Vertex AI and Generative AI Security

Vertex AI and Generative AI SecurityVAIGASGOGoogleGO-VAIGAS1.0<ul> <li>Aufbau von Grundkenntnissen über Vertex AI und die damit verbundenen Sicherheitsherausforderungen.</li><li>Implementierung von Massnahmen zur Identitäts- und Zugangskontrolle, um den Zugang zu Vertex AI-Ressourcen zu beschränken.</li><li>Konfigurieren Sie Verschlüsselungsstrategien und schützen Sie sensible Informationen.</li><li>Aktivieren Sie die Protokollierung, Überwachung und Alarmierung für die Echtzeit-Sicherheitsüberwachung von Vertex AI-Operationen.</li><li>Identifizierung und Entschärfung einzigartiger Sicherheitsbedrohungen im Zusammenhang mit generativer KI.</li><li>Anwendung von Testtechniken zur Validierung und Absicherung von generativen KI-Modellantworten.</li><li>Implementierung von Best Practices zur Sicherung von Datenquellen und Antworten in Retrieval-Augmented Generation (RAG)-Systemen.</li><li>Aufbau von Grundkenntnissen über KI-Sicherheit.</li></ul>Grundlegende Kenntnisse des maschinellen Lernens, insbesondere der generativen KI, und Grundkenntnisse der Sicherheit in der Google Cloud.KI-Fachleute, Sicherheitsexperten und Cloud-Architekten<h4>Modul 01 - Einführung in die Sicherheitsprinzipien von Vertex AI</h4> Themen <ul> <li>Google Cloud-Sicherheit</li><li>Vertex AI-Komponenten</li><li>Vertex AI Sicherheitsbedenken</li></ul> Zielsetzungen <ul> <li>Überprüfen Sie die Grundlagen der Google Cloud-Sicherheit.</li><li>Aufbau eines grundlegenden Verständnisses von Vertex AI.</li><li>Aufzählung der Sicherheitsbedenken im Zusammenhang mit den Funktionen und Komponenten von Vertex AI.</li></ul> Aktivitäten <ul> <li>Labor: Vertex AI: Training und Bedienung eines benutzerdefinierten Modells</li></ul> <h4>Modul 02 - Identitäts- und Zugriffsmanagement (IAM) in Vertex AI</h4> Themen <ul> <li>Überblick über IAM in Google Cloud</li></ul> Zielsetzungen <ul> <li>Kontrollieren Sie den Zugriff mit Identity Access Management.</li><li>Vereinfachen Sie Genehmigungen durch Organisationshierarchien und Richtlinien.</li><li>Verwenden Sie Dienstkonten für den am wenigsten privilegierten Zugriff.</li></ul> Aktivitäten <ul> <li>Übung: Dienstkonten und Rollen: Grundlagen</li></ul> <h4>Modul 03 - Datensicherheit und Datenschutz</h4> Themen <ul> <li>Datenverschlüsselung</li><li>Schutz sensibler Daten</li><li>VPC-Dienst-Kontrollen</li><li>Planung der Wiederherstellung im Katastrophenfall</li></ul> Zielsetzungen <ul> <li>Konfigurieren Sie die Verschlüsselung im Ruhezustand und bei der Übermittlung.</li><li>Verschlüsseln Sie Daten mit vom Kunden verwalteten Verschlüsselungscodes.</li><li>Schützen Sie sensible Daten mit dem Data Loss Prevention-Dienst.</li><li>Verhindern Sie die Exfiltration von Daten mit VPC Service Controls.</li><li>Systeme mit Blick auf die Wiederherstellung im Katastrophenfall entwickeln.</li></ul> Aktivitäten <ul> <li>Übung: Erste Schritte mit Cloud KMS</li><li>Übung: Erstellen einer de-identifizierten Kopie von Daten im Cloud-Speicher</li></ul><h4>Modul 04 - Absicherung von Vertex AI-Endpunkten und Modellbereitstellung</h4> Themen <ul> <li>Sicherheit im Netz</li><li>Absicherung von Modellendpunkten</li></ul> Zielsetzungen <ul> <li>ML-Modelle mithilfe von Modell-Endpunkten bereitstellen.</li><li>Sichere Modellendpunkte.</li></ul> Aktivitäten <ul> <li>Übung: Privaten Google-Zugang und Cloud-NAT konfigurieren</li></ul><h4>Modul 05 - Überwachung und Protokollierung in Vertex AI</h4> Themen <ul> <li>Protokollierung</li><li>Überwachung</li></ul> Zielsetzungen <ul> <li>Schreiben Sie in Protokolle und analysieren Sie diese.