Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 21 heures
Plan du cours
Introduction à la sécurité dans le TinyML
- Défis de sécurité dans les systèmes d'apprentissage automatique aux ressources limitées
- Modèles de menaces pour les déploiements TinyML
- Catégories de risques pour les applications d'IA embarquée
Confidentialité des données dans l'IA edge
- Considérations de confidentialité pour le traitement des données sur l'appareil
- Minimisation de l'exposition et du transfert de données
- Techniques de gestion décentralisée des données
Attaques adverses sur les modèles TinyML
- Menaces d'évasion et d'empoisonnement de modèles
- Manipulation des entrées sur les capteurs embarqués
- Évaluation de la vulnérabilité dans des environnements contraints
Renforcement de la sécurité pour l'apprentissage automatique embarqué
- Couches de protection du firmware et du matériel
- Mécanismes de contrôle d'accès et de démarrage sécurisé (secure boot)
- Bonnes pratiques pour la protection des pipelines d'inférence
Techniques TinyML préservant la confidentialité
- Quantification et considérations de conception des modèles pour la confidentialité
- Techniques d'anonymisation sur l'appareil
- Méthodes d'encryption légère et de calcul sécurisé
Déploiement et maintenance sécurisés
- Provisionnement sécurisé des appareils TinyML
- Mises à jour OTA (Over-The-Air) et stratégies de correction (patching)
- Surveillance et réponse aux incidents à la périphérie (edge)
Test et validation des systèmes TinyML sécurisés
- Cadres de test de sécurité et de confidentialité
- Simulation de scénarios d'attaque du monde réel
- Validation et considérations de conformité
Études de cas et scénarios appliqués
- Échecs de sécurité dans les écosystèmes d'IA edge
- Conception d'architectures TinyML résilientes
- Évaluation des compromis entre performance et protection
Résumé et prochaines étapes
Pré requis
- Comprendre les architectures de systèmes embarqués.
- Expérience des flux de travail d'apprentissage automatique.
- Connaissances des fondamentaux de la cybersécurité.
Public cible
- Analystes en sécurité.
- Développeurs IA.
- Ingénieurs embarqués.
Nos clients témoignent (1)
Les exercices
Gianluca Bovo - Urmet
Formation - Security and Privacy in TinyML Applications
Traduction automatique