Solicitar información

Temario del curso

Introducción al modelado de amenazas para IA

  • ¿Qué hace vulnerables a los sistemas de IA?
  • Superficie de ataque en la IA frente a sistemas convencionales
  • Principales vectores de ataque: datos, modelos, resultados y capas de interfaz

Ataques adversariales contra modelos de IA

  • Explicación sobre ejemplos adversariales y técnicas para generar perturbaciones en los datos
  • Diferencias entre ataques de caja blanca y caja negra
  • Métodos FGSM, PGD y DeepFool
  • Visualización y creación práctica de ejemplos adversariales

Inversión de modelos y fuga de información confidencial

  • Extracción de datos originales a partir del comportamiento del modelo
  • Ataques de inferencia sobre la pertenencia de elementos al conjunto de entrenamiento
  • Riesgos para la privacidad en modelos clasificadores y generativos

Envenenamiento de datos e inyección de puertas traseras

  • Efecto del uso de datos adulterados en el comportamiento del modelo
  • Puertas traseras basadas en disparadores y ataques tipo Trojan
  • Estrategias para la detección y eliminación de datos tóxicos

Técnicas para mejorar la robustez y defensa de modelos

  • Entrenamiento adversarial y ampliación del conjunto de datos mediante aumento
  • Ocultado de gradientes y preprocesamiento eficaz de las entradas
  • Suavizado del modelo y aplicación de técnicas de regularización

Defensas orientadas a la protección de privacidad en IA

  • Introducción al concepto de privacidad diferencial
  • Inyección controlada de ruido y gestión adecuada del presupuesto de privacidad
  • Aprendizaje federado y mecanismos de agregación segura

Seguridad aplicada a la IA en entornos reales

  • Evaluación y despliegue de modelos con consciencia plena de amenazas potenciales
  • Aplicación práctica del Adversarial Robustness Toolbox (ART) en contextos reales
  • Estudios de caso industriales: vulnerabilidades detectadas y estrategias adoptadas para su corrección

Resumen final y pasos a seguir

Requerimientos

  • Conocimientos básicos sobre flujos de trabajo en aprendizaje automático y el proceso de entrenamiento de modelos
  • Experiencia con Python y frameworks comunes del ámbito ML como PyTorch o TensorFlow
  • Resulta útil tener cierta familiaridad con conceptos básicos de seguridad o modelado de amenazas

Público objetivo

  • Ingenieros en aprendizaje automático
  • Analistas de ciberseguridad
  • Investigadores en IA y equipos encargados de la validación de modelos
 14 Horas

Formación Corporativa a Medida

Soluciones de formación diseñadas exclusivamente para empresas.

  • Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
  • Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
  • Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Inversión

Precio por grupo privado (formación online) desde 2900 € + IVA*

Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales

Reseñas (2)

Próximos cursos

Categorías Relacionadas