Seguridad de IA para equipos de seguridad

AAISM is an advanced framework for assessing, governing, and managing security risks in artificial intelligence systems.

This instructor-led, live training (online or onsite) is aimed at advanced-level professionals who wish to implement effective security controls and governance practices for enterprise AI environments.

At the conclusion of this program, participants will be prepared to:

• Evaluate AI security risks using industry-recognized methodologies.
• Implement governance models for responsible AI deployment.
• Align AI security policies with organizational goals and regulatory expectations.
• Enhance resilience and accountability within AI-driven operations.

Format of the Course

• Facilitated lectures supported by expert analysis.
• Practical workshops and assessment-based activities.
• Applied exercises using real-world AI governance scenarios.

Course Customization Options

• For tailored training aligned to your organizational AI strategy, please contact us to customize the course.

Esta formación en vivo impartida por un instructor en Bolivia (en línea o presencial) está dirigida a líderes empresariales de nivel intermedio que desean comprender cómo gobernar y asegurar los sistemas de IA de manera responsable y conforme a marcos normativos globales emergentes, como la Ley de IA de la UE, el RGPD, la norma ISO/IEC 42001 y la Orden Ejecutiva de EE. UU. sobre IA.

Al finalizar esta formación, los participantes podrán:

• Comprender los riesgos legales, éticos y regulatorios del uso de la IA en distintos departamentos.
• Interpretar y aplicar los principales marcos de gobernanza de la IA (Ley de IA de la UE, NIST AI RMF, ISO/IEC 42001).
• Establecer políticas de seguridad, auditoría y supervisión para el despliegue de IA en la empresa.
• Desarrollar directrices de adquisiciones y uso para sistemas de IA de terceros e internos.

La Inteligencia Artificial (IA) introduce nuevas dimensiones de riesgos operativos, desafíos de gobernanza y exposición a ciberseguridad para las agencias y departamentos gubernamentales.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a profesionales de TI y gestión de riesgos del sector público con limitada experiencia previa en IA, que desean comprender cómo evaluar, monitorear y asegurar los sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al finalizar esta formación, los participantes podrán:

• Interpretar conceptos clave de riesgo relacionados con sistemas de IA, incluidos sesgo, imprevisibilidad y deriva del modelo.
• Aplicar marcos específicos para la gobernanza y auditoría de la IA, como NIST AI RMF e ISO/IEC 42001.
• Reconocer amenazas de ciberseguridad dirigidas a modelos de IA y canales de datos.
• Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para la implementación de IA.

Formato del Curso

• Conferencia interactiva y discusión de casos de uso del sector público.
• Ejercicios de marco de gobernanza de IA y mapeo de políticas.
• Modelado de amenazas basado en escenarios y evaluación de riesgos.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación en vivo con instructor en Bolivia (en línea o presencial) está dirigida a profesionales de TI de nivel principiante e intermedio que desean comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos clave y la importancia de la confianza, el riesgo y la seguridad en la gestión de IA.
• Identificar y mitigar los riesgos asociados con los sistemas de IA.
• Implementar las mejores prácticas de seguridad para IA.
• Comprender el cumplimiento normativo y las consideraciones éticas para la IA.
• Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.

Esta formación en vivo con instructor en Bolivia (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar riesgos asociados con aplicaciones potenciadas por LLM, como inyección de prompts, fugas de datos y salida sin filtrar, mientras incorporan controles de seguridad como validación de entradas, supervisión humana en el ciclo del proceso y barreras de contención para la salida.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades centrales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como aislamiento (sandboxing), pruebas de penetración (red teaming) y revisión con intervención humana en pipelines de nivel productivo.

Este curso enseña a los desarrolladores de software cómo construir aplicaciones potenciadas por inteligencia artificial de forma segura desde su diseño. Los participantes aprenden a proteger chatbots, copilotos, pipelines de RAG y agentes de IA contra amenazas específicas de la IA, como inyección de prompts, envenenamiento de datos, abuso de herramientas, filtración de secretos y salidas de modelos inseguras. El curso cubre el diseño seguro de prompts, seguridad en RAG, acceso de menor privilegio, guardrails y pruebas de red-teaming, ayudando a los desarrolladores a construir funciones de IA que sean seguras, confiables y resilientes en entornos del mundo real.

