Certified AI Security Professional Turkmenistan Eğitimi

Bu Eğitim Size Ne Kazandırır?

• Yapay zekâ sistemlerini geliştirme, dağıtım ve işletim süreçleri boyunca karşılaşabilecekleri siber güvenlik tehditlerine karşı korumayı öğrenebilirsiniz.

• Makine öğrenimi, derin öğrenme, büyük dil modelleri (LLM) ve AI ajanlarının mimarilerini ve güvenlik gereksinimlerini anlayabilirsiniz.

• Prompt Injection, Jailbreaking, Data Poisoning ve Model Extraction gibi yapay zekâya özgü saldırı tekniklerini tanıyabilirsiniz.

• MITRE ATLAS ve OWASP LLM Top 10 çerçevelerini kullanarak AI tehditlerini ve saldırı yollarını değerlendirebilirsiniz.

• AI Red Teaming, güvenlik testleri, izleme ve olay müdahalesi süreçlerinin nasıl yürütüldüğünü öğrenebilirsiniz.

• Güvenli LLM uygulamaları, RAG mimarileri, AI ajan izinleri ve tedarik zinciri güvenliği için koruma yaklaşımlarını keşfedebilirsiniz.

• PECB Certified Artificial Intelligence Security Professional sertifikasyon sınavına yönelik bilgi ve hazırlık kazanabilirsiniz.

Certified AI Security Professional (CAISP) Eğitimi, yapay zekâ sistemlerinin yaşam döngüsü boyunca güvenliğini sağlamak isteyen siber güvenlik ve yapay zekâ profesyonelleri için tasarlanmış 4 günlük bir eğitim programıdır.

Yapay zekâ çözümleri, geleneksel yazılım sistemlerinden farklı güvenlik riskleri barındırır. Model eğitimi, veri işleme hatları, çıkarım (Inference) servisleri, büyük dil modelleri, harici araç bağlantıları ve otonom ajanlar, korunması gereken yeni varlıklar ve saldırı yüzeyleri oluşturur.

Bu eğitim, makine öğrenimi (Machine Learning), derin öğrenme (Deep Learning), büyük dil modelleri (LLM) ve AI ajanlarının nasıl tasarlandığını, geliştirildiğini, dağıtıldığını, saldırıya uğrayabildiğini ve savunulabildiğini ele alır.

Katılımcılar, yapay zekâ sistemlerine yönelik tehdit aktörlerini, saldırı hedeflerini, güven sınırlarını ve güvenlik kontrollerini inceler. MITRE ATLAS ve OWASP LLM Top 10 gibi çerçeveler aracılığıyla AI tehditlerinin nasıl sınıflandırılabileceğini ve değerlendirilebileceğini öğrenir.

Programın teknik bölümlerinde Prompt Injection, Jailbreaking, veri zehirleme, model çıkarma, hassas bilgi ifşası, güvenli olmayan çıktı işleme ve AI araçlarının kötüye kullanılması gibi saldırı teknikleri açıklanır.

Savunma odaklı bölümlerde ise güvenli AI mimarisi, derinlemesine savunma (Defence-in-Depth), erişim kontrolleri, Guardrails, güvenli RAG, ajan yetkilendirmesi ve insan denetimi üzerinde durulur.

Eğitim ayrıca AI tedarik zinciri güvenliği, güvenlik testleri, AI Red Teaming, güvenlik izleme, SIEM entegrasyonu, olay müdahalesi ve AI destekli siber savunma konularını kapsar.

Son bölümlerde katılımcılar, AI güvenlik yönetişimi, risk değerlendirmesi ve kurumsal AI güvenlik programı oluşturma yaklaşımlarını öğrenir.

Uygulamalı çalışmalar, laboratuvarlar, bilgi kontrolleri ve kısa değerlendirmeler, teknik konuların pekiştirilmesini ve katılımcıların PECB Certified Artificial Intelligence Security Professional sınavına hazırlanmasını destekler.

Sınav ve Değerlendirme

Eğitimin ardından katılımcılar, PECB tarafından gerçekleştirilen resmî Certified Artificial Intelligence Security Professional sertifikasyon sınavına girer.

Bu eğitime katılacak kişilerin aşağıdaki bilgi ve deneyimlere sahip olması beklenir:

• Temel siber güvenlik ve bilgi güvenliği kavramları hakkında sağlam bir bilgi birikimi

• Tehdit modelleme, kimlik ve erişim kontrolü, olay müdahalesi, güvenlik izleme ve genel güvenlik mimarisi konularında bilgi veya deneyim sahibi olunması önerilir

• Yapay zekâ ve makine öğreniminin temel kavramları, model eğitimi, veri işleme hatları ve API tabanlı AI servisleri hakkında temel anlayış

Bu eğitim, yapay zekâ çözümlerinin güvenliğinden sorumlu olan veya AI güvenliği alanında uzmanlaşmak isteyen profesyonellere yöneliktir.

