GTR = sesiune garantata

*Pretul nu include TVA si este valabil pentru un participant inscris la sesiuni publice sau la un curs in format SPVC sau WBT.
Inscrierea la o sesiune publica nu va garanteaza rezervarea unui loc. La scurt timp de la momentul inscrierii, veti fi contactat de un reprezentant Kluger pentru confirmarea rezervarii si a pretului final.
Disponibilitatea acestui curs in alte formate de livrare, sub un cod diferit, se poate verifica in portofoliu.
Daca doriti o sesiune privata, cu agenda standard sau adaptata nevoilor dvs., va rugam sa ne contactati.

Sesiunea va fi livrata cu trainerul Gabriel Avramescu - Ethical Hacker and Cybersecurity Instructor | Executive MBA | OSCE | OSWE | OSCP | CREST CRT | ICS SCADA Cybersecurity | COASP | ECIH | CHFI | CEI Instructor | CEH Hall of Fame.
Pretul se transmite la cerere.

Securitate ofensivă pentru sisteme bazate pe Inteligență Artificială.
Modelele lingvistice mari (Large Language Models – LLM) și aplicațiile moderne bazate pe inteligență artificială sunt expuse unor categorii noi de amenințări cibernetice. Atacuri precum Prompt Injection, Jailbreaking, Data Poisoning sau compromiterea agenților AI pot conduce la ocolirea mecanismelor de protecție, divulgarea informațiilor sensibile și manipularea comportamentului modelelor.
Programul Certified Offensive AI Security Professional (COASP) dezvoltă competențele necesare pentru evaluarea securității sistemelor AI prin tehnici de tip AI Red Teaming, identificarea și exploatarea controlată a vulnerabilităților din aplicațiile bazate pe LLM și AI Agents, precum și proiectarea unor mecanisme defensive capabile să reziste atacurilor reale.

Agenda oficiala Ec-Council : https://shorturl.at/4Ikxk

Tehnici practice de securitate ofensivă pentru sisteme AI

Participanții vor dobândi competențele necesare pentru a identifica, testa și exploata vulnerabilitățile sistemelor bazate pe inteligență artificială, utilizând metodologii și tehnici similare celor folosite de atacatori, astfel încât să poată proiecta și implementa mecanisme eficiente de apărare.

La finalul cursului, participanții vor putea să:

• Realizeze recunoașterea (reconnaissance) API-urilor utilizate de aplicațiile AI.
• Identifice și profileze modele AI prin tehnici de model fingerprinting.
• Execute atacuri adversariale de tip:
  • Transfer Attack
  • Boundary Attack
  • Noise Attack
• Analizeze datele de telemetrie pentru identificarea limitelor decizionale ale modelelor AI.
• Efectueze recunoaștere multi-protocol asupra infrastructurilor AI.
• Execute atacuri FGSM (Fast Gradient Sign Method) și PGD (Projected Gradient Descent) asupra clasificatoarelor de imagini.
• Realizeze atacuri de RAG Poisoning asupra sistemelor bazate pe Retrieval-Augmented Generation.
• Extragă informații despre modele AI prin tehnici de API Reconnaissance și Model Extraction.
• Dezvolte și testeze atacuri Cross-LLM, utilizând interacțiunea dintre modele lingvistice diferite.
• Execute atacuri PGD asupra modelelor AI pentru procesarea semnalelor audio.