</li><li>Überwachung und Alarmierung einrichten.</li></ul><h4>Modul 06 - Sicherheitsrisiken bei generativen KI-Anwendungen</h4> Themen <ul> <li>Überblick über die Sicherheitsrisiken der KI</li><li>Überblick über die AI-Sicherheit</li><li>Prompte Sicherheit</li><li>LLM-Garantien</li></ul> Zielsetzungen <ul> <li>Identifizierung von Sicherheitsrisiken, die spezifisch für LLM und KI-Anwendungen sind.</li><li>Methoden zur Entschärfung von Prompt-Hacking- und Injektionsangriffen zu verstehen.</li><li>Erforschen Sie die Grundlagen der Sicherung generativer KI-Modelle und Anwendungen.</li><li>Einführung in die Grundlagen der KI-Sicherheit.</li></ul> Aktivitäten <ul> <li>Labor: Absicherung mit Vertex AI Gemini API</li><li>Labor: Gen AI & LLM Sicherheit für Entwickler</li></ul><h4>Modul 07 - Testen und Bewerten von generativen KI-Modellantworten</h4> Themen <ul> <li>Testen generativer AI-Modellantworten.</li><li>Bewertung der Modellreaktionen.</li><li>Feinabstimmung der LLMs.</li></ul> Zielsetzungen <ul> <li>Umsetzung bewährter Verfahren für das Testen von Modellantworten.</li><li>Anwendung von Techniken zur Verbesserung der Reaktionssicherheit bei KI-Anwendungen</li></ul> Aktivitäten <ul> <li>Labor: Messen Sie die Leistung von Gen AI mit dem Generative AI Evaluation Service</li><li>Labor: Unit Testing generativer KI-Anwendungen</li></ul><h4>Modul 08 - Sicherung von Retrieval-Augmented Generation (RAG)-Systemen</h4> Themen <ul> <li>Grundlagen der Retrieval-Augmented Generation</li><li>Sicherheit in RAG-Systemen</li></ul> Zielsetzungen <ul> <li>Verstehen der RAG-Architektur und der Auswirkungen auf die Sicherheit.</li><li>Umsetzung bewährter Verfahren für die Erdung und Sicherung von Datenquellen in RAG-Systemen.</li></ul> Aktivitäten <ul> <li>Labor: Multimodale Retrieval Augmented Generation (RAG) unter Verwendung der Vertex AI Gemini API</li><li>Übung: Einführung in den Funktionsaufruf mit Gemini</li></ul>Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <a class="fl-href-prod" href="/swisscom/en/course/google-vaigas"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>hier</a>.- Aufbau von Grundkenntnissen über Vertex AI und die damit verbundenen Sicherheitsherausforderungen. - Implementierung von Massnahmen zur Identitäts- und Zugangskontrolle, um den Zugang zu Vertex AI-Ressourcen zu beschränken. - Konfigurieren Sie Verschlüsselungsstrategien und schützen Sie sensible Informationen. - Aktivieren Sie die Protokollierung, Überwachung und Alarmierung für die Echtzeit-Sicherheitsüberwachung von Vertex AI-Operationen. - Identifizierung und Entschärfung einzigartiger Sicherheitsbedrohungen im Zusammenhang mit generativer KI. - Anwendung von Testtechniken zur Validierung und Absicherung von generativen KI-Modellantworten. - Implementierung von Best Practices zur Sicherung von Datenquellen und Antworten in Retrieval-Augmented Generation (RAG)-Systemen. - Aufbau von Grundkenntnissen über KI-Sicherheit.Grundlegende Kenntnisse des maschinellen Lernens, insbesondere der generativen KI, und Grundkenntnisse der Sicherheit in der Google Cloud.KI-Fachleute, Sicherheitsexperten und Cloud-ArchitektenModul 01 - Einführung in die Sicherheitsprinzipien von Vertex AI Themen - Google Cloud-Sicherheit - Vertex AI-Komponenten - Vertex AI Sicherheitsbedenken Zielsetzungen - Überprüfen Sie die Grundlagen der Google Cloud-Sicherheit. - Aufbau eines grundlegenden Verständnisses von Vertex AI. - Aufzählung der