Curso de Introdução ao Gerenciamento de Confiança, Risco e Segurança de IA (AI TRiSM)

Esta formação ao vivo, ministrada por instrutor em Brasil (online ou presencial), é voltada para líderes empresariais de nível intermediário que desejam entender como governar e proteger sistemas de IA de forma responsável e em conformidade com estruturas globais emergentes, como a Lei da IA da UE, o GDPR, a ISO/IEC 42001 e a Ordem Executiva dos EUA sobre IA.

Ao final desta formação, os participantes serão capazes de:

• Compreender os riscos legais, éticos e regulatórios do uso de IA em diferentes departamentos.
• Interpretar e aplicar as principais estruturas de governança de IA (Lei da IA da UE, NIST AI RMF, ISO/IEC 42001).
• Estabelecer políticas de segurança, auditoria e supervisão para a implantação de IA na empresa.
• Desenvolver diretrizes de aquisição e uso para sistemas de IA de terceiros e internos.

Este curso oferece uma introdução prática à segurança de aplicações modernas impulsionadas por IA, APIs, copilotos e agentes autônomos. Os participantes aprendem como a segurança de IA difere da segurança web tradicional, exploram ameaças comuns específicas de IA, como injeção de prompt, envenenamento de RAG e abuso de agentes, e entendem como proteger sistemas de IA usando defesas em camadas, incluindo WAFs, gateways de IA, segurança de API e guardrails. Através de laboratórios práticos e exemplos do mundo real, os alunos adquirem as habilidades para identificar padrões de ataque de IA, garantir aplicativos baseados em LLM e implantar defensões de runtime eficazes para ambientes de produção.

Esta formação orientada por instrutor, ao vivo em Brasil (online ou presencial), destina-se a desenvolvedores de IA, arquitetos e gerentes de produto de nível intermediário a avançado que desejam identificar e mitigar riscos associados a aplicações alimentadas por LLM, incluindo injeção de prompts, vazamento de dados e saídas não filtradas, incorporando controles de segurança como validação de entrada, supervisão com intervenção humana e limites de saída.

Ao final desta formação, os participantes serão capazes de:

• Compreender as vulnerabilidades centrais dos sistemas baseados em LLM.
• Aplicar princípios de design seguro à arquitetura de aplicações de LLM.
• Utilizar ferramentas como Guardrails AI e LangChain para validação, filtragem e segurança.
• Integrar técnicas como sandboxing, testes de invasão (red teaming) e revisão com intervenção humana em pipelines de nível de produção.

Este curso ensina desenvolvedores de software a construir aplicações potenciadas por IA com segurança desde a concepção. Os participantes aprendem a proteger chatbots, copilots, pipelines de RAG e agentes de IA contra ameaças específicas da IA, como injeção de prompt, envenenamento de dados, abuso de ferramentas, vazamento de segredos e saída de modelo insegura. O curso aborda design seguro de prompts, segurança do RAG, acesso de privilégio mínimo, guardrails e testes de red-teaming, ajudando os desenvolvedores a criar recursos de IA que sejam seguros, confiáveis e resilientes em ambientes do mundo real.

Este treinamento ao vivo, com instrutor, em Brasil (online ou presencial), direciona-se a profissionais de IA e cibersegurança de nível intermediário que desejam compreender e tratar das vulnerabilidades de segurança específicas de modelos e sistemas de IA, especialmente em indústrias altamente regulamentadas, como finanças, governança de dados e consultoria.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os tipos de ataques adversariais dirigidos a sistemas de IA e métodos para se defender contra eles.
• Implementar técnicas de endurecimento de modelos para proteger pipelines de aprendizado de máquina.
• Garantir a segurança e integridade dos dados em modelos de machine learning.
• Navegar pelos requisitos de conformidade regulatória relacionados à segurança da IA.

