Aller au contenu
skifo/
EN

AI Security — Attaques et défenses

Deux jours intensifs pour comprendre, reproduire et contrer les attaques sur les modèles d'IA — CNN et LLM — en contextes industriel et adversarial.

2 jours · 16×45min · labs isolés

Toutes les formations Cours avancé
Durée
2 jours (16×45min)
Public
Ingénieurs ML, sécurité
Prix
CHF 3'800/pers. ou 24'000 équipe
Format
Lectures + flipped + labs

À qui ça s'adresse

  • Ingénieurs ML / MLOps déployant des modèles en production
  • Data scientists confrontés à des environnements adversariaux
  • Équipes sécurité technique chargées d'auditer des systèmes IA
  • Architectes qui intègrent de l'IA dans des produits sensibles

Objectifs pédagogiques

  1. Identifier et évaluer les risques IA sur CNN et LLM en contextes industriel et adversarial
  2. Comprendre et reproduire des adversarial examples, data poisoning, backdoors, LLM jailbreaks (white-box et black-box)
  3. Appliquer les techniques d'explicabilité pour auditer et challenger les décisions IA

Prérequis

Python courant, notions de machine learning, compréhension des réseaux de neurones (CNN, transformer). Les labs supposent de pouvoir lire et modifier du code.

Format pédagogique

Combinaison de lectures techniques, de flipped classroom (préparation amont puis présentation en groupes) et de labs pratiques dans un environnement isolé fourni.

Workload
Format Durée
Lectures 8×45 min
Flipped classroom 4×45 min
Labs pratiques 4×45 min

Contenu du cours

  1. AI Risks

    Robustesse adversariale, supply chain ML, dual-use, scénarios de menace.

  2. Attacks

    FGSM / PGD, data poisoning, backdoors, LLM jailbreaks automatisés.

  3. Transparence & Explicabilité

    Interprétation de décisions, outils d'audit, flipped classroom par groupes.

Horaire indicatif

Jour 1 — Fondations & Attaques

  1. 09:00–09:45 Introduction — AI Risks Landscape lecture
  2. 09:45–10:30 Attacks Overview — Taxonomy & Threat Models lecture
  3. 10:30–10:45 Pause
  4. 10:45–11:30 Adversarial Examples — FGSM & PGD lecture
  5. 11:30–12:15 Data Poisoning & Backdoor Attacks lecture
  6. 12:15–13:15 Lunch
  7. 13:15–14:45 Lab 1 — Attacking an Image Classifier lab
  8. 14:45–15:00 Pause
  9. 15:00–15:45 LLM Security & Jailbreaking Techniques lecture
  10. 15:45–16:30 Threat Scenarios & Defensive Mindset lecture

Jour 2 — Défenses, Explicabilité & Peer Teaching

  1. 09:00–09:45 Transparency & Explainability — Concepts lecture
  2. 09:45–10:30 Interpreting Model Decisions in Practice lecture
  3. 10:30–10:45 Pause
  4. 10:45–12:15 Lab 2 — LLM Jailbreaking (black-box & white-box) lab
  5. 12:15–13:15 Lunch
  6. 13:15–14:00 Lab 3 — Explainability Tooling & Model Auditing lab
  7. 14:00–14:45 Flipped Classroom — Groups 1 & 2 flipped
  8. 14:45–15:00 Pause
  9. 15:00–15:45 Flipped Classroom — Groups 3 & 4 flipped
  10. 15:45–16:30 Synthesis, Q&A & Closing Discussion lecture

Instructeurs

Prix & modalités

  • CHF 3'800/personne
  • CHF 24'000 forfait équipe (jusqu'à 8 participants)
  • Langue : français ou anglais
  • Lieu : sur site client ou distanciel, environnement lab fourni

Références

Organiser cette formation

Adaptation possible à vos stacks internes (modèles maison, outillage MLOps) et à vos scénarios de menace.

Organiser cette formation

Demander cette formation — AI Security — Attaques et défenses

Dites-nous ce dont votre équipe a besoin. Réponse sous 24h.

Format