Vertex AI and Generative AI SecurityVAIGASGOGoogleGO-VAIGAS1.0<p>A l'issue de la formation, vous devrez être en mesure de :
</p>
<ul>
<li>Avoir des connaissances de base sur Vertex AI et ses enjeux de sécurité.</li><li>Mettre en œuvre des mesures de contrôle d’identité et d’accès pour restreindre l’accès aux ressources Vertex AI.</li><li>Configurer des stratégies de chiffrement et protéger les informations sensibles.</li><li>Activer la journalisation, la supervision et les alertes pour une surveillance en temps réel des opérations Vertex AI.</li><li>Identifier et atténuer les menaces de sécurité spécifiques à l’IA générative.</li><li>Appliquer des techniques de test pour valider et sécuriser les réponses des modèles d’IA générative.</li><li>Mettre en œuvre les bonnes pratiques pour sécuriser les sources de données et les réponses dans les systèmes RAG (Retrieval-Augmented Generation).</li><li>Avoir des connaissances fondamentales sur la sécurité de l’IA.</li></ul><p>Connaissances fondamentales en apprentissage automatique, en particulier en IA générative, et compréhension de base de la sécurité sur Google Cloud.</p><p>Praticiens de l’IA, professionnels de la sécurité et architectes cloud</p><h4>Module 01 - Introduction aux principes de sécurité de Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Sécurité sur Google Cloud</li><li>Composants de Vertex AI</li><li>Enjeux de sécurité de Vertex AI</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Vertex AI : Entraînement et déploiement d’un modèle personnalisé</li></ul><h4>Module 02 - Gestion des identités et des accès (IAM) dans Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Présentation d’IAM dans Google Cloud</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Comptes de service et rôles : fondamentaux</li></ul><h4>Module 03 - Sécurité des données et confidentialité</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Chiffrement des données</li><li>Protection des données sensibles</li><li>Contrôles de service VPC</li><li>Planification de la reprise après sinistre</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Premiers pas avec Cloud KMS</li><li>Lab : Création d’une copie désidentifiée de données dans Cloud Storage</li></ul><h4>Module 04 - Sécurisation des points de terminaison Vertex AI et déploiement de modèles</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Sécurité réseau</li><li>Sécurisation des points de terminaison des modèles</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Configuration de l’accès privé à Google et de Cloud NAT</li></ul><h4>Module 05 - Supervision et journalisation dans Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Journalisation</li><li>Supervision</li></ul><h4>Module 06 - Risques de sécurité dans les applications d’IA générative</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Aperçu des risques de sécurité liés à l’IA générative</li><li>Aperçu de la sécurité de l’IA</li><li>Sécurité des invites</li><li>Mécanismes de protection des LLM</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Sécurisation avec l’API Vertex AI Gemini</li><li>Lab : Sécurité Gen AI & LLM pour les développeurs</li></ul><h4>Module 07 - Test et évaluation des réponses de modèles d’IA générative</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Test des réponses des modèles d’IA générative</li><li>Évaluation des réponses</li><li>Ajustement fin des LLM</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Mesurer les performances Gen AI avec le service d’évaluation de l’IA générative</li><li>Lab : Tests unitaires d’applications d’IA générative</li></ul><h4>Module 08 - Sécurisation des systèmes RAG (Retrieval-Augmented Generation)</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Principes de base de la génération augmentée par récupération</li><li>Sécurité dans les systèmes RAG</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : RAG multimodal avec l’API Vertex AI Gemini</li><li>Lab : Introduction à l’appel de fonctions avec Gemini</li></ul><h4>Module 01 - Introduction aux principes de sécurité de Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Sécurité sur Google Cloud</li><li>Composants de Vertex AI</li><li>Enjeux de sécurité de Vertex AI</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Revoir les fondamentaux de la sécurité sur Google Cloud.</li><li>Acquérir une compréhension de base de Vertex AI.</li><li>Énumérer les préoccupations de sécurité liées aux fonctionnalités et composants de Vertex AI.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Vertex AI : Entraînement et déploiement d’un modèle personnalisé</li></ul><h4>Module 02 - Gestion des identités et des accès (IAM) dans Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Présentation d’IAM dans Google Cloud</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Contrôler l’accès avec la gestion des identités et des accès.</li><li>Simplifier les autorisations à l’aide des hiérarchies et politiques d’organisation.</li><li>Utiliser des comptes de service pour un accès avec privilèges minimaux.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Comptes de service et rôles : fondamentaux</li></ul><h4>Module 03 - Sécurité des données et confidentialité</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Chiffrement des données</li><li>Protection des données sensibles</li><li>Contrôles de service VPC</li><li>Planification de la reprise après sinistre</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Configurer le chiffrement au repos et en transit.</li><li>Chiffrer les données avec des clés de chiffrement gérées par le client.</li><li>Protéger les données sensibles à l’aide du service de prévention des pertes de données (DLP).</li><li>Empêcher l’exfiltration de données à l’aide des contrôles de service VPC.</li><li>Concevoir des systèmes tenant compte de la reprise après sinistre.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Premiers pas avec Cloud KMS</li><li>Lab : Création d’une copie désidentifiée de données dans Cloud Storage</li></ul><h4>Module 04 - Sécurisation des points de terminaison Vertex AI et déploiement de modèles</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Sécurité réseau</li><li>Sécurisation des points de terminaison des modèles</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Déployer des modèles ML à l’aide des points de terminaison.