• Siber güvenlik ve bilgi güvenliği uzmanları

• Yapay zekâ ve makine öğrenimi mühendisleri

• AI güvenlik mühendisleri

• Güvenlik mimarları ve danışmanları

• SOC analistleri ve olay müdahale uzmanları

• Tehdit istihbaratı profesyonelleri

• Veri bilimcileri ve AI geliştiricileri

• AI risk ve uyumluluk uzmanları

• AI güvenliğinden sorumlu teknoloji yöneticileri ve teknik ekip liderleri

• Yapay zekâ destekli uygulama ve hizmetlerin güvenliğini sağlamaktan sorumlu profesyoneller

Bu eğitimi tamamladığınızda:

• Makine öğrenimi, derin öğrenme, LLM ve AI ajanlarının mimarilerini ve çalışma prensiplerini açıklayabileceksiniz.

• AI sistemlerinin geliştirme, eğitim, dağıtım ve işletim aşamalarındaki güvenlik risklerini belirleyebileceksiniz.

• AI saldırı yüzeylerini, tehdit aktörlerini ve güven sınırlarını analiz edebileceksiniz.

• MITRE ATLAS ve OWASP LLM Top 10 çerçeveleriyle AI tehditlerini değerlendirebileceksiniz.

• Prompt Injection, Jailbreaking, Data Poisoning, Model Extraction ve Model Denial of Service gibi saldırı tekniklerini tanıyabileceksiniz.

• AI Red Teaming ve güvenlik testi yaklaşımlarının amaçlarını ve kullanım alanlarını açıklayabileceksiniz.

• AI modelleri, veriler, uygulamalar ve altyapı için uygun güvenlik kontrollerini belirleyebileceksiniz.

• Güvenli RAG, Guardrails, bağlam izolasyonu ve vektör veritabanı güvenliği yaklaşımlarını değerlendirebileceksiniz.

• AI ajanlarının araç erişimlerini ve yetkilerini en az ayrıcalık ilkesiyle ele alabileceksiniz.

• Üçüncü taraf modeller, açık kaynak bileşenler ve eğitim veri kümeleri üzerinden oluşabilecek tedarik zinciri risklerini tanıyabileceksiniz.

• AI güvenlik izleme, telemetri, loglama, SIEM entegrasyonu ve tespit mühendisliği yaklaşımlarını açıklayabileceksiniz.

• AI güvenlik olaylarının tespit, araştırma, sınırlandırma ve kurtarma süreçlerini değerlendirebileceksiniz.

• Tehdit istihbaratı, tehdit avcılığı, zararlı yazılım analizi ve tersine mühendislikte AI kullanımının fırsatlarını ve sınırlarını anlayabileceksiniz.

• AI güvenlik yönetişimi, risk değerlendirmesi ve güvenlik politikalarının kurumsal güvenlik programındaki rolünü açıklayabileceksiniz.

• Sürekli güvenlik güvencesi ve tedarik zinciri yönetişimini kapsayan bir AI güvenlik programının temel bileşenlerini tanımlayabileceksiniz.

1. Yapay Zekâ Güvenliğinin Temelleri

Bu bölümde yapay zekâ sistemlerinin teknik yapısı ve güvenlik değerlendirmeleri için gerekli temel kavramlar incelenir.

• Yapay zekâ kavramları ve terminolojisi

• Makine öğreniminin temelleri

• Denetimli ve denetimsiz öğrenme

• Derin öğrenme ve sinir ağları

• AI model geliştirme ve eğitimi

• Eğitim, doğrulama ve test verileri

• Veri işleme hatları ve model yaşam döngüsü

• AI çıkarımı (Inference) ve dağıtım

• Yapay zekâ teknoloji yığınının (AI Technology Stack) anlaşılması

2. Yapay Zekâ Sistemleri için Güvenlik

Bu bölüm, AI güvenliğinin geleneksel uygulama güvenliğinden ayrılan yönlerine ve sistemlerin korunması gereken bileşenlerine odaklanır.

