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
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.
29 недель · 6 ч/нед
5 разделов · 13 шагов · практика после модулей
Итоговый проект и сертификат после завершения.
16+ лет · цифровая безопасность. требует дисциплины, этики и понимания ответственности за действия
Профессиональный: 4/5
требует дисциплины, проверки и портфолио
Цифровые профессии
ИИ, аналитика, дизайн, маркетинг, бизнес и кибербезопасность без смешивания с программированием.
Как устроено обучение
Методическая подача
модели угроз, схемы активов, контрольные карты риска и планы реагирования
аудит аккаунтов, фишинговые письма, сценарии потери доступа и резервного восстановления
угроза, мера защиты, проверка настройки, мини-симуляция инцидента
персональный профиль безопасности с приоритетами и чек-листом реагирования
Учебный микс
9 визуальных материалов · 89% по предмету
есть хороший визуальный каркас, но часть схем стоит уточнить
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- Карта пониманияОткрыто8 мин
- Что рисовать и фиксироватьОткрыто8 мин
- Ритм практики и повторенияОткрыто8 мин
- Проверка учебного маршрутаОткрыто10 мин
- Модель, кейс, артефактОткрыто12 мин
- Рубрика качества10 мин
- Модель курсаОткрыто12 мин
- Границы доверияОткрыто11 мин
- Prompt injectionОткрыто10 мин
- Практика: prompt injectionОткрыто13 мин
- Безопасный red-team процессОткрыто11 мин
- Мониторинг AI-инцидентовОткрыто9 мин
- Практика: защитные мерыОткрыто13 мин
Отзывы
Пока нет отзывов.