ML Security and AI Red Teaming
AI systems introduce novel attack surfaces: prompt injection, data poisoning, model extraction, adversarial inputs, and supply chain compromises. Traditional application security is necessary but insufficient. ML security requires understanding both classic vulnerability classes and AI-specific threats including the OWASP Top 10 for LLM Applications.
This instructor-led, live training (online or onsite) is aimed at security and ML engineers who need to identify, test, and defend against attacks on ML models and LLM-powered applications.
By the end of this training, participants will be able to:
- Threat-model AI systems across the ML lifecycle from training to inference.
- Execute red-team exercises against LLM applications including prompt injection and jailbreak attempts.
- Detect and defend against data poisoning, model extraction, and membership inference attacks.
- Apply the OWASP Top 10 for LLM Applications to real-world deployments.
- Implement input validation, output filtering, and guardrail strategies.
- Conduct supply chain security assessments for model artifacts and dependencies.
- Build an AI security testing playbook for continuous validation.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training, please contact us to arrange.
Temario del curso
The AI Threat Landscape
- Why AI security is different: non-determinism, opaque reasoning, prompt as attack surface
- Attack taxonomy: training-time vs inference-time vs supply chain attacks
- The ML adversary model: who attacks AI systems and why
OWASP Top 10 for LLM Applications
- Prompt injection: direct and indirect attack vectors
- Insecure output handling and cross-plugin request forgery
- Training data poisoning and supply chain vulnerabilities
- Model denial of service, sensitive information disclosure, and excessive agency
- Hands-on lab: exploiting each OWASP category against a test application
Prompt Injection and Jailbreak Red Teaming
- Taxonomy of injection techniques: direct, indirect, multi-turn, and multi-modal
- Automated red-teaming with Giskard, Garak, and custom fuzzing tools
- Jailbreak classification and defense evaluation
- Building a red-team harness for continuous LLM security testing
Model-Level Attacks and Defenses
- Model extraction: stealing model weights and functionality via API queries
- Membership inference: determining if data was in the training set
- Adversarial examples: perturbations that fool classifiers and embeddings
- Data poisoning: corrupting training data to induce backdoors or degrade performance
Input and Output Security Controls
- Input sanitization beyond traditional web defenses
- Output filtering: toxicity, PII leakage, hallucinated code execution
- Guardrails as security infrastructure: NeMo, Guardrails AI, and custom policies
- Structured output enforcement as a security boundary
AI Supply Chain Security
- Model provenance: verifying model authenticity and integrity
- Dependency scanning for ML frameworks and model formats
- Secure model serving: sandboxing, network isolation, and least-privilege access
- Vetting fine-tuned and community models for embedded malware
Operational Security for AI Systems
- Access control for model endpoints, vector stores, and agent tools
- Audit logging for every model interaction and decision
- Incident response for AI-specific breaches: when the model itself is compromised
- Continuous security testing in CI/CD for ML pipelines
Building an AI Security Program
- AI security maturity model and roadmap
- Integrating AI security into existing AppSec and cloud security programs
- Governance frameworks and emerging regulations for AI systems
- Creating and maintaining an organizational AI security playbook
Requerimientos
- Experience deploying ML models or LLM applications in production.
- Familiarity with security concepts including authentication, authorization, and threat modeling.
- Python proficiency for adversarial testing exercises.
Audience
- Security engineers expanding into AI/ML threat surfaces.
- ML engineers responsible for model safety and robustness.
- Red team members adding AI systems to their testing scope.
Los cursos públicos requieren más de 5 participantes.
ML Security and AI Red Teaming - Reserva
ML Security and AI Red Teaming - Consulta
ML Security and AI Red Teaming - Solicitud de consultoría
Próximos cursos
Cursos Relacionados
ISACA Advanced in AI Security Management (AAISM)
21 HorasAAISM es un marco avanzado para evaluar, gobernar y gestionar los riesgos de seguridad en sistemas de inteligencia artificial.
Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobernanza para entornos empresariales de IA.
Al finalizar este programa, los participantes estarán preparados para:
- Evaluar los riesgos de seguridad de la IA mediante metodologías reconocidas por la industria.
- Implementar modelos de gobernanza para un despliegue responsable de la IA.
- Alinear las políticas de seguridad de la IA con los objetivos organizativos y las expectativas regulatorias.
- Mejorar la resiliencia y la responsabilidad en las operaciones impulsadas por IA.
Formato del curso
- Clases magistrales facilitadas con soporte de análisis experto.
- Talleres prácticos y actividades basadas en evaluaciones.
- Ejercicios aplicados con escenarios reales de gobernanza de IA.
Opciones de personalización del curso
- Para una formación adaptada alineada con la estrategia de IA de su organización, contáctenos para personalizar el curso.
