Detaillierter Kursinhalt
Modul 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 Gemini