• AI güvenliği ile geleneksel uygulama güvenliği arasındaki farklar

• AI saldırı yüzeyleri (Attack Surfaces)

• Tehdit aktörleri ve saldırgan hedefleri

• Korunması gereken AI varlıkları

• AI ortamlarında gizlilik, bütünlük ve erişilebilirlik (CIA)

• Model ve veri bütünlüğü

• AI sistemlerinin güven sınırları (Trust Boundaries)

• AI yaşam döngüsü boyunca güvenlik

• Yapay zekâ sistemlerinde tehdit modelleme

3. AI Mimarisi ve Güvenlik

Bu bölümde AI çözümlerinin altyapı, platform ve entegrasyon bileşenlerinin güvenlik üzerindeki etkileri ele alınır.

• AI altyapısı ve platformları

• Model barındırma (Model Hosting) ve çıkarım servisleri

• API'ler ve uygulama entegrasyonu

• Bulut tabanlı AI hizmetleri

• Üçüncü taraf AI bağımlılıkları

• AI tedarik zinciri ile ilgili güvenlik değerlendirmeleri

• Model kökeni ve geçmişinin (Model Provenance) güvenlik üzerindeki etkileri

4. Büyük Dil Modeli (LLM) Mimarisi

Bu bölümde büyük dil modellerinin çalışma prensipleri ve LLM tabanlı uygulamaların temel mimari bileşenleri incelenir.

• LLM mimarisi ve çalışma biçimi

• Transformer modelleri ve tokenizasyon

• Model eğitimi ve ince ayar (Fine-Tuning)

• Temel modeller (Foundation Models)

• Retrieval-Augmented Generation (RAG)

• Embedding'ler ve vektör veritabanları

• LLM uygulama mimarileri

• Sistem istemleri (System Prompts) ve bağlam (Context)

• AI ajanları ve otonom sistemler

5. LLM ve Üretken Yapay Zekâ Saldırıları

Bu bölümde büyük dil modellerine ve üretken AI uygulamalarına yönelik başlıca saldırı yöntemleri incelenir.

• Prompt Injection

• Doğrudan ve dolaylı Prompt Injection

• Jailbreaking

• Hassas bilgilerin ifşa edilmesi (Sensitive Information Disclosure)

• Model manipülasyonu

• Model çıkarma (Model Extraction)

• Eğitim verilerine yönelik saldırılar

• Veri zehirleme (Data Poisoning)

• Adversarial Inputs (Saldırgan Amaçlı Girdiler)

• Model hizmet engelleme saldırıları (Model Denial of Service)

• Güvenli olmayan çıktı işleme (Insecure Output Handling)

• Aşırı yetkilendirme / Excessive Agency

• Araç ve eklentilerin kötüye kullanılması (Tool and Plugin Abuse)

6. AI Tehdit Çerçeveleri

Bu bölümde AI saldırılarının sistematik biçimde analiz edilmesi için kullanılan tehdit çerçeveleri ele alınır.

• AI saldırı yaşam döngüsü

• MITRE ATLAS

• OWASP LLM Top 10

• AI saldırı tekniklerinin eşleştirilmesi

• Tehdit senaryoları ve saldırı yolları

• Farklı AI mimarilerindeki güvenlik zayıflıklarının belirlenmesi

7. AI Red Teaming

Bu bölümde yapay zekâ sistemlerinin saldırgan bakış açısıyla değerlendirilmesine yönelik test yaklaşımları incelenir.

• AI Red Teaming çalışmalarının amacı

• AI güvenlik testi metodolojileri

• Prompt tabanlı güvenlik testleri

• Model sınırlarının ve koruma mekanizmalarının test edilmesi

• İstismar edilebilir davranışların belirlenmesi

• Güvenlik bulgularının belgelenmesi ve paylaşılması

8. Yapay Zekâ Sistemlerinin Güvenliğinin Sağlanması

Bu bölüm, AI modellerinin, verilerinin, uygulamalarının ve destekleyici altyapının korunmasına yönelik kontrolleri kapsar.

• Güvenli AI mimarisi

• AI için derinlemesine savunma (Defence-in-Depth)

• Girdi doğrulama (Input Validation)

• Çıktı filtreleme (Output Filtering)

• Model erişim kontrolleri

• Kimlik doğrulama ve yetkilendirme

• Ayrıcalıklı AI işlemleri

• Gizli bilgiler ve kimlik bilgilerinin korunması

• Veri koruma

• Model koruma

9. LLM Uygulamalarının Güvenliğinin Sağlanması

Bu bölümde LLM tabanlı uygulamalar, RAG mimarileri ve AI ajanları için güvenlik önlemleri incelenir.