Gobernanza, cumplimiento y seguridad de IA para líderes empresariales
14 HorasEsta capacitación en vivo impartida por un instructor en México (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 globales emergentes como la Ley de IA de la UE, el GDPR, la ISO/IEC 42001 y la Orden Ejecutiva de EE. UU. sobre IA.
Al finalizar esta capacitación, los participantes podrán:
- Comprender los riesgos legales, éticos y regulatorios del uso de la IA en todos los departamentos.
- Interpretar y aplicar los principales marcos de gobernanza de 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.
AI-Driven Observability: From Logs to LLM-Powered Insights
14 HorasThis instructor-led, live training in México (online or onsite) is aimed at observability and SRE engineers who want to integrate LLMs and AI into their monitoring, alerting, and incident analysis workflows.
AIOps en acción: Predicción de incidentes y automatización de la causa raíz
14 HorasEl AIOps (Inteligencia Artificial para Operaciones de TI) se utiliza cada vez más para predecir incidentes antes de que ocurran y automatizar el análisis de la causa raíz (RCA por sus siglas en inglés), con el fin de minimizar el tiempo de inactividad y acelerar la resolución.
Esta formación práctica impartida por un instructor (en línea o presencial) está dirigida a profesionales avanzados de TI que deseen implementar análisis predictivo, automatizar la remediación y diseñar flujos de trabajo inteligentes de RCA utilizando herramientas de AIOps y modelos de aprendizaje automático.
Al finalizar esta formación, los participantes podrán:
- Construir y entrenar modelos de ML para detectar patrones que conducen a fallos del sistema.
- Automatizar flujos de trabajo de RCA basados en la correlación de registros y métricas de múltiples fuentes.
- Integrar los procesos de alerta y remediación en las plataformas existentes.
- Implementar y escalar flujos de trabajo inteligentes de AIOps en entornos de producción.
Formato del curso
- Conferencia interactiva y discusión.
- Muchos ejercicios y prácticas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.
Fundamentos de AIOps: Monitoreo, correlación y alertas inteligentes
14 HorasAIOps (Inteligencia Artificial para las Operaciones de TI) es una práctica que aplica aprendizaje automático y análisis para automatizar y mejorar las operaciones de TI, particularmente en las áreas de monitoreo, detección de incidentes y respuesta.
Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a profesionales de operaciones de TI de nivel intermedio que desean implementar técnicas de AIOps para correlacionar métricas y registros, reducir el ruido de las alertas y mejorar la observabilidad mediante automatización inteligente.
Al finalizar esta capacitación, los participantes serán capaces de:
- Comprender los principios y la arquitectura de las plataformas de AIOps.
- Correlacionar datos entre registros, métricas y trazas para identificar las causas raíz.
- Reducir la fatiga de alertas mediante filtrado inteligente y supresión de ruido.
- Utilizar herramientas de código abierto o comerciales para monitorear y responder automáticamente a incidentes.
Formato del curso
- Clase interactiva y discusión.
- Muchos ejercicios y prácticas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.
Construcción de una canalización AIOps con herramientas de código abierto
14 HorasUna canalización AIOps construida íntegramente con herramientas de código abierto permite a los equipos diseñar soluciones flexibles y rentables para la observabilidad, la detección de anomalías y la alerta inteligente en entornos de producción.
Esta formación práctica impartida por instructores (en línea o presencial) está dirigida a ingenieros de nivel avanzado que desean construir e implementar una canalización AIOps de extremo a extremo utilizando herramientas como Prometheus, ELK, Grafana y modelos personalizados de aprendizaje automático.
Al finalizar esta formación, los participantes serán capaces de:
- Diseñar una arquitectura AIOps utilizando únicamente componentes de código abierto.
- Recopilar y normalizar datos procedentes de registros, métricas y rastreados.
- Aplicar modelos de aprendizaje automático para detectar anomalías e predecir incidentes.
- Automatizar la alerta y la remediación utilizando herramientas de código abierto.
Formato del curso
- Conferencia interactiva y debate.
- Gran cantidad de ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para coordinarlo.
Gestión de Riesgos y Seguridad de la IA en el Sector Público
7 HorasLa Inteligencia Artificial (IA) introduce nuevas dimensiones de riesgos operativos, desafíos de gobernanza y exposición a ciberseguridad para las agencias y departamentos gubernamentales.
Este curso impartido por un instructor y en vivo (en línea o presencial) está dirigido a profesionales de TI y gestión de riesgos del sector público con experiencia limitada en IA que desean comprender cómo evaluar, monitorear y proteger los sistemas de IA dentro de un contexto gubernamental o regulatorio.
