Cybersecurity in AI Systems Training Course

Αυτή η εκπαίδευση με διδάσκοντα (online ή σε υπόθεση) στο Ελλάδα προσβλέπει σε επίπεδο μεσαίων εταιρειακών ηγετών που θέλουν να καταλάβουν πώς να διαχειρίζονται και να ασφαλίζονται τα συστήματα AI υπεύθυνα και με βάση τους εκδηλώμενους παγκόσμιους πλαίσια, όπως η EU AI Act, GDPR, ISO/IEC 42001 και το U.S. Executive Order on AI.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν τους νομικούς, εθικούς και ρυθμιστικούς κινδύνους της χρήσης AI σε διάφορα τμήματα.
• Ερμηνεύσουν και εφαρμόσουν τα βασικά πλαίσια διαχείρισης AI (EU AI Act, NIST AI RMF, ISO/IEC 42001).
• Εγκαθιδρύσουν αποφάσεις ασφαλείας, ελέγχων και υπευθυνότητας για τη διάθεση AI στην εταιρεία.
• Αναπτύξουν οδηγίες αγοράς και χρήσης για τρίτους πληθυσμούς και εσωτερικά συστήματα AI.

Artificial Intelligence (AI) introduces new dimensions of operational risk, governance challenges, and cybersecurity exposure for government agencies and departments.

This instructor-led, live training (online or onsite) is aimed at public sector IT and risk professionals with limited prior experience in AI who wish to understand how to evaluate, monitor, and secure AI systems within a government or regulatory context.

By the end of this training, participants will be able to:

• Interpret key risk concepts related to AI systems, including bias, unpredictability, and model drift.
• Apply AI-specific governance and auditing frameworks such as NIST AI RMF and ISO/IEC 42001.
• Recognize cybersecurity threats targeting AI models and data pipelines.
• Establish cross-departmental risk management plans and policy alignment for AI deployment.

Format of the Course

• Interactive lecture and discussion of public sector use cases.
• AI governance framework exercises and policy mapping.
• Scenario-based threat modeling and risk evaluation.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες πληροφορικής από αρχάριους έως μεσαίου επιπέδου που επιθυμούν να κατανοήσουν και να εφαρμόσουν το AI TRiSM στους οργανισμούς τους.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Καταλάβετε τις βασικές έννοιες και τη σημασία της διαχείρισης εμπιστοσύνης, κινδύνου και ασφάλειας AI.
• Προσδιορίστε και μετριάστε τους κινδύνους που σχετίζονται με συστήματα τεχνητής νοημοσύνης.
• Εφαρμογή βέλτιστων πρακτικών ασφαλείας για AI.
• Κατανοήστε τη συμμόρφωση με τους κανονισμούς και τους ηθικούς λόγους για την τεχνητή νοημοσύνη.
• Αναπτύξτε στρατηγικές για αποτελεσματική διακυβέρνηση και διαχείριση AI.

Αυτή η εκπαίδευση με διδάσκοντα (online ή σε υπόθεση) στο Ελλάδα προσβλέπει σε αναπτυξιακούς και εμπειρογνώμονες αναπτυκτές AI, αρχιτέκτονες και διευθυντές προϊόντων που θέλουν να αναγνωρίσουν και να ελαττώσουν τους κινδύνους σχετικά με τις εφαρμογές που χρησιμοποιούν LLM, συμπεριλαμβανομένων των εισαγωγών προκατάθεσης, των απορρήτων δεδομένων και των άνευ φίλτρου αποτελεσμάτων, ενώ περιλαμβάνουν στοιχεία ασφαλείας όπως τη διεξοδική επαλήθευση εισόδου, την έρευνα με ανθρώπινη παρέμβαση και τα περίορισμα στην έξodo.

