Een blended learning-traject: live training onder begeleiding van een instructeur met laboefeningen in een eersteklas e-learningsysteem. Je houdt tot 3 maanden na de training toegang tot het e-learningsysteem om de laboefeningen en het materiaal opnieuw te bekijken.
Discussies en inzicht in de mindset van hackers. Praktijkoefeningen aan de hand van casestudy's gebaseerd op high-profile hacks en live laboefeningen.
De cursus wordt in het Engels verzorgd onder de titel "Machine Learning Security".
Je machine learning-toepassing werkt zoals bedoeld, dus je bent klaar, toch? Maar heb je overwogen om onjuiste waarden in te voeren? 16Gbs aan gegevens? Een nul? Een apostrof? Negatieve getallen, of specifiek -1 of -231? Want dat is wat de slechteriken zullen doen. En deze lijst is verre van compleet.
Als toepasser van machine learning moet je net als elke ontwikkelaar paranoïde zijn. De belangstelling voor aanvallen op machine learning-oplossingen neemt toe en daarom is bescherming tegen adversarial machine learning essentieel. Dit vereist niet alleen bewustzijn, maar ook specifieke vaardigheden om je ML-applicaties te beschermen. De cursus helpt je deze vaardigheden te verwerven door geavanceerde aanvallen en beschermingstechnieken uit het ML-domein te introduceren.
Machine learning is software. Daarom leren we in deze cursus ook algemene veilige programmeervaardigheden en bespreken we de beveiligingsvalkuilen van de programmeertaal Python. Zowel adversarial machine learning als de kernonderwerpen over veilig programmeren gaan gepaard met veel hands-on laboefeningen en verhalen uit het echte leven, dit alles om een sterke emotionele betrokkenheid bij beveiliging te bieden en de programmeerhygiëne aanzienlijk te verbeteren.
Om ervoor te zorgen dat je voorbereid bent op de krachten van de duistere kant.
Om ervoor te zorgen dat er niets onverwachts gebeurt.
Niets.
PRAKTISCHE INFO
- Als training op locatie niet haalbaar is, kunnen we een live, interactieve online (virtuele) of hybride training aanbieden. Het standaardprogramma met een inhoud van 3 dagen kan ook in 5 halve dagen worden gegeven (van maandag tot vrijdag).
- Benieuwd hoe je de return-on-investment (ROI) van secure coding-trainingen kunt kwantificeren? Bekijk dan dit artikel.
Leerdoelen
- Vertrouwd raken met essentiële cyberbeveiligingsconcepten;
- Leren over verschillende aspecten van machine learning-beveiliging;
- Aanvallen en verdedigingstechnieken in adversarial machine learning;
- Kwetsbaarheden en hun gevolgen identificeren;
- De beste beveiligingsmethoden in Python;
- Benaderingen en principes voor inputvalidatie;
- Kwetsbaarheden in componenten van derden beheersen;
- Begrijpen hoe cryptografie de beveiliging van toepassingen kan ondersteunen;
- Leren hoe je cryptografische API's correct gebruikt in Python;
- Inzicht in methodologie en aanpak van beveiligingstests;
- Vertrouwd raken met veelgebruikte beveiligingstesttechnieken en -tools.
Doelgroep
Deze cursus is bedoeld voor Python-ontwikkelaars die werken aan machine learning-systemen.
Programma
- Cyberbeveiligingsbeginselen;
- Beveiliging van machine learning;
- Inputvalidatie;
- Beveiligingsfeatures;
- Tijd en toestand;
- Fouten;
- Kwetsbare componenten gebruiken;
- Cryptografie voor ontwikkelaars;
- Beveiligingstests;
- Conclusie.
Methodiek
Certificering
Na het volgen van deze training ontvangen deelnemers een certificaat van High Tech Institute.

