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.
Съдържание и теми, включени в курса
Въведение в ИИ, запазващ поверителността
- Основни принципи на поверителността на данните в мобилните приложения
- Регулаторни стимули за ИИ на устройство
- Предимства и ограничения на локалната обработка
Разбиране на Nano Banana за поверителност на устройство
- Архитектура на модела Nano Banana
- Свойства за сигурност и пътища за локално изпълнение
- Поддържани платформи и модели за мобилна интеграция
Техники за обработка на данни и локална обработка
- Сигурно събиране и съхранение на чувствителни данни на устройството
- Минимизиране на излагането на данни чрез локално извеждане
- Стратегии за анонимизация и псевдонимизация
Внедряване на функции на ИИ, запазващи поверителността
- Създаване на функции, задвижвани от ИИ, без предаване на потребителски данни
- Проектиране на работни потоци, готови за здравеопазване, финанси или съответствие с регулации
- Осигуряване на изолация на данните между компонентите на приложението
Съображения за сигурност за модели на устройство
- Защита на модели от извличане или подправяне
- Сигурно пясъчно изпълнение и управление на разрешенията
- Моделиране на заплахи за мобилни ИИ системи
Съответствие и регулаторно подравняване
- Разбиране на последиците от GDPR, HIPAA и тези за финансовия сектор
- Документиране на подходи за поверителност по проект
- 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
- Оценяване на компромисите между точност и поверителност
- Непрекъснато валидиране при актуализации на приложението
Внедряване и поддръжка на ИИ приложения, фокусирани върху поверителността
- Управление на актуализациите на модели на устройство
- Наблюдение на производителността и съответствието с времето
- Осигуряване на бъдеща съвместимост на приложенията спрямо развиващите се регулации
Обобщение и следващи стъпки
Изисквания
- Разбиране на разработката на мобилни или други приложения
- Опит с Python, Kotlin или Swift
- Основна запознатост с концепциите за ИИ или машинно обучение
Аудитория
- Корпоративни екипи
- Служители по съответствие
- Разработчици, изграждащи чувствителни приложения
14 Часа
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