Temario del curso
Día 1: Fundamentos y Amenazas Principales
Módulo 1: Introducción al Proyecto de Seguridad de OWASP para IA Generativa (1 hora)
Objetivos de Aprendizaje:
- Comprender la evolución desde las OWASP Top 10 hacia los desafíos específicos de seguridad en IA generativa.
- Explorar el ecosistema y recursos del Proyecto de Seguridad de OWASP para IA Generativa.
- Identificar las diferencias clave entre la seguridad de aplicaciones tradicionales y la seguridad de IA.
Temas Cubiertos:
- Visión general de la misión y alcance del Proyecto de Seguridad de OWASP para IA Generativa.
- Introducción al marco Threat Defense COMPASS.
- Comprensión del panorama de seguridad en IA y requisitos regulatorios.
- Superficies de ataque en IA frente a vulnerabilidades tradicionales de aplicaciones web.
Ejercicio Práctico: Configuración de la herramienta OWASP Threat Defense COMPASS y realización de una evaluación inicial de amenazas.
Módulo 2: OWASP Top 10 para LLM - Parte 1 (2.5 horas)
Objetivos de Aprendizaje:
- Dominar las cinco vulnerabilidades críticas iniciales de los LLM.
- Comprender vectores de ataque y técnicas de explotación.
- Aplicar estrategias prácticas de mitigación.
Temas Cubiertos:
LLM01: Inyección de Prompt (Prompt Injection)
- Técnicas de inyección directa e indirecta de prompts.
- Ataques de instrucciones ocultas y contaminación cruzada entre prompts.
- Ejemplos prácticos: Jailbreaking de chatbots y elusión de medidas de seguridad.
- Estrategias de defensa: Sanitización de entradas, filtrado de prompts y privacidad diferencial.
LLM02: Divulgación de Información Sensible
- Extracción de datos de entrenamiento y filtración del prompt del sistema.
- Análisis del comportamiento del modelo para la exposición de información sensible.
- Implicaciones de privacidad y consideraciones de cumplimiento normativo.
- Mitigación: Filtrado de salidas, controles de acceso y anonimización de datos.
LLM03: Vulnerabilidades en la Cadena de Suministro
- Dependencias de modelos de terceros y seguridad de plugins.
- Conjuntos de datos de entrenamiento comprometidos y envenenamiento de modelos.
- Evaluación de riesgos de proveedores para componentes de IA.
- Buenas prácticas de implementación y verificación segura de modelos.
Ejercicio Práctico: Laboratorio práctico que demuestra ataques de inyección de prompt contra aplicaciones LLM vulnerables e implementación de medidas defensivas.
Módulo 3: OWASP Top 10 para LLM - Parte 2 (2 horas)
Temas Cubiertos:
LLM04: Envenenamiento de Datos y Modelos
- Técnicas de manipulación de datos de entrenamiento.
- Modificación del comportamiento del modelo a través de entradas envenenadas.
- Ataques de puerta trasera y verificación de integridad de datos.
- Prevención: Pipelines de validación de datos y seguimiento de procedencia.
LLM05: Manipulación Inadecuada de las Salidas
- Procesamiento inseguro del contenido generado por LLM.
- Inyección de código a través de salidas generadas por IA.
- XSS (Cross-Site Scripting) mediante respuestas de IA.
- Marcos de validación y sanitización de salidas.
Ejercicio Práctico: Simulación de ataques de envenenamiento de datos e implementación de mecanismos robustos de validación de salida.
Módulo 4: Amenazas Avanzadas para LLM (1.5 horas)
Temas Cubiertos:
LLM06: Agencia Excesiva (Excessive Agency)
- Riesgos de toma de decisiones autónoma y violaciones de límites.
- Gestión de autoridad y permisos del agente.
- Interacciones involuntarias con el sistema y escalada de privilegios.
- Implementación de barreras de seguridad (guardrails) y controles de supervisión humana.
