Cursos de Seguridad de IA en Quito

Esta formación en vivo con instrucción Quito (presencial o remota) está dirigida a profesionales de TI de nivel principiante a intermedio que desean comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los conceptos clave y la importancia de la gestión de confianza, riesgo y seguridad en IA.
• Identificar y mitigar los riesgos asociados a los sistemas de IA.
• Implementar las mejores prácticas de seguridad para IA.
• Comprender el cumplimiento normativo y las consideraciones éticas en IA.
• Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.

Esta formación impartida por un instructor en Quito cubre la gobernanza, la gestión de identidades y el red teaming para sistemas de IA agéntica. Los profesionales avanzados diseñarán despliegues seguros, implementarán acceso de privilegio mínimo y ejecutarán pruebas adversarias para mitigar amenazas reales en entornos de producción.

Esta formación presencial impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de nivel intermedio de IA y ciberseguridad que desean comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, particularmente en industrias altamente reguladas como las finanzas, la gobernanza de datos y la consultoría.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los tipos de ataques adversarios dirigidos a sistemas de IA y los métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento de modelos para asegurar los flujos de trabajo de aprendizaje automático.
• Asegurar la seguridad e integridad de los datos en los modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento regulatorio relacionados con la seguridad de la IA.

Esta formación en vivo, impartida por un instructor, en Quito (en línea o presencial), está dirigida a profesionales de seguridad de nivel avanzado y especialistas en aprendizaje automático que deseen simular ataques contra sistemas de IA, descubrir vulnerabilidades y mejorar la robustez de los modelos de IA implementados.

Al finalizar esta formación, los participantes podrán:

• Simular amenazas del mundo real contra modelos de aprendizaje automático.
• Generar ejemplos adversarios para evaluar la robustez de los modelos.
• Evaluar la superficie de ataque de las API y canalizaciones de IA.
• Diseñar estrategias de red teaming para entornos de implementación de IA.

Esta capacitación dirigida por instructor en Quito capacita a profesionales avanzados para asegurar las canalizaciones de TinyML en dispositivos de borde. Aprenderá a implementar técnicas de preservación de privacidad, fortalecer los modelos contra amenazas adversarias y aplicar prácticas recomendadas para el manejo seguro de datos en entornos restringidos.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a ingenieros y profesionales de la seguridad de nivel intermedio que desean proteger los modelos de IA desplegados en el borde contra amenazas como la manipulación, la filtración de datos, entradas adversarias y ataques físicos.

Al final de esta formación, los participantes podrán:

• Identificar y evaluar los riesgos de seguridad en las implementaciones de IA en el borde.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• Fortalecer los modelos desplegados en el borde y asegurar los flujos de datos.
• Implementar estrategias de mitigación de amenazas específicas para sistemas embebidos y restringidos.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean implementar y evaluar técnicas como el aprendizaje federado, la computación segura multipartita, la cifrado homomórfico y la privacidad diferencial en tuberías de aprendizaje automático del mundo real.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender y comparar las técnicas clave de preservación de la privacidad en el aprendizaje automático.
• Implementar sistemas de aprendizaje federado utilizando frameworks de código abierto.
• Aplicar la privacidad diferencial para compartir datos de manera segura y entrenar modelos.
• Utilizar técnicas de cifrado y computación segura para proteger las entradas y salidas del modelo.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a líderes empresariales de nivel intermedio que desean comprender cómo gobernar y asegurar sistemas de IA de manera responsable y conforme a marcos normativos emergentes a nivel global, como la Ley de IA de la UE, el Reglamento General de Protección de Datos (GDPR), la norma ISO/IEC 42001 y la Orden Ejecutiva de EE. UU. sobre IA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los riesgos legales, éticos y normativos del uso de la IA en distintos departamentos.
• Interpretar y aplicar los principales marcos de gobernanza de la IA (Ley de IA de la UE, NIST AI RMF, ISO/IEC 42001).
• Establecer políticas de seguridad, auditoría y supervisión para el despliegue de IA en la empresa.
• Desarrollar directrices de adquisición y uso para sistemas de IA de terceros e internos.