</li><li>Sécuriser les points de terminaison des modèles.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Configuration de l’accès privé à Google et de Cloud NAT</li></ul><h4>Module 05 - Supervision et journalisation dans Vertex AI</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Journalisation</li><li>Supervision</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Écrire dans les journaux et les analyser.</li><li>Mettre en place la supervision et les alertes.</li></ul><h4>Module 06 - Risques de sécurité dans les applications d’IA générative</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Aperçu des risques de sécurité liés à l’IA générative</li><li>Aperçu de la sécurité de l’IA</li><li>Sécurité des invites</li><li>Mécanismes de protection des LLM</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Identifier les risques de sécurité spécifiques aux LLM et aux applications d’IA générative.</li><li>Comprendre les méthodes pour atténuer le piratage des invites et les attaques par injection.</li><li>Explorer les bases de la sécurisation des modèles et applications d’IA générative.</li><li>Introduire les fondamentaux de la sécurité de l’IA.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Sécurisation avec l’API Vertex AI Gemini</li><li>Lab : Sécurité Gen AI & LLM pour les développeurs</li></ul><h4>Module 07 - Test et évaluation des réponses de modèles d’IA générative</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Test des réponses des modèles d’IA générative</li><li>Évaluation des réponses</li><li>Ajustement fin des LLM</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Mettre en œuvre les bonnes pratiques pour tester les réponses des modèles.</li><li>Appliquer des techniques pour améliorer la sécurité des réponses dans les applications d’IA générative.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : Mesurer les performances Gen AI avec le service d’évaluation de l’IA générative</li><li>Lab : Tests unitaires d’applications d’IA générative</li></ul><h4>Module 08 - Sécurisation des systèmes RAG (Retrieval-Augmented Generation)</h4><p>
<strong>Sujets</strong>
</p>
<ul>
<li>Principes de base de la génération augmentée par récupération</li><li>Sécurité dans les systèmes RAG</li></ul><p>
<strong>Objectifs</strong>
</p>
<ul>
<li>Comprendre l’architecture RAG et ses implications en matière de sécurité.</li><li>Mettre en œuvre les bonnes pratiques pour l’ancrage et la sécurisation des sources de données dans les systèmes RAG.</li></ul><p>
<strong>Activités</strong>
</p>
<ul>
<li>Lab : RAG multimodal avec l’API Vertex AI Gemini</li><li>Lab : Introduction à l’appel de fonctions avec Gemini</li></ul>A l'issue de la formation, vous devrez être en mesure de :
- Avoir des connaissances de base sur Vertex AI et ses enjeux de sécurité.
- Mettre en œuvre des mesures de contrôle d’identité et d’accès pour restreindre l’accès aux ressources Vertex AI.
- Configurer des stratégies de chiffrement et protéger les informations sensibles.
- Activer la journalisation, la supervision et les alertes pour une surveillance en temps réel des opérations Vertex AI.
- Identifier et atténuer les menaces de sécurité spécifiques à l’IA générative.
- Appliquer des techniques de test pour valider et sécuriser les réponses des modèles d’IA générative.
- Mettre en œuvre les bonnes pratiques pour sécuriser les sources de données et les réponses dans les systèmes RAG (Retrieval-Augmented Generation).
- Avoir des connaissances fondamentales sur la sécurité de l’IA.Connaissances fondamentales en apprentissage automatique, en particulier en IA générative, et compréhension de base de la sécurité sur Google Cloud.Praticiens de l’IA, professionnels de la sécurité et architectes cloudModule 01 - Introduction aux principes de sécurité de Vertex AI
Sujets
- Sécurité sur Google Cloud
- Composants de Vertex AI
- Enjeux de sécurité de Vertex AI
Activités
- Lab : Vertex AI : Entraînement et déploiement d’un modèle personnalisé
Module 02 - Gestion des identités et des accès (IAM) dans Vertex AI
Sujets
- Présentation d’IAM dans Google Cloud
Activités
- Lab : Comptes de service et rôles : fondamentaux
Module 03 - Sécurité des données et confidentialité
Sujets
- Chiffrement des données
- Protection des données sensibles
- Contrôles de service VPC
- Planification de la reprise après sinistre
Activités
- Lab : Premiers pas avec Cloud KMS
- Lab : Création d’une copie désidentifiée de données dans Cloud Storage
Module 04 - Sécurisation des points de terminaison Vertex AI et déploiement de modèles
Sujets
- Sécurité réseau
- Sécurisation des points de terminaison des modèles
Activités
- Lab : Configuration de l’accès privé à Google et de Cloud NAT
Module 05 - Supervision et journalisation dans Vertex AI
Sujets
- Journalisation
- Supervision
Module 06 - Risques de sécurité dans les applications d’IA générative
Sujets
- Aperçu des risques de sécurité liés à l’IA générative
- Aperçu de la sécurité de l’IA
- Sécurité des invites
- Mécanismes de protection des LLM
Activités
- Lab : Sécurisation avec l’API Vertex AI Gemini
- Lab : Sécurité Gen AI & LLM pour les développeurs
Module 07 - Test et évaluation des réponses de modèles d’IA générative
Sujets
- Test des réponses des modèles d’IA générative
- Évaluation des réponses
- Ajustement fin des LLM
Activités
- Lab : Mesurer les performances Gen AI avec le service d’évaluation de l’IA générative
- Lab : Tests unitaires d’applications d’IA générative
Module 08 - Sécurisation des systèmes RAG (Retrieval-Augmented Generation)
Sujets
- Principes de base de la génération augmentée par récupération
- Sécurité dans les systèmes RAG
Activités
- Lab : RAG multimodal avec l’API Vertex AI Gemini
- Lab : Introduction à l’appel de fonctions avec GeminiModule 01 - Introduction aux principes de sécurité de Vertex AI
Sujets
- Sécurité sur Google Cloud
- Composants de Vertex AI
- Enjeux de sécurité de Vertex AI
Objectifs
- Revoir les fondamentaux de la sécurité sur Google Cloud.
