Formation Red Teaming AI Systems: Offensive Security for ML Models

Cette formation en direct (en ligne ou sur site) est destinée aux dirigeants intermédiaires de l'entreprise qui souhaitent comprendre comment gouverner et sécuriser les systèmes d'intelligence artificielle de manière responsable et en conformité avec les cadres juridiques mondiaux émergents tels que le Règlement AI UE, GDPR, ISO/CEI 42001 et l'Ordre exécutif américain sur l'IA.

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

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

Artificial Intelligence (AI) introduit de nouvelles dimensions des risques opérationnels, des défis de gouvernance et de l'exposition à la cybersécurité pour les agences et départements du gouvernement.

Cette formation en direct (en ligne ou sur site) animée par un formateur est destinée aux professionnels IT et du risque du secteur public avec une expérience limitée en intelligence artificielle qui souhaitent comprendre comment évaluer, surveiller et sécuriser les systèmes d'IA dans le contexte gouvernemental ou réglementaire.

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

• Interpréter les concepts clés de risque liés aux systèmes d'IA, y compris les biais, l'imprévisibilité et le dérive du modèle.
• Appliquer des cadres de gouvernance et d'audit spécifiques à l'IA tels que NIST AI RMF et ISO/IEC 42001.
• Reconnaître les menaces de cybersécurité ciblant les modèles et les pipelines de données IA.
• Établir des plans de gestion des risques interdépartementaux et une mise en conformité avec la politique pour le déploiement d'IA.

Format du cours permettant d'évaluer les participants

• Cours interactif et discussion sur les cas d'utilisation du secteur public.
• Exercices de cadres de gouvernance IA et cartographie des politiques.
• Modélisation des menaces basée sur des scénarios et évaluation des risques.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour arranger cela.

Ce formation en direct, dirigée par un formateur (en ligne ou sur site), s'adresse aux professionnels TI de niveau débutant à intermédiaire qui souhaitent comprendre et mettre en œuvre la gestion de confiance, des risques et de la sécurité pour l'IA (AI TRiSM) dans leur organisation.

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

• Maîtriser les concepts clés et l'importance de la gestion de la confiance, des risques et de la sécurité en matière d'IA.
• Identifier et atténuer les risques liés aux systèmes d'IA.
• Mettre en œuvre les meilleures pratiques en matière de sécurité pour l'IA.
• Comprendre la conformité réglementaire et les considérations éthiques relatives à l'IA.
• Développer des stratégies efficaces pour la gouvernance et la gestion de l'IA.

This instructor-led, live training in France (online or onsite) is aimed at intermediate-level to advanced-level AI developers, architects, and product managers who wish to identify and mitigate risks associated with LLM-powered applications, including prompt injection, data leakage, and unfiltered output, while incorporating security controls like input validation, human-in-the-loop oversight, and output guardrails.

By the end of this training, participants will be able to:

• Understand the core vulnerabilities of LLM-based systems.
• Apply secure design principles to LLM app architecture.
• Use tools such as Guardrails AI and LangChain for validation, filtering, and safety.
• Integrate techniques like sandboxing, red teaming, and human-in-the-loop review into production-grade pipelines.

Ce cours en direct, dispensé par un formateur (en ligne ou sur site), s'adresse aux professionnels intermédiaires de l'intelligence artificielle et de la cybersécurité qui souhaitent comprendre et traiter les vulnérabilités de sécurité spécifiques aux modèles et systèmes d'IA, en particulier dans des secteurs réglementés tels que la finance, la gouvernance des données et le conseil.

À l’issue de ce cours, les participants seront capables de :

• Comprendre les types d'attaques adversaires ciblant les systèmes d'IA et les méthodes pour y faire face.
• Mettre en œuvre des techniques de renforcement du modèle pour sécuriser les pipelines de l'apprentissage automatique.
• Garantir la sécurité et l'intégrité des données dans les modèles d'apprentissage automatique.
• Naviguer dans les exigences de conformité réglementaire liées à la sécurité de l'IA.

Cette formation en direct animée par un formateur (en ligne ou sur place) s'adresse aux professionnels débutants de la sécurité informatique, du risque 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 NIST AI RMF et ISO/IEC 42001.

À la fin de cette formation, les participants pourront :

• Comprendre les risques de sécurité uniques introduits par les systèmes IA.
• Identifier des vecteurs de menace tels que les attaques adversaires, le poisonnement des données et l'inversion du modèle.
• Appliquer des modèles de gouvernance fondamentaux comme le cadre NIST AI Risk Management.
• Aligner l'utilisation de l'IA avec les normes émergentes, les directives de conformité et les principes éthiques.

Ce entraînement en direct, dirigé par un formateur (en ligne ou sur site), s'adresse aux professionnels avancés qui souhaitent mettre en œuvre et évaluer des techniques telles que l'apprentissage fédéré, le calcul multipartie sécurisé, le chiffrement homomorphique et la confidentialité différentielle dans les pipelines d'apprentissage automatique réels.

À la fin de cet entraînement, les participants seront en mesure de :

• Comprendre et comparer les techniques clés 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 et une formation de modèles sûrs.
• Utiliser des techniques de chiffrement et de calcul sécurisé pour protéger les entrées et les sorties des modèles.

Ce formation en direct (en ligne ou sur site) dispensée par un formateur est destinée aux ingénieurs intermédiaires et aux professionnels de la sécurité qui souhaitent sécuriser les modèles IA déployés au niveau des périphéries contre des menaces telles que l'altération, la fuite de données, les entrées adversaires et les attaques physiques.

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

• Identifier et évaluer les risques de sécurité dans les déploiements d'IA au niveau des périphéries.
• Appliquer des techniques de résistance aux altérations et d'inférence chiffrée.
• Renforcer les modèles déployés sur le périmètre et sécuriser les canaux de données.
• Mettre en œuvre des stratégies de mitigation des menaces spécifiques aux systèmes embarqués et contraints.

Ce cours en direct, animé par un formateur (en ligne ou sur place), s'adresse aux professionnels intermédiaires de l'apprentissage automatique et de la cybersécurité qui souhaitent comprendre et atténuer les menaces émergentes contre les modèles IA, à travers des cadres conceptuels et des défenses pratiques comme un entraînement robuste et une confidentialité différentielle.

À la fin de ce cours, les participants seront capables de :

• Identifier et classifier les menaces spécifiques à l'IA telles que les attaques adversaires, l'inversion et le poisonnement des données.
• Utiliser des outils comme le Adversarial Robustness Toolbox (ART) pour simuler des attaques et tester des modèles.
• Appliquer des défenses pratiques, y compris l'entraînement adversaire, l'injection de bruit et les techniques préservant la confidentialité.
• Concevoir des stratégies d'évaluation des menaces pour les modèles dans un environnement de production.