● Продвинутый курс · Безопасность ИИ
Суверенный ИИ за непробиваемой аппаратной бронёй
Глубокий технический курс о построении доверенных сред выполнения для ИИ-систем: от аппаратных корней доверия до конфиденциальных вычислений и гомоморфного шифрования.
8
Модулей
42ч
Видео
2 840
Студентов
4.9★
Рейтинг
Бесплатно
// Полный доступ к материалам
Записаться на курс
Попробовать первый урок
- 42 часа видеолекций
- 12 лабораторных работ
- Сертификат о завершении
- Доступ к сообществу
- Обновления материалов
// Программа курса
8 модулей · от основ до экспертного уровня
МОДУЛЬ 01
Аппаратные корни доверия
TPM 2.0, Secure Boot, аттестация оборудования. Строим фундамент доверенной среды с нуля.
МОДУЛЬ 02
Доверенные среды выполнения (TEE)
Intel SGX, AMD SEV, ARM TrustZone. Изоляция вычислений на аппаратном уровне для ИИ-инференса.
МОДУЛЬ 03
Конфиденциальные вычисления
Confidential Computing Consortium, архитектуры для защиты данных в процессе обработки.
МОДУЛЬ 04
Гомоморфное шифрование
FHE для ИИ-моделей: вычисления над зашифрованными данными без раскрытия ключей.
МОДУЛЬ 05
Федеративное обучение с защитой
Secure Aggregation, дифференциальная приватность, защита градиентов от инверсии.
МОДУЛЬ 06
Суверенная инфраструктура ИИ
On-premise GPU кластеры, air-gapped сети, управление ключами и HSM для ИИ-workloads.
МОДУЛЬ 07
Аудит и верификация моделей
Формальная верификация, reproducible builds, проверка целостности весов нейросетей.
МОДУЛЬ 08
Практическое развёртывание
Сквозной лабораторный проект: разворачиваем суверенный ИИ-стек от TEE до production.
// Преподаватели
Эксперты индустрии
АК
Алексей Крупнов
Архитектор доверенных систем
15 лет в hardware security. Ранее Intel Security Architecture, ныне — CTO суверенной ИИ-платформы.
МВ
Мария Волкова
PhD Cryptography · TEE Research
Исследователь конфиденциальных вычислений. Автор 20+ публикаций по FHE и безопасному многостороннему вычислению.
ДС
Дмитрий Соколов
MLSec Engineer · Infrastructure
Специалист по защищённым ML-пайплайнам. Строил air-gapped ИИ-инфраструктуры для государственных заказчиков.
НП
Наталья Петрова
Privacy Engineering Lead
Эксперт по дифференциальной приватности и федеративному обучению. GDPR-архитектор для ИИ-систем.
// Отзывы студентов
Что говорят выпускники
★★★★★
Лучший курс по hardware security для ML, который я видел. Модуль по Intel SGX — абсолютно практический, сразу применил в проекте.
★★★★★
Раньше FHE казалось чем-то из области фантастики. После 4-го модуля я уже имплементировал простой инференс на CKKS. Спасибо!
★★★★☆
Очень глубокая программа. Рекомендую иметь базу по криптографии перед модулем 4, но преподаватели объясняют очень доступно.