- Acquérir une compréhension de base de Vertex AI.
- Énumérer les préoccupations de sécurité liées aux fonctionnalités et composants de Vertex AI.
Activités
- Lab : Vertex AI : Entraînement et déploiement d’un modèle personnalisé
Module 02 - Gestion des identités et des accès (IAM) dans Vertex AI
Sujets
- Présentation d’IAM dans Google Cloud
Objectifs
- Contrôler l’accès avec la gestion des identités et des accès.
- Simplifier les autorisations à l’aide des hiérarchies et politiques d’organisation.
- Utiliser des comptes de service pour un accès avec privilèges minimaux.
Activités
- Lab : Comptes de service et rôles : fondamentaux
Module 03 - Sécurité des données et confidentialité
Sujets
- Chiffrement des données
- Protection des données sensibles
- Contrôles de service VPC
- Planification de la reprise après sinistre
Objectifs
- Configurer le chiffrement au repos et en transit.
- Chiffrer les données avec des clés de chiffrement gérées par le client.
- Protéger les données sensibles à l’aide du service de prévention des pertes de données (DLP).
- Empêcher l’exfiltration de données à l’aide des contrôles de service VPC.
- Concevoir des systèmes tenant compte de la reprise après sinistre.
Activités
- Lab : Premiers pas avec Cloud KMS
- Lab : Création d’une copie désidentifiée de données dans Cloud Storage
Module 04 - Sécurisation des points de terminaison Vertex AI et déploiement de modèles
Sujets
- Sécurité réseau
- Sécurisation des points de terminaison des modèles
Objectifs
- Déployer des modèles ML à l’aide des points de terminaison.
- Sécuriser les points de terminaison des modèles.
Activités
- Lab : Configuration de l’accès privé à Google et de Cloud NAT
Module 05 - Supervision et journalisation dans Vertex AI
Sujets
- Journalisation
- Supervision
Objectifs
- Écrire dans les journaux et les analyser.
- Mettre en place la supervision et les alertes.
Module 06 - Risques de sécurité dans les applications d’IA générative
Sujets
- Aperçu des risques de sécurité liés à l’IA générative
- Aperçu de la sécurité de l’IA
- Sécurité des invites
- Mécanismes de protection des LLM
Objectifs
- Identifier les risques de sécurité spécifiques aux LLM et aux applications d’IA générative.
- Comprendre les méthodes pour atténuer le piratage des invites et les attaques par injection.
- Explorer les bases de la sécurisation des modèles et applications d’IA générative.
- Introduire les fondamentaux de la sécurité de l’IA.
Activités
- Lab : Sécurisation avec l’API Vertex AI Gemini
- Lab : Sécurité Gen AI & LLM pour les développeurs
Module 07 - Test et évaluation des réponses de modèles d’IA générative
Sujets
- Test des réponses des modèles d’IA générative
- Évaluation des réponses
- Ajustement fin des LLM
Objectifs
- Mettre en œuvre les bonnes pratiques pour tester les réponses des modèles.
- Appliquer des techniques pour améliorer la sécurité des réponses dans les applications d’IA générative.
Activités
- Lab : Mesurer les performances Gen AI avec le service d’évaluation de l’IA générative
- Lab : Tests unitaires d’applications d’IA générative
Module 08 - Sécurisation des systèmes RAG (Retrieval-Augmented Generation)
Sujets
- Principes de base de la génération augmentée par récupération
- Sécurité dans les systèmes RAG
Objectifs
- Comprendre l’architecture RAG et ses implications en matière de sécurité.
- Mettre en œuvre les bonnes pratiques pour l’ancrage et la sécurisation des sources de données dans les systèmes RAG.
Activités
- Lab : RAG multimodal avec l’API Vertex AI Gemini
- Lab : Introduction à l’appel de fonctions avec Gemini2 jours1495.002065.001500.001320.001500.001500.001500.001550.001300.001500.00