовом курсе вы узнаете основы безопасности мобильного ИИ, научитесь выявлять уязвимости и внедрять надежные защитные меры для моделей, работающих локально. Вы начнете с ключевой терминологии, основных определений и основных концепций развертывания на краю, прежде чем перейти к практическим мерам безопасности. Вы узнаете: основные концепции мобильного искусственного интеллекта, включая квантование моделей и развертывание на периферии; выявление распространенных угроз безопасности, таких как атаки противника, извлечение моделей, обратная разработка; защита локальных моделей с помощью шифрования и безопаcтных сред выполнения, таких, как Core ML и TensorFlow Lite; применение базового моделирования угроз методы, специально разработанные для машинного обучения на устройстве; Внедрение защитных стратегий для обнаружения и смягчения враждебных вводов в мобильных приложениях. Курс начинается с основных концепций мобильных ML-платформ, переходит к идентификации угроз и завершается практическими защитными шаблонами, объясненными письменными руководствами и фрагментами кода. Этот курс предназначен для начинающих, мобильных разработчиков и энтузиастов безопасности, без необходимости продвинутой криптографии или машинного обучения. Начните создавать более безопасные и устойчивые мобильные приложения с искусственным интеллектом уже сегодня.