Esta formación en vivo impartida por instructores en Bolivia (en línea o presencial) está dirigida a profesionales de nivel intermedio en IA y ciberseguridad que desean comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, especialmente en industrias altamente reguladas como finanzas, gobernanza de datos y consultoría.

Al final de esta formación, los participantes serán capaces de:

• Comprender los tipos de ataques adversarios dirigidos a sistemas de IA y métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento de modelos para proteger tuberías de aprendizaje automático.
• Asegurar la seguridad e integridad de datos en modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento regulatorio relacionados con la seguridad de IA.

Esta formación en vivo con instructores en Bolivia (en línea o presencial) está dirigida a ingenieros de seguridad y oficiales de cumplimiento que deseen endurecer los despliegues de EXO, controlar el acceso a los modelos y gobernar las cargas de trabajo de IA que se ejecuten completamente en instalaciones locales.

Esta formación presencial en vivo en Bolivia (en línea o in situ) está dirigida a profesionales de TI de nivel principiante en áreas de seguridad, riesgos y cumplimiento que desean comprender los conceptos fundamentales de la seguridad en IA, los vectores de amenaza y los marcos globales como el Marco de Gestión de Riesgos de IA de NIST (NIST AI RMF) e ISO/IEC 42001.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los riesgos de seguridad únicos introducidos por los sistemas de IA.
• Identificar vectores de amenaza como ataques adversarios, envenenamiento de datos y inversión de modelos.
• Aplicar modelos de gobernanza fundamentales como el Marco de Gestión de Riesgos de IA de NIST.
• Alinear el uso de la IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Este entrenamiento en vivo con instrucción presencial en Bolivia (en línea o in situ) está dirigido a ingenieros de seguridad y ML que necesitan identificar, probar y defenderse contra ataques en modelos de ML y aplicaciones potenciadas por LLM.

Basándose en las últimas directrices del Proyecto OWASP GenAI Security, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de la IA mediante ejercicios prácticos y escenarios del mundo real.

Esta formación en vivo dirigida por instructores en Bolivia (en línea o presencial) está orientada a profesionales de nivel avanzado que deseen implementar y evaluar técnicas como aprendizaje federado, computación multipartita segura, cifrado homomórfico y privacidad diferencial en tuberías reales de aprendizaje automático.

Al finalizar esta formación, los participantes podrán:

• Comprender y comparar las principales técnicas de preservación de la privacidad en el aprendizaje automático.
• Implementar sistemas de aprendizaje federado utilizando marcos de código abierto.
• Aplicar la privacidad diferencial para compartir datos y entrenar modelos de manera segura.
• Utilizar técnicas de cifrado y computación segura para proteger las entradas y salidas de los modelos.

Esta formación en vivo, impartida por un instructor, en <ubicación> (en línea o presencial), está dirigida a profesionales de la seguridad y especialistas en ML de nivel avanzado que deseen simular ataques contra sistemas de IA, descubrir vulnerabilidades y mejorar la resistencia de los modelos de IA implementados.

Al finalizar esta formación, los participantes podrán:

• Simular amenazas del mundo real contra modelos de aprendizaje automático.
• Generar ejemplos adversarios para probar la resistencia de los modelos.
• Evaluar la superficie de ataque de las APIs y canalizaciones de IA.
• Diseñar estrategias de pruebas de intrusión (red teaming) para entornos de implementación de IA.

Esta formación en vivo con instructor en Bolivia (en línea o presencial) está dirigida a ingenieros y profesionales de la seguridad de nivel intermedio que desean proteger los modelos de IA desplegados en el borde contra amenazas como la manipulación, la filtración de datos, las entradas adversarias y los ataques físicos.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar y evaluar los riesgos de seguridad en los despliegues de IA en el borde.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• Fortalecer los modelos desplegados en el borde y asegurar los canales de datos.
• Implementar estrategias de mitigación de amenazas específicas para sistemas embebidos y con restricciones.

Esta formación en vivo impartida por un instructor en Bolivia (en línea o presencial) está dirigida a profesionales de nivel intermedio en machine learning y ciberseguridad que desean comprender y mitigar las amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas, como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de la IA, como ataques adversarios, inversión y envenenamiento de datos.
• Utilizar herramientas como Adversarial Robustness Toolbox (ART) para simular ataques y probar modelos.
• Aplicar defensas prácticas que incluyen entrenamiento adversario, inyección de ruido y técnicas de preservación de la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de las amenazas en entornos de producción.