LLM07: Filtración del Prompt del Sistema
- Vulnerabilidades de exposición de instrucciones del sistema.
- Divulgación de credenciales y lógica a través de prompts.
- Técnicas de ataque para extraer prompts del sistema.
- Protección de instrucciones del sistema y configuración externa.
Ejercicio Práctico: Diseño de arquitecturas de agentes seguras con controles de acceso y monitoreo adecuados.
Día 2: Amenazas Avanzadas e Implementación
Módulo 5: Amenazas Emergentes en IA (2 horas)
Objetivos de Aprendizaje:
- Comprender las amenazas más recientes en seguridad de IA.
- Implementar técnicas avanzadas de detección y prevención.
- Diseñar sistemas de IA resilientes frente a ataques sofisticados.
Temas Cubiertos:
LLM08: Debilidades en Vectores y Embeddings
- Vulnerabilidades de sistemas RAG y seguridad de bases de datos vectoriales.
- Envenenamiento de embeddings y ataques de manipulación de similitud.
- Ejemplos adversarios en búsqueda semántica.
- Protección de almacenes vectoriales e implementación de detección de anomalías.
LLM09: Desinformación y Confiabilidad del Modelo<"p>
- Detección y mitigación de alucinaciones (hallucinations).
- Amplificación de sesgos y consideraciones de equidad.
- Mecanismos de verificación de hechos y fuentes.
- Validación de contenido e integración de supervisión humana.
LLM10: Consumo Sin Límites (Unbounded Consumption)
- Agotamiento de recursos y ataques de denegación de servicio.
- Estrategias de límite de tasa y gestión de recursos.
- Optimización de costos y controles presupuestarios.
- Sistemas de monitoreo de rendimiento y alertas.
Ejercicio Práctico: Construcción de un pipeline RAG seguro con protección de base de datos vectorial y detección de alucinaciones.
Módulo 6: Seguridad de IA Basada en Agentes (2 horas)
Objetivos de Aprendizaje:
- Comprender los desafíos únicos de seguridad de los agentes autónomos de IA.
- Aplicar la taxonomía OWASP para IA Basada en Agentes a sistemas del mundo real.
- Implementar controles de seguridad para entornos multiagente.
Temas Cubiertos:
- Introducción a la IA Basada en Agentes y sistemas autónomos.
- Taxonomía de Amenazas OWASP para IA Basada en Agentes: Diseño del Agente, Memoria, Planificación, Uso de Herramientas, Despliegue.
- Seguridad de sistemas multiagente y riesgos de coordinación.
- Ataques de uso indebido de herramientas, envenenamiento de memoria y secuestro de objetivos.
- Protección de la comunicación y los procesos de toma de decisiones del agente.
Ejercicio Práctico: Ejercicio de modelado de amenazas utilizando la taxonomía OWASP para IA Basada en Agentes en un sistema de servicio al cliente multiagente.
Módulo 7: Implementación de OWASP Threat Defense COMPASS (2 horas)
Objetivos de Aprendizaje:
- Dominar la aplicación práctica de Threat Defense COMPASS.
- Integrar la evaluación de amenazas en IA en los programas de seguridad organizacional.
- Desarrollar estrategias integrales de gestión de riesgos en IA.
Temas Cubiertos:
- Análisis profundo de la metodología Threat Defense COMPASS.
- Integración del ciclo OODA (Observar, Orientarse, Decidir, Actuar).
- Mapeo de amenazas a los marcos MITRE ATT&CK y ATLAS.
- Construcción de paneles de control para la estrategia de resiliencia frente a amenazas en IA.
- Integración con herramientas y procesos de seguridad existentes.
Ejercicio Práctico: Evaluación completa de amenazas utilizando COMPASS para un escenario de despliegue de Microsoft Copilot.
Módulo 8: Implementación Práctica y Buenas Prácticas (2.5 horas)
Objetivos de Aprendizaje:
- Diseñar arquitecturas seguras para IA desde su base.