• Prompt Injection saldırılarına karşı önlemler

• Guardrails (Koruma Sınırları)

• Sistem istemlerinin korunması

• Bağlam izolasyonu (Context Isolation)

• Güvenli RAG mimarileri

• Vektör veritabanlarının korunması

• Araç erişiminin kontrol edilmesi

• AI ajan izinleri

• AI ajanları için en az ayrıcalık ilkesi (Least Privilege)

• İnsan denetimi ve onay kontrolleri

10. AI Tedarik Zinciri Güvenliği

Bu bölümde AI sistemlerinin geliştirilmesi ve işletilmesinde kullanılan harici bileşenlerden kaynaklanabilecek riskler ele alınır.

• Üçüncü taraf modeller

• Açık kaynak modeller

• Model depoları (Model Repositories)

• AI kütüphaneleri ve bağımlılıkları

• Eğitim veri kümeleri

• Model kökeni (Model Provenance)

• Tedarikçi güvencesi (Supplier Assurance)

• Tedarik zincirinin ele geçirilmesi (Supply Chain Compromise)

• Bağımlılık ve bileşen yönetimi

11. AI Güvenlik Testleri

Bu bölümde yapay zekâ sistemlerindeki güvenlik zayıflıklarını belirlemek ve kontrollerin etkinliğini değerlendirmek için kullanılan yöntemler incelenir.

• Zafiyet değerlendirmesi (Vulnerability Assessment)

• Adversarial Testing

• Model güvenlik testleri

• AI penetrasyon testleri

• AI Red Teaming

• Guardrails ve güvenlik kontrollerinin test edilmesi

• Dağıtım öncesi güvenlik güvencesi (Security Assurance)

12. AI Güvenlik Operasyonları

Bu bölümde yapay zekâ sistemlerinin izlenmesi ve şüpheli faaliyetlerin belirlenmesi için gerekli güvenlik operasyonları ele alınır.

• AI sistemlerine özgü telemetri

• AI faaliyetlerinin loglanması

• Model etkileşimlerinin izlenmesi

• Anormal AI davranışlarının tespiti

• Güvenlik izleme sistemleriyle entegrasyon

• SIEM entegrasyonu

• AI sistemleri için tespit mühendisliği (Detection Engineering)

• Saldırgan faaliyetlerin belirlenmesi

13. AI Güvenlik Olaylarına Müdahale

Bu bölümde yapay zekâ sistemlerini etkileyen güvenlik olaylarının tespit edilmesi, araştırılması ve yönetilmesi incelenir.

• AI güvenlik olayı senaryoları

• AI sistemlerinin ele geçirildiğinin tespit edilmesi

• Olay ön değerlendirmesi (Incident Triage)

• Olay araştırması (Investigation)

• Olayın sınırlandırılması (Containment)

• Model izolasyonu

• Kurtarma (Recovery)

• Kanıt toplama (Evidence Collection)

• Olay sonrası analiz (Post-Incident Analysis)

14. Yapay Zekâ Destekli Siber Güvenlik

Bu bölümde yapay zekânın savunma amaçlı siber güvenlik faaliyetlerinde nasıl kullanılabileceği değerlendirilir.

• AI destekli güvenlik izleme

• AI destekli tehdit avcılığı (Threat Hunting)

• Tehdit istihbaratı

• Güvenlik analizi

• Zararlı yazılım analizi (Malware Analysis)

• AI destekli tersine mühendislik (Reverse Engineering)

• Savunma amaçlı AI kullanımının fırsatları ve sınırlamaları

15. AI Güvenlik Yönetimi

Bu bölümde kurumsal AI güvenliğinin yönetilmesine yönelik yönetişim, politika ve risk yönetimi süreçleri ele alınır.

• AI güvenlik yönetişimi

• Roller ve sorumluluklar

• AI güvenlik politikaları

• AI risk değerlendirmesi

• Güvenlik güvencesi (Security Assurance)

• Düzenleyici gereklilikler ve uyumluluk

• Üçüncü taraf AI risklerinin yönetimi

• AI modellerinin ve ajanlarının yönetişimi

16. AI Güvenlik Programının Oluşturulması

Bu bölümde AI güvenliğinin mevcut kurumsal siber güvenlik programlarına nasıl dahil edilebileceği incelenir.

• AI varlıklarının belirlenmesi

• AI güvenlik stratejisi

• Güvenli mimari ilkeleri

• AI güvenlik kontrolleri

• Güvenlik testleri ve Red Teaming

• İzleme ve olay müdahalesi

• Tedarik zinciri yönetişimi

• Sürekli güvenlik güvencesi (Continuous Assurance)

• AI güvenliğinin mevcut siber güvenlik programlarıyla bütünleştirilmesi