Al finalizar esta capacitación, los participantes podrán:
- Interpretar los conceptos clave de riesgo relacionados con los sistemas de IA, incluyendo sesgo, imprevisibilidad y desviación del modelo.
- Aplicar marcos específicos de gobernanza y auditoría de la IA, como NIST AI RMF e ISO/IEC 42001.
- Reconocer las amenazas de ciberseguridad dirigidas a los modelos de IA y a las tuberías de datos (data pipelines).
- Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para el despliegue de la IA.
Formato del Curso
- Conferencia interactiva y discusión de casos de uso del sector público.
- Ejercicios de marcos de gobernanza de la IA y mapeo de políticas.
- Modelado de amenazas basado en escenarios y evaluación de riesgos.
Opciones de Personalización del Curso
- Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar.
Seguridad de IA para equipos de seguridad
35 HorasEste curso proporciona una introducción práctica para asegurar aplicaciones modernas impulsadas por IA, APIs, copilotos y agentes autónomos. Los participantes aprenden cómo la seguridad de IA difiere de la seguridad web tradicional, exploran amenazas comunes específicas de IA como la inyección de instrucciones (prompt injection), el envenenamiento de RAG y el abuso de agentes, y entienden cómo proteger los sistemas de IA utilizando defensas en capas que incluyen WAFs, puertas de enlace de IA, seguridad de APIs y 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 runtime para entornos de producción.
Introducción a la Gestión de Confianza, Riesgo y Seguridad en IA (AI TRiSM)
21 HorasEsta formación en vivo con instructor en México (en línea o presencial) está dirigida a profesionales de TI de nivel principiante e 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 con los sistemas de IA.
- Implementar las mejores prácticas de seguridad para IA.
- Comprender el cumplimiento normativo y las consideraciones éticas para la IA.
- Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.
Autonomous Operations with AI Agents
14 HorasThis instructor-led, live training in México (online or onsite) is aimed at SRE and DevOps engineers who want to design, build, and safely deploy AI agents for autonomous IT operations.
Construcción de aplicaciones LLM seguras y responsables
14 HorasEsta formación en vivo impartida por un instructor en México (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 inyección de prompts, fugas de datos y salidas no filtradas, al tiempo que incorporan controles de seguridad como validación de entradas, supervisión humana en el bucle y guardias de salida.
Al finalizar esta formación, los participantes podrán:
- Comprender las vulnerabilidades principales 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 sandboxing, pruebas de penetración (red teaming) y revisión humana en el bucle en pipelines de grado productivo.
Construcción de Aplicaciones de IA Seguras
21 HorasEste curso enseña a los desarrolladores de software cómo construir aplicaciones impulsadas por IA con un diseño seguro por defecto. Los participantes aprenden a proteger chatbots, copilotos, pipelines de RAG y agentes de IA contra amenazas específicas de la IA como inyección de prompts, envenenamiento de datos, abuso de herramientas, fugas de secretos e instrucciones inseguras del modelo. El curso cubre el diseño seguro de prompts, seguridad de RAG, acceso de menor privilegio, guardrails y pruebas de red-team, ayudando a los desarrolladores a crear funciones de IA que sean seguras, confiables y resilientes en entornos del mundo real.
AIOps empresarial con Splunk, Moogsoft y Dynatrace
14 HorasLas plataformas de AIOps empresariales como Splunk, Moogsoft y Dynatrace ofrecen capacidades poderosas para detectar anomalías, correlacionar alertas y automatizar respuestas en entornos de TI a gran escala.
Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a equipos de TI empresariales de nivel intermedio que desean integrar herramientas de AIOps en sus pilares de observabilidad y flujos operativos existentes.
Al finalizar esta formación, los participantes serán capaces de:
- Configurar e integrar Splunk, Moogsoft y Dynatrace en una arquitectura unificada de AIOps.
- Correlacionar métricas, registros (logs) y eventos en sistemas distribuidos mediante análisis impulsado por IA.
- Automatizar la detección de incidentes, priorización y respuesta utilizando flujos de trabajo integrados y personalizados.
- Optimizar el rendimiento, reducir el MTTR (Tiempo Medio de Reparación) y mejorar la eficiencia operativa a escala empresarial.
Formato del curso
- Conferencia interactiva y debate.
- Muchas ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.
Implementación de AIOps con Prometheus, Grafana y ML
14 HorasPrometheus y Grafana son herramientas ampliamente adoptadas para la observabilidad en infraestructuras modernas, mientras que el aprendizaje automático (machine learning) mejora estas capacidades al proporcionar predicciones e inteligencia estratégica para automatizar las decisiones operativas.
Esta formación impartida por un instructor en vivo (en línea o presencial) está dirigida a profesionales de la observabilidad con nivel intermedio que deseen modