me_edu
← Каталог
Кибербезопасность

AI Security и Red Team: prompt injection, model abuse и защита LLM-приложений

Threat modeling, OWASP LLM risks, MITRE ATLAS, evals и практики безопасного внедрения ИИ

5.0(0) 0 учеников 175 ч 16+ лет 13 шаговПродвинутыйСложность 4/5
К
Команда me_edu
Профессиональная программа

Чему вы научитесь

  • Строить threat model для AI-приложения: assets, actors, trust boundaries, tools and data stores
  • Понимать OWASP LLM risks: prompt injection, sensitive information disclosure, insecure output handling and excessive agency
  • Проводить red-team сценарии без вреда: тестовые данные, sandbox tools, logging and approval gates
  • Защищать RAG: source access control, citations, retrieval filters, poisoning checks and refusal policy
  • Готовить AI security report с findings, severity, reproduction, mitigation and residual risk

О курсе

Курс закрывает новую зону кибербезопасности: атаки на LLM-приложения, prompt injection, data exfiltration, insecure tool use, model denial of service, supply chain of models and plugins, jailbreak testing and governance. Ученик учится проектировать защиту до запуска, а не чинить ее после инцидента.

Нагрузка

29 недель · 6 ч/нед

Структура

5 разделов · 13 шагов · практика после модулей

Результат

Итоговый проект и сертификат после завершения.

Возраст

16+ лет · цифровая безопасность. требует дисциплины, этики и понимания ответственности за действия

Параметры сложности

Профессиональный: 4/5

требует дисциплины, проверки и портфолио

Темп3/5
Практика3/5
Глубина5/5
Схемы3/5
Самостоятельность5/5
Место в базе знаний

Цифровые профессии

ИИ, аналитика, дизайн, маркетинг, бизнес и кибербезопасность без смешивания с программированием.

Как устроено обучение

Методическая подача

Визуальный язык

модели угроз, схемы активов, контрольные карты риска и планы реагирования

Кейсы

аудит аккаунтов, фишинговые письма, сценарии потери доступа и резервного восстановления

Ритм практики

угроза, мера защиты, проверка настройки, мини-симуляция инцидента

Доказательство результата

персональный профиль безопасности с приоритетами и чек-листом реагирования

Учебный микс

Теория9
Практика4
Схемы9
Задания11
Визуальный стандарт курса

9 визуальных материалов · 89% по предмету

есть хороший визуальный каркас, но часть схем стоит уточнить

audit
Основные типы
структурная схема · 4процесс · 3цикл · 1логика · 1
Что требуется от иллюстраций
схема процессапримерпрактический критерийитоговый артефакт

Профессиональная программа

Измеримые результаты

  • Описать угрозы LLM-приложения по MITRE ATLAS и OWASP LLM
  • Собрать red-team checklist для prompt injection и tool misuse
  • Предложить защиту: sandbox, least privilege, evals, monitoring and incident response

Входной уровень

  • Основы веб-безопасности
  • Понимание LLM/RAG
  • Базовый JavaScript или Python

Проверка знаний

  • Threat model
  • Prompt injection lab
  • RAG security review
  • Mitigation report

Итоговый проект

AI security assessment: architecture diagram, threat model, attack scenarios, test results, mitigations, monitoring plan and executive summary.

Программа курса

5 разделов · 13 уроков
1Как учиться на этом курсе4 урока
34 мин3 схем3 заданий
  • Карта пониманияОткрыто8 мин
  • Что рисовать и фиксироватьОткрыто8 мин
  • Ритм практики и повторенияОткрыто8 мин
  • Проверка учебного маршрутаОткрыто10 мин
2Профессиональный практикум: кейс, модель и итоговый артефакт2 урока
22 мин1 схем2 заданий
Как сделать курс практическим и академичным
  • Модель, кейс, артефактОткрыто12 мин
  • Рубрика качества10 мин
3Атлас моделей: схема, пример, критерий и проект1 урок
12 мин1 схем
Предметная визуализация вместо украшения
  • Модель курсаОткрыто12 мин
4Threat model LLM-приложения3 урока
34 мин2 схем3 заданий
  • Границы доверияОткрыто11 мин
  • Prompt injectionОткрыто10 мин
  • Практика: prompt injectionОткрыто13 мин
5Red team и защита3 урока
33 мин2 схем3 заданий
  • Безопасный red-team процессОткрыто11 мин
  • Мониторинг AI-инцидентовОткрыто9 мин
  • Практика: защитные мерыОткрыто13 мин

Отзывы

Пока нет отзывов.