La finalizarea cursului, participanții vor fi capabili să:

• Identifice suprafața de atac a aplicațiilor și infrastructurilor AI.
• Evalueze vulnerabilitățile modelelor LLM și ale aplicațiilor GenAI.
• Simuleze atacuri reale asupra sistemelor AI folosind tehnici de Red Teaming.
• Analizeze reziliența modelelor la atacuri adversariale.
• Testeze securitatea aplicațiilor bazate pe RAG și AI Agents.
• Identifice riscurile asociate extragerii modelelor și compromiterii datelor de antrenare.
• Recomande și implementeze măsuri de protecție și consolidare (hardening) pentru sisteme AI.
• Aplice bune practici și metodologii conforme cu OWASP LLM Top 10 și MITRE ATLAS în evaluarea securității sistemelor AI

Programul este destinat specialiștilor care activează în domeniul securității cibernetice, dezvoltării software și inteligenței artificiale, inclusiv:

• Offensive Security
  • Penetration Tester/Ethical Hacker
  • Red Team Operator/Red Team Lead
  • Offensive Security Engineer
  • Adversary Emulation/Purple Team
  • Specialist

• Defensive Security
  • SOC Analyst (Tier 2/3)/Detection
  • Engineer
  • Blue Team Engineer/Threat
  • Detection Engineer
  • Incident Responder (IR)/DFIR
  • Analyst
  • Security Operations Manager (SOC
  • Lead)

• Threat Intelligence
  • Malware Analyst/Threat Researcher
  • Cyber Threat Intelligence (CTI)
  • Analyst – AI Focus
  • Fraud/Abuse Detection Analyst (AI-
  • enabled threats)
• AI/ML Engineering
  • ML Engineer/Applied AI Engineer
  • GenAI Engineer (RAG/Agents)
  • AI/LLM Application Developer
  • MLOps/AI Platform Engineer
• Security Engineering
  • DevSecOps/Secure DevOps
  • Specialist
  • Application Security Engineer (LLM
  • Apps/APIs)
  • Product Security Engineer/AI
  • Product Security
• AI Security Arhitecture
  • Secure AI Engineer/AI Security
  • Architect
  • LLM Systems Engineer

COASP nu este un curs pentru începători.

Pentru parcurgerea eficientă a programului și valorificarea activităților practice, participanții ar trebui să îndeplinească următoarele cerințe:

• experiență recomandată de minimum 3 ani în domeniul securității cibernetice;
• cunoștințe solide privind conceptele fundamentale de securitate cibernetică;
• experiență practică în cel puțin unul dintre domeniile: testare de penetrare, securitate ofensivă, securitate defensivă (Blue Team), operațiuni SOC, răspuns la incidente, securitatea aplicațiilor sau DevSecOps;
• cunoștințe privind protocoalele de rețea, sistemele de operare Windows și Linux și arhitecturile aplicațiilor moderne;
• experiență în utilizarea instrumentelor specifice testării de securitate și analizei vulnerabilităților;
• cunoștințe generale privind modelele de inteligență artificială, aplicațiile bazate pe Large Language Models (LLM) și serviciile AI reprezintă un avantaj, însă nu constituie o condiție obligatorie.

Recomandări pentru participanți

Programul este conceput pentru profesioniști care activează deja în domeniul securității informației și doresc să își extindă competențele către securitatea sistemelor bazate pe inteligență artificială. Experiența anterioară în activități de Penetration Testing, Red Teaming, SOC, Threat Intelligence, Incident Response, Application Security, Machine Learning sau MLOps facilitează parcurgerea laboratoarelor practice și înțelegerea scenariilor de atac prezentate pe parcursul cursului.

Metodologia de instruire

Programul utilizează o metodologie practică, inspirată din procesele moderne de testare de penetrare și operațiunile Red Team, adaptată particularităților sistemelor bazate pe inteligență artificială.

Procesul de evaluare urmează trei etape principale.

Etapa 1 – Reconnaissance și cartografiere

Participanții identifică și analizează infrastructura AI prin:

• descoperirea modelelor și serviciilor AI expuse;
• analiza API-urilor și a interfețelor de comunicație;
• identificarea fluxurilor de date și a componentelor infrastructurii;
• cartografierea suprafeței de atac;
• realizarea modelelor de amenințări (Threat Modeling).

Etapa 2 – Exploatarea vulnerabilităților

În această etapă sunt utilizate tehnici ofensive pentru validarea vulnerabilităților identificate.