- Implementar monitoreo y respuesta a incidentes para sistemas de IA.
- Crear marcos de gobernanza para la seguridad en IA.
Temas Cubiertos:
Ciclo de Vida de Desarrollo Seguro para IA:
- Principios de seguridad desde el diseño (security-by-design) para aplicaciones de IA.
- Prácticas de revisión de código para integraciones con LLM.
- Metodologías de prueba y escaneo de vulnerabilidades.
- Seguridad en el despliegue y endurecimiento (hardening) en producción.
Monitoreo y Detección:
- Requisitos específicos de registro (logging) y monitoreo para IA.
- Detección de anomalías para sistemas de IA.
- Procedimientos de respuesta a incidentes para eventos de seguridad en IA.
- Técnicas de forense e investigación.
Gobernanza y Cumplimiento:
- Marcos y políticas de gestión de riesgos en IA.
- Consideraciones de cumplimiento normativo (GDPR, Ley de IA, etc.).
- Evaluación de riesgos de terceros para proveedores de IA.
- Capacitación en conciencia de seguridad para equipos de desarrollo de IA.
Ejercicio Práctico: Diseñar una arquitectura de seguridad completa para un chatbot empresarial de IA, incluidos monitoreo, gobernanza y procedimientos de respuesta a incidentes.
Módulo 9: Herramientas y Tecnologías (1 hora)
Objetivos de Aprendizaje:
- Evaluar e implementar herramientas de seguridad para IA.
- Comprender el panorama actual de soluciones de seguridad en IA.
- Construir capacidades prácticas de detección y prevención.
Temas Cubiertos:
- Ecosistema de herramientas de seguridad para IA y panorama de proveedores.
- Herramientas de código abierto: Garak, PyRIT, Giskard.
- Soluciones comerciales para seguridad y monitoreo de IA.
- Patrones de integración y estrategias de implementación.
- Criterios de selección de herramientas y marcos de evaluación.
Ejercicio Práctico: Demonstración práctica de herramientas de prueba de seguridad en IA y planificación de implementación.
Módulo 10: Tendencias Futuras y Cierre (1 hora)
Objetivos de Aprendizaje:
- Comprender las amenazas emergentes y los futuros desafíos de seguridad.
- Desarrollar estrategias de aprendizaje continuo y mejora.
- Crear planes de acción para los programas de seguridad en IA de las organizaciones.
Temas Cubiertos:
- Amenazas emergentes: Deepfakes, inyección avanzada de prompts, inversión de modelos.
- Desarrollos futuros del proyecto OWASP de IA Generativa y hoja de ruta.
- Construcción de comunidades de seguridad en IA e intercambio de conocimientos.
- Mejora continua e integración de inteligencia de amenazas.
Ejercicio de Planificación de Acción: Desarrollar un plan de acción de 90 días para implementar prácticas de seguridad OWASP en IA Generativa dentro de las organizaciones de los participantes.
Requerimientos
- Comprensión general de los principios de seguridad de aplicaciones web.
- Familiaridad básica con conceptos de IA/ML.
- Se prefiere experiencia con marcos de seguridad o metodologías de evaluación de riesgos.
Público Objetivo
- Profesionales de ciberseguridad.
- Desarrolladores de IA.
- Arquitectos de sistemas.
- Oficiales de cumplimiento normativo.
- Practicantes de seguridad.
Reseñas (1)
Realmente disfruté aprender sobre los ataques de IA y las herramientas disponibles para comenzar a practicar y utilizarlas activamente en pruebas de seguridad. Adquirí muchos conocimientos que no tenía al inicio, y el curso cumplió con lo que esperaba. Mi parte favorita del entrenamiento fue el navegador Comet, y quedé impresionado por lo que podía hacer. Sin duda seguiré explorándolo más. En general, fue un excelente curso y disfruté aprender sobre los Top 10 de OWASP para GenAI.
Patrick Collins - Optum
Curso - OWASP GenAI Security
Traducción Automática