Sicherheitsbedenken im Zusammenhang mit den Funktionen und Komponenten von Vertex AI. Aktivitäten - Labor: Vertex AI: Training und Bedienung eines benutzerdefinierten Modells Modul 02 - Identitäts- und Zugriffsmanagement (IAM) in Vertex AI Themen - Überblick über IAM in Google Cloud Zielsetzungen - Kontrollieren Sie den Zugriff mit Identity Access Management. - Vereinfachen Sie Genehmigungen durch Organisationshierarchien und Richtlinien. - Verwenden Sie Dienstkonten für den am wenigsten privilegierten Zugriff. Aktivitäten - Übung: Dienstkonten und Rollen: Grundlagen Modul 03 - Datensicherheit und Datenschutz Themen - Datenverschlüsselung - Schutz sensibler Daten - VPC-Dienst-Kontrollen - Planung der Wiederherstellung im Katastrophenfall Zielsetzungen - Konfigurieren Sie die Verschlüsselung im Ruhezustand und bei der Übermittlung. - Verschlüsseln Sie Daten mit vom Kunden verwalteten Verschlüsselungscodes. - Schützen Sie sensible Daten mit dem Data Loss Prevention-Dienst. - Verhindern Sie die Exfiltration von Daten mit VPC Service Controls. - Systeme mit Blick auf die Wiederherstellung im Katastrophenfall entwickeln. Aktivitäten - Übung: Erste Schritte mit Cloud KMS - Übung: Erstellen einer de-identifizierten Kopie von Daten im Cloud-Speicher Modul 04 - Absicherung von Vertex AI-Endpunkten und Modellbereitstellung Themen - Sicherheit im Netz - Absicherung von Modellendpunkten Zielsetzungen - ML-Modelle mithilfe von Modell-Endpunkten bereitstellen. - Sichere Modellendpunkte. Aktivitäten - Übung: Privaten Google-Zugang und Cloud-NAT konfigurieren Modul 05 - Überwachung und Protokollierung in Vertex AI Themen - Protokollierung - Überwachung Zielsetzungen - Schreiben Sie in Protokolle und analysieren Sie diese. - Überwachung und Alarmierung einrichten. Modul 06 - Sicherheitsrisiken bei generativen KI-Anwendungen Themen - Überblick über die Sicherheitsrisiken der KI - Überblick über die AI-Sicherheit - Prompte Sicherheit - LLM-Garantien Zielsetzungen - Identifizierung von Sicherheitsrisiken, die spezifisch für LLM und KI-Anwendungen sind. - Methoden zur Entschärfung von Prompt-Hacking- und Injektionsangriffen zu verstehen. - Erforschen Sie die Grundlagen der Sicherung generativer KI-Modelle und Anwendungen. - Einführung in die Grundlagen der KI-Sicherheit. Aktivitäten - Labor: Absicherung mit Vertex AI Gemini API - Labor: Gen AI & LLM Sicherheit für Entwickler Modul 07 - Testen und Bewerten von generativen KI-Modellantworten Themen - Testen generativer AI-Modellantworten. - Bewertung der Modellreaktionen. - Feinabstimmung der LLMs. Zielsetzungen - Umsetzung bewährter Verfahren für das Testen von Modellantworten. - Anwendung von Techniken zur Verbesserung der Reaktionssicherheit bei KI-Anwendungen Aktivitäten - Labor: Messen Sie die Leistung von Gen AI mit dem Generative AI Evaluation Service - Labor: Unit Testing generativer KI-Anwendungen Modul 08 - Sicherung von Retrieval-Augmented Generation (RAG)-Systemen Themen - Grundlagen der Retrieval-Augmented Generation - Sicherheit in RAG-Systemen Zielsetzungen - Verstehen der RAG-Architektur und der Auswirkungen auf die Sicherheit. - Umsetzung bewährter Verfahren für die Erdung und Sicherung von Datenquellen in RAG-Systemen. Aktivitäten - Labor: Multimodale Retrieval Augmented Generation (RAG) unter Verwendung der Vertex AI Gemini API - Übung: Einführung in den Funktionsaufruf mit GeminiDieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.2 Tage1495.002065.001500.001320.001500.001500.001500.001550.001300.001500.00