Στο τέλος αυτής της εκπαίδευσης, οι μετόχοι θα μπορούν να:

• Καταλάβουν τις βασικές αδυναμίες των συστημάτων βασισμένων σε LLM.
• Εφαρμόζουν αξιώματα ασφαλούς σχεδιασμού στην αρχιτεκτονική των εφαρμογών LLM.
• Χρησιμοποιούν εργαλεία όπως Guardrails AI και LangChain για επαλήθευση, φίλτρο και ασφάλεια.
• Ενσωματώνουν τεχνικές όπως sandboxing, red teaming και αξιολόγηση με ανθρώπινη παρέμβαση σε παραγωγικά παρατηρητήρια.

This instructor-led, live training in Ελλάδα (online or onsite) is aimed at beginner-level IT security, risk, and compliance professionals who wish to understand foundational AI security concepts, threat vectors, and global frameworks such as NIST AI RMF and ISO/IEC 42001.

By the end of this training, participants will be able to:

• Understand the unique security risks introduced by AI systems.
• Identify threat vectors such as adversarial attacks, data poisoning, and model inversion.
• Apply foundational governance models like the NIST AI Risk Management Framework.
• Align AI use with emerging standards, compliance guidelines, and ethical principles.

This instructor-led, live training in Ελλάδα (online or onsite) is aimed at advanced-level professionals who wish to implement and evaluate techniques such as federated learning, secure multiparty computation, homomorphic encryption, and differential privacy in real-world machine learning pipelines.

By the end of this training, participants will be able to:

• Understand and compare key privacy-preserving techniques in ML.
• Implement federated learning systems using open-source frameworks.
• Apply differential privacy for safe data sharing and model training.
• Use encryption and secure computation techniques to protect model inputs and outputs.

This instructor-led, live training in Ελλάδα (online or onsite) is aimed at advanced-level security professionals and ML specialists who wish to simulate attacks on AI systems, uncover vulnerabilities, and enhance the robustness of deployed AI models.

By the end of this training, participants will be able to:

• Simulate real-world threats to machine learning models.
• Generate adversarial examples to test model robustness.
• Assess the attack surface of AI APIs and pipelines.
• Design red teaming strategies for AI deployment environments.

This instructor-led, live training in Ελλάδα (online or onsite) is aimed at intermediate-level engineers and security professionals who wish to secure AI models deployed at the edge against threats such as tampering, data leakage, adversarial inputs, and physical attacks.

By the end of this training, participants will be able to:

• Identify and assess security risks in edge AI deployments.
• Apply tamper resistance and encrypted inference techniques.
• Harden edge-deployed models and secure data pipelines.
• Implement threat mitigation strategies specific to embedded and constrained systems.

Αυτή η εκπαίδευση με οδηγό (online ή σε υποψήφια περιοχή) στο Ελλάδα είναι στοχεύουσα για επαγγελματίες μεσαίας επιπέδου στη μηχανική μάθηση και την κυβερνοσφαιρική ασφάλεια που θέλουν να καταλάβουν και να ελαττώσουν τις προηγούμενες απειλές σε AI μοντέλα, χρησιμοποιώντας και θεωρητικά πλαίσια και εφαρμόσιμες αμυντικές μέθοδες όπως την ισχυρή εκπαίδευση και τη διαφορική ιδιωτικότητα.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Αναγνωρίζουν και κλάσσικα AI-συγκεκριμένες απειλές όπως εχθρικοί προσβάστες, αντιστροφή και τοξευτικό.
• Χρησιμοποιούν εργαλεία όπως το Adversarial Robustness Toolbox (ART) για να προσομοιάζουν επιθέσεις και να δοκιμάζουν μοντέλα.
• Εφαρμόζουν πρακτικές άμυνες όπως την εχθρική εκπαίδευση, την εισαγωγή θολώσης και τεχνικές που διατηρούν την ιδιωτικότητα.
• Σχεδιάζουν στρατηγικές αξιολόγησης μοντέλων που είναι ευαισθητικές στις απειλές σε περιβάλλοντα παραγωγής.