Activitățile practice includ:

• Prompt Injection;
• Jailbreaking;
• Guardrail Bypass;
• Prompt Chaining;
• Tool Manipulation;
• Memory Poisoning;
• Data Poisoning;
• Model Extraction;
• Adversarial Machine Learning;
• atacuri asupra sistemelor RAG;
• exploatarea API-urilor AI;
• atacuri Cross-LLM.

Etapa 3 – Protecție și consolidare

Ultima etapă urmărește implementarea măsurilor defensive pentru creșterea rezilienței sistemelor AI.

Participanții vor învăța să:

• implementeze mecanisme Guardrails;
• configureze monitorizarea modelelor AI;
• dezvolte reguli de detecție și răspuns la incidente;
• realizeze hardening pentru infrastructura AI;
• valideze eficiența controalelor de securitate implementate.

Structura programului

Programul este organizat în module tematice care acoperă întregul ciclu de evaluare și securizare a sistemelor bazate pe inteligență artificială.

Modulul 1 – Fundamentele securității ofensive AI

• ecosistemul inteligenței artificiale și al modelelor LLM;
• AI Red Teaming;
• OWASP LLM Top 10;
• MITRE ATLAS;
• modelarea amenințărilor pentru sisteme AI.

Modulul 2 – Reconnaissance și cartografiere

• AI OSINT;
• API Reconnaissance;
• Model Fingerprinting;
• identificarea infrastructurilor AI;
• analiza suprafeței de atac.

Modulul 3 – Scanarea vulnerabilităților

• evaluarea securității sistemelor AI;
• AI Fuzzing;
• clasificarea și analiza vulnerabilităților;
• evaluarea riscurilor.

Modulul 4 – Atacuri asupra modelelor LLM

• Prompt Injection;
• Indirect Prompt Injection;
• Jailbreaking;
• Guardrail Bypass;
• Prompt Chaining.

Modulul 5 – Adversarial Machine Learning

• FGSM;
• PGD;
• Boundary Attack;
• Transfer Attack;
• Noise Attack;
• atacuri asupra modelelor de procesare a imaginilor și semnalelor audio.

Modulul 6 – Atacuri asupra datelor și modelelor

• Data Poisoning;
• manipularea seturilor de antrenare;
• Backdoor Attacks;
• Model Extraction;
• Model Inversion.

Modulul 7 – AI Agents și sisteme autonome

• Tool Manipulation;
• Memory Poisoning;
• Chain Attacks;
• Cross-LLM Attacks.

Modulul 8 – Securitatea infrastructurilor AI

• platforme MLOps;
• AI Supply Chain Security;
• securitatea serviciilor cloud AI;
• evaluarea infrastructurilor distribuite.

Modulul 9 – AI Red Teaming

• planificarea exercițiilor Red Team;
• evaluarea rezilienței modelelor AI;
• implementarea măsurilor de protecție.

Modulul 10 – Incident Response și AI Forensics

• detectarea incidentelor specifice AI;
• colectarea și analiza telemetriei;
• investigații digitale;
• remedierea vulnerabilităților și consolidarea securității.

Examinare și certificare

Evaluarea finală urmărește verificarea cunoștințelor teoretice și a competențelor practice dobândite pe parcursul programului.

Caracteristicile examenului de certificare:

• Cod examen: 312-52
• Număr de întrebări: 70
• Durata: 6 ore
• Platforma de examinare: ECC Exam Portal
• Format: întrebări cu răspuns multiplu și exerciții bazate pe scenarii practice (Performance-Based Questions)
• Prag de promovare: între 70% și 80%, stabilit de EC-Council în funcție de dificultatea examenului.

Promovarea examenului conduce la obținerea certificării Certified Offensive AI Security Professional (COASP), care validează competențele profesionale în domeniul securității ofensive a sistemelor bazate pe inteligență artificială și al evaluării vulnerabilităților specifice aplicațiilor AI, modelelor LLM și infrastructurilor moderne de inteligență artificială.