Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Продължителност 14 часa
Съдържание и теми, включени в курса
Въведение в ИИ, запазващ поверителността
- Основни принципи на поверителността на данните в мобилните приложения
- Регулаторни двигатели за ИИ на устройството
- Предимства и ограничения на локалната обработка
Разбиране на Nano Banana за поверителност на устройството
- Архитектура на модела Nano Banana
- Свойства за сигурност и локални пътища за изпълнение
- Поддържани платформи и модели за мобилна интеграция
Обработка на данни и техники за локална обработка
- Сигурно събиране и съхранение на чувствителни данни на устройството
- Минимизиране на излагането на данни чрез локално извеждане
- Стратегии за анонимизиране и псевдонимизиране
Внедряване на функции за ИИ, запазващи поверителността
- Създаване на функции, управлявани от ИИ, без предаване на потребителски данни
- Проектиране на работни потоци, готови за здравеопазване, финанси или съответствие
- Осигуряване на изолация на данните между компонентите на приложението
Съображения за сигурност на моделите на устройството
- Защита на моделите от извличане или подправяне
- Сигурно пясъчно изолиране и управление на разрешенията
- Моделиране на заплахи за мобилни ИИ системи
Съответствие и регулаторно съгласуване
- Разбиране на последиците от GDPR, HIPAA и финансовия сектор
- Документиране на подходи за поверителност при проектирането
- Поддържане на възможност за одит без компрометиране на потребителските данни
Тестване и валидиране на гаранциите за поверителност
- Тестване на работни потоци за непреднамерено изтичане на данни
- Оценка на компромисите между точност и поверителност
- Непрекъснато валидиране при актуализации на приложението
Внедряване и поддръжка на ИИ приложения, ориентирани към поверителността
- Управление на актуализациите на моделите на устройството
- Наблюдение на производителността и съответствието във времето
- Бъдеща устойчивост на приложенията спрямо променящите се регулации
Обобщение и следващи стъпки
Изисквания
- Разбиране на мобилна или приложна разработка
- Опит с Python, Kotlin или Swift
- Основна запознатост с концепциите за ИИ или машинно обучение
Аудитория
- Корпоративни екипи
- Служители по съответствието
- Разработчици, изграждащи чувствителни приложения
Отзиви от участници (1)
Поток, атмосфера и тема на презентацията
Lukasz Kowalczyk - Allegro Sp. z o.o.
Курс - Google Gemini AI for Data Analysis
Машинен превод