Esta formação ao vivo, ministrada por instrutor em Brasil (online ou presencial), é direcionada a engenheiros de segurança e oficiais de conformidade que desejam endurecer as implantações do EXO, controlar o acesso aos modelos e governar as cargas de trabalho de IA executadas inteiramente no ambiente corporativo.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), destina-se a profissionais iniciantes de TI voltados para segurança, riscos e conformidade que desejam compreender os conceitos fundamentais da segurança de IA, vetores de ameaça e estruturas globais, como o NIST AI RMF e a norma ISO/IEC 42001.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os riscos de segurança exclusivos introduzidos pelos sistemas de IA.
• Identificar vetores de ameaça, como ataques adversariais, envenenamento de dados e inversão de modelos.
• Aplicar modelos fundamentais de governança, como o Framework de Gerenciamento de Riscos de IA do NIST.
• Alinhar o uso da IA com padrões emergentes, diretrizes de conformidade e princípios éticos.

Este treinamento ao vivo ministrado por instrutor em Brasil (online ou presencial) é voltado para engenheiros de segurança e ML que precisam identificar, testar e defender-se contra ataques a modelos de ML e aplicações alimentadas por LLM.

Com base nas orientações mais recentes do Projeto OWASP GenAI Security, os participantes aprenderão a identificar, avaliar e mitigar ameaças específicas da IA por meio de exercícios práticos e cenários do mundo real.

Este treinamento ao vivo, ministrado por instrutores em Brasil (online ou presencial), destina-se a profissionais de nível avançado que desejam implementar e avaliar técnicas como aprendizado federado, computação segura multiparte, criptografia homomórfica e privacidade diferencial em pipelines reais de aprendizado de máquina.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender e comparar as principais técnicas de preservação da privacidade no ML.
• Implementar sistemas de aprendizado federado utilizando frameworks de código aberto.
• Aplicar a privacidade diferencial para compartilhamento seguro de dados e treinamento de modelos.
• Utilizar técnicas de criptografia e computação segura para proteger as entradas e saídas dos modelos.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), destina-se a profissionais de segurança de nível avançado e especialistas em ML que desejam simular ataques contra sistemas de IA, identificar vulnerabilidades e aprimorar a robustez dos modelos de IA implantados.

Ao final deste treinamento, os participantes serão capazes de:

• Simular ameaças do mundo real a modelos de aprendizado de máquina.
• Gerar exemplos adversariais para testar a robustez dos modelos.
• Avaliar a superfície de ataque de APIs e pipelines de IA.
• Projetar estratégias de red teaming para ambientes de implantação de IA.

Este treinamento ao vivo, ministrado por instrutor, em Brasil (online ou presencial), é direcionado a engenheiros e profissionais de segurança de nível intermediário que desejam proteger modelos de IA implantados na borda contra ameaças como adulteração, vazamento de dados, entradas adversariais e ataques físicos.

Ao final deste treinamento, os participantes serão capazes de:

• Identificar e avaliar riscos de segurança em implantações de IA na borda.
• Aplicar técnicas de resistência a adulteração e inferência criptografada.
• Endurecer modelos implantados na borda e garantir a segurança dos pipelines de dados.
• Implementar estratégias de mitigação de ameaças específicas para sistemas embarcados e restritos.

Este treinamento ao vivo, ministrado por instrutor em Brasil (online ou presencial), é voltado para profissionais de aprendizado de máquina e segurança cibernética de nível intermediário que desejam compreender e mitigar as ameaças emergentes contra modelos de IA, utilizando tanto frameworks conceituais quanto defesas práticas, como treinamento robusto e privacidade diferencial.

Ao final deste treinamento, os participantes serão capazes de:

• Identificar e classificar ameaças específicas da IA, como ataques adversários, inversão e envenenamento.
• Utilizar ferramentas como a Adversarial Robustness Toolbox (ART) para simular ataques e testar modelos.
• Aplicar defesas práticas, incluindo treinamento adversário, injeção de ruído e técnicas que preservam a privacidade.
• Estrategiar a avaliação de modelos cientes de ameaças em ambientes de produção.