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones impulsadas por LLM, como la inyección de prompts, la filtración de datos y las respuestas no filtradas, al tiempo que incorporan controles de seguridad como validación de entrada, supervisión humana en el proceso (human-in-the-loop) y barreras de protección en la salida.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender las vulnerabilidades centrales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como el aislamiento (sandboxing), pruebas de penetración (red teaming) y revisión humana en el proceso en tuberías (pipelines) de nivel de producción.

Esta formación práctica, impartida por un instructor en Quito (en línea o presencial), está dirigida a profesionales de nivel intermedio en el ámbito del aprendizaje automático y la ciberseguridad que desean comprender y mitigar las amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas, como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de la IA, como ataques adversarios, inversión de modelos y envenenamiento de datos.
• Utilizar herramientas como el Adversarial Robustness Toolbox (ART) para simular ataques y probar los modelos.
• Aplicar defensas prácticas, incluido el entrenamiento adversario, la inyección de ruido y las técnicas de preservación de la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de las amenazas en entornos de producción.

Esta capacitación presencial impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de TI con nivel principiante en seguridad, gestión de riesgos y cumplimiento, que deseen comprender los conceptos fundamentales de la seguridad en IA, los vectores de amenaza y marcos normativos globales como NIST AI RMF e ISO/IEC 42001.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los riesgos de seguridad únicos introducidos por los sistemas de IA.
• Identificar vectores de amenaza como ataques adversarios, envenenamiento de datos e inversión de modelos.
• Aplicar modelos fundamentales de gobernanza, como el Marco de Gestión de Riesgos de IA de NIST (NIST AI RMF).
• Alinear el uso de la IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Basándose en las directrices más recientes del Proyecto de Seguridad de OWASP para IA Generativa, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de la IA mediante ejercicios prácticos y escenarios del mundo real.

Este curso proporciona una introducción práctica a la seguridad de aplicaciones modernas impulsadas por IA, APIs, copilotos y agentes autónomos. Los participantes aprenden cómo difiere la seguridad de IA de la seguridad web tradicional, exploran amenazas comunes específicas de IA como la inyección de instrucciones, el envenenamiento de RAG y el abuso de agentes, y comprenden cómo proteger los sistemas de IA utilizando defensas en capas que incluyen WAFs, pasarelas IA, seguridad de APIs y barreras de seguridad (guardrails). A través de laboratorios prácticos y ejemplos del mundo real, los estudiantes adquieren las habilidades para identificar patrones de ataque de IA, asegurar aplicaciones basadas en LLM e implementar defensas eficaces en tiempo de ejecución para entornos de producción.

Este curso enseña a los desarrolladores de software cómo construir aplicaciones potenciadas por IA de forma segura desde su diseño. Los participantes aprenderán cómo proteger chatbots, copilotos, pipelines RAG y agentes de IA contra amenazas específicas de la IA, como inyección de prompts, envenenamiento de datos, abuso de herramientas, filtración de secretos y salida de modelo insegura. El curso cubre el diseño seguro de prompts, seguridad en RAG, acceso de mínimo privilegio, guardrails y pruebas de red-teaming, ayudando a los desarrolladores a construir funciones de IA que sean seguras, confiables y resilientes en entornos del mundo real.

Esta formación impartida por un instructor en vivo en Quito (en línea o presencial) está dirigida a ingenieros de seguridad y oficiales de cumplimiento que deseen reforzar los despliegues de EXO, controlar el acceso a los modelos y gobernar las cargas de trabajo de IA que se ejecuten íntegramente en instalaciones propias.

Esta formación en vivo con instrucción presencial en Quito (en línea o in situ) está dirigida a ingenieros de seguridad y ML que necesitan identificar, probar y defenderse contra ataques a modelos de ML y aplicaciones impulsadas por LLM.