Szkolenie Bezpieczeństwo danych w projektach sztucznej inteligencji

Infoshare to największa społeczność technologiczna w CEE i organizator wiodącej konferencji tech w Gdańsku. Łączy startupy, inwestorów, korporacje i pasjonatów innowacji. Promuje przedsiębiorczość, dzielenie się wiedzą i networking. Dzięki wydarzeniom, konkursom i programom wspiera rozwój ekosystemu technologicznego w Polsce i regionie.

Zaawansowany, praktyczny kurs poświęcony kluczowym aspektom ochrony danych w projektach AI. Szkolenie łączy solidną podbudowę teoretyczną z intensywnymi warsztatami praktycznymi, które pozwolą uczestnikom zdobyć niezbędne umiejętności zabezpieczania wrażliwych informacji w środowiskach sztucznej inteligencji. Nacisk położony jest na praktyczne rozwiązania, Case studies oraz bezpośrednie doświadczenie w identyfikacji i mitygacji zagrożeń związanych z bezpieczeństwem danych.

• Inżynierów AI i data science
• Zespoły obsługi klienta
• Menedżerów projektów AI
• Programistów pracujących przy projektach wykorzystujących sztuczną inteligencję
• Analityków danych zainteresowanych aspektami bezpieczeństwa
• Studentów kierunków informatycznych i matematycznych

• Kompleksowego podejścia do ochrony danych w projektach AI
• Identyfikacji i przeciwdziałania lukom bezpieczeństwa w systemach AI
• Praktycznych technik zabezpieczania modeli i zbiorów danych
• Wdrażania standardów prywatności i ochrony informacji wrażliwych

DZIEŃ 1: FUNDAMENTY BEZPIECZEŃSTWA DANYCH W AI

1. WPROWADZENIE DO BEZPIECZEŃSTWA DANYCH W AI
    • analiza kluczowych zagrożeń bezpieczeństwa w projektach AI
    • przegląd najczęstszych wektorów ataków na systemy sztucznej inteligencji
    • omówienie ram prawnych i regulacyjnych (RODO, GDPR)

2. OCHRONA ZBIORÓW DANYCH
    • metody szyfrowania w procesach przechowywania i transferu danych
    • techniki anonimizacji i pseudonimizacji danych
    • techniki differential privacy
    • techniki federated learning dla zwiększenia prywatności
    • praktyczne warsztaty – implementacja bezpiecznego preprocessingu danych

3. WARSZTAT PRAKTYCZNY – ANALIZA PODATNOŚCI MODELI AI
    • identyfikacja luk bezpieczeństwa w modelach machine learning
    • narzędzia do automatycznej detekcji ataków
    • praktyczne próby manipulacji modelami (adversarial examples)
    • techniki obrony przed atakami na modele AI

DZIEŃ 2: ZAAWANSOWANE TECHNIKI OCHRONY DANYCH

4. BEZPIECZEŃSTWO MODELI I ALGORYTMÓW
 • metody ochrony własności intelektualnej modeli AI
 • techniki zabezpieczania algorytmów przed nieuprawnionym dostępem
 • case studies – rzeczywiste scenariusze naruszeń bezpieczeństwa
 • procedury reagowania na incydenty

5. PRYWATNOŚĆ I ETYKA W AI
    • zasady projektowania systemów z zachowaniem prywatności (Privacy by Design)
    • etyczne aspekty przetwarzania danych osobowych
    • mechanizmy kontroli zgody i dostępu do danych

6. WARSZTAT KOŃCOWY – KOMPLEKSOWY PROJEKT BEZPIECZEŃSTWA
    • budowa całościowej strategii bezpieczeństwa dla projektu AI
    • symulacja scenariuszy naruszenia bezpieczeństwa
    • opracowanie planu mitygacji ryzyk

16 h/2 dni