Seguridad de IA para equipos de seguridad

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

Este entrenamiento en vivo impartido por un instructor (en línea o presencial) está dirigido a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobernanza para entornos corporativos 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.
• Mejorar la resiliencia y la rendición de cuentas dentro de las operaciones impulsadas por IA.

Formato del curso

• Lecciones facilitadas respaldadas por análisis expertos.
• Talleres prácticos y actividades basadas en evaluaciones.
• Ejercicios aplicados que utilizan escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para capacitación personalizada alineada con la estrategia de IA de su organización, contáctenos para personalizar el curso.

Esta formación en vivo con instructor en Chile (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 globales emergentes como el Reglamento 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 serán capaces de:

• Comprender los riesgos legales, éticos y regulatorios del uso de IA en diferentes departamentos.
• Interpretar y aplicar los principales marcos de gobernanza de IA (Reglamento 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 adquisición y uso para sistemas de IA de terceros y desarrollados internamente.

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

Esta formación en vivo con instructores (en línea o presencial) está dirigida a profesionales del sector tecnológico y de riesgos del sector público con limitada experiencia previa en IA que deseen 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 riesgos relacionados con sistemas de IA, incluido el sesgo, la imprevisibilidad y la deriva de modelos.
• Aplicar marcos de gobernanza y auditoría específicos de la IA, como NIST AI RMF e ISO/IEC 42001.
• Identificar amenazas cibernéticas dirigidas a modelos de IA y tuberías de datos (data pipelines).
• Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para el despliegue 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 coordinarlo.

Esta formación en vivo impartida por un instructor en Chile (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 gestión de confianza, riesgo y seguridad en 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 en IA.
• Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.

Esta formación en vivo dirigida por un instructor en Chile (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 los riesgos asociados con las aplicaciones impulsadas por LLM, como la inyección de indicaciones, la filtración de datos y las salidas sin filtrar, mientras incorporan controles de seguridad como la validación de entrada, la supervisión humana en el ciclo y las barreras de salida.

Al finalizar esta formación, los participantes serán capaces de:

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

Este curso enseña a los desarrolladores de software cómo construir aplicaciones de IA de forma segura por diseño. Los participantes aprenden a proteger chatbots, copilots, pipelines 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 salida de modelo insegura. El curso cubre el diseño seguro de prompts, seguridad de RAG, acceso de menor privilegio, guardrails y pruebas de red-team, ayudando a los desarrolladores a crear funciones de IA que sean seguras, confiables y resilientes en entornos del mundo real.

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

Al finalizar esta capacitación, los participantes serán capaces de:

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

Esta formación presencial impartida por un instructor en Chile (online o in situ) está dirigida a ingenieros de seguridad y oficiales de cumplimiento que deseen endurecer las implementaciones de EXO, controlar el acceso a los modelos y gobernar las cargas de trabajo de IA que se ejecutan completamente en instalaciones propias.

Esta formación en vivo con instructores en Chile (en línea o presencial) está dirigida a profesionales principiantes de TI en seguridad, riesgos y cumplimiento que deseen comprender los conceptos fundamentales de la seguridad en IA, los vectores de amenaza y los marcos globales como el NIST AI RMF e ISO/IEC 42001.

Al finalizar esta capacitación, los participantes podrán:

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

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, impartida por un instructor en Chile (en línea o presencial), está dirigida a profesionales de nivel avanzado que desean implementar y evaluar técnicas como aprendizaje federado, computación segura multipartita, cifrado homomórfico y privacidad diferencial en pipelines de aprendizaje automático del mundo real.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender y comparar las principales técnicas de preservación de la privacidad en el ML.
• Implementar sistemas de aprendizaje federado utilizando frameworks de código abierto.
• Aplicar la privacidad diferencial para compartir datos y entrenar modelos de forma segura.
• Utilizar técnicas de cifrado y computación segura para proteger las entradas y salidas del modelo.

Esta capacitación en vivo con instrucción directa en Chile (en línea o presencial) está dirigida a profesionales de la seguridad avanzados y especialistas en ML que deseen simular ataques contra sistemas IA, descubrir vulnerabilidades y mejorar la robustez de los modelos IA desplegados.

Al finalizar esta capacitación, los participantes podrán:

• Simular amenazas del mundo real a modelos de aprendizaje automático.
• Generar ejemplos adversarios para probar la robustez del modelo.
• Evaluar la superficie de ataque de las APIs y los pipelines de IA.
• Diseñar estrategias de red teaming para entornos de despliegue de IA.

Esta capacitación en vivo impartida por un instructor en Chile (en línea o presencial) está dirigida a ingenieros y profesionales de seguridad de nivel intermedio que desean proteger los modelos de IA implementados en el borde contra amenazas como manipulación, filtración de datos, entradas adversarias y ataques físicos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Identificar y evaluar riesgos de seguridad en implementaciones de IA de borde.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• endurecer 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 <ubic> (en línea o presencial) está dirigida a profesionales de nivel intermedio en aprendizaje automático 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 podrán:

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

TinyML es un enfoque para desplegar modelos de aprendizaje automático en dispositivos con bajo consumo energético y recursos limitados, que operan en el borde de la red.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean asegurar los pipelines de TinyML e implementar técnicas de preservación de la privacidad en aplicaciones de IA en el borde.

Al finalizar este curso, los participantes serán capaces de:

• Identificar riesgos de seguridad únicos para la inferencia de TinyML en dispositivos locales.
• Implementar mecanismos de preservación de la privacidad para despliegues de IA en el borde.
• Endurecer los modelos de TinyML y los sistemas embebidos frente a amenazas adversarias.
• Aplicar las mejores prácticas para el manejo seguro de datos en entornos con recursos limitados.

Formato del curso

• Conferencias dinámicas respaldadas por discusiones guiadas por expertos.
• Ejercicios prácticos que hacen hincapié en escenarios de amenazas reales.
• Implementación práctica utilizando herramientas de seguridad embebida y TinyML.

Opciones de personalización del curso

• Las organizaciones pueden solicitar una versión adaptada de esta formación para alinearse con sus necesidades específicas de seguridad y cumplimiento normativo.