Seguridad y privacidad en aplicaciones de TinyML

AAISM es un marco avanzado para evaluar, gobernar y gestionar los riesgos de seguridad en sistemas de inteligencia artificial.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobernanza para entornos empresariales de IA.

Al finalizar este programa, los participantes estarán preparados para:

• Evaluar los riesgos de seguridad de la IA utilizando metodologías reconocidas en la industria.
• Implementar modelos de gobernanza para el despliegue responsable de la IA.
• Alinear las políticas de seguridad de la IA con los objetivos organizacionales y las expectativas regulatorias.
• Potenciar la resiliencia y la responsabilidad dentro de las operaciones basadas en IA.

Formato del curso

• Conferencias facilitadas respaldadas por análisis experto.
• Talleres prácticos y actividades basadas en evaluación.
• Ejercicios aplicados utilizando escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para obtener una formación adaptada a la estrategia de IA de su organización, por favor contáctenos para personalizar el curso.

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.

TinyML es la práctica de desplegar modelos optimizados de aprendizaje automático en dispositivos de borde con recursos limitados.

Esta formación dirigida por instructores (en línea o presencial) está orientada a profesionales técnicos de nivel avanzado que deseen diseñar, optimizar y desplegar pipelines completos de TinyML.

Al concluir esta formación, los participantes aprenderán cómo:

• Recoger, preparar y gestionar conjuntos de datos para aplicaciones de TinyML.
• Entrenar y optimizar modelos para microcontroladores de bajo consumo.
• Convertir los modelos a formatos ligeros adecuados para dispositivos de borde.
• Desplegar, probar y monitorizar aplicaciones de TinyML en entornos de hardware real.

Formato del Curso

• Conferencias guiadas por el instructor y discusión técnica.
• Laboratorios prácticos e experimentación iterativa.
• Despliegue práctico en plataformas basadas en microcontroladores.

Opciones de Personalización del Curso

• Para personalizar la formación con toolchains específicas, placas de hardware o flujos de trabajo internos, contáctenos para organizarlo.

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.

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.

Basándose en las directrices más recientes del Proyecto de Seguridad para IA Generativa de OWASP, 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.

Este curso aborda la gobernanza, la gestión de identidades y las pruebas adversarias para sistemas de IA agente, centrándose en patrones de implementación seguros para empresas y técnicas prácticas de estrategia roja.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen diseñar, asegurar y evaluar sistemas de IA basados en agentes en entornos de producción.

Al finalizar esta capacitación, los participantes serán capaces de:

• Definir modelos de gobernanza y políticas para despliegues seguros de IA agente.
• Diseñar flujos de identidad y autenticación no humanos para agentes con acceso de mínimo privilegio.
• Implementar controles de acceso, registros de auditoría y observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de prueba de estrategia roja para descubrir mal uso, rutas de escalación y riesgos de exfiltración de datos.
• Mitigar amenazas comunes a sistemas de IA agente mediante políticas, controles de ingeniería y monitoreo.

Formato del Curso

• Conferencias interactivas y talleres de modelado de amenazas.
• Laboratorios prácticos: provisión de identidad, aplicación de políticas y simulación de adversarios.
• Ejercicios de prueba de estrategia roja / azul y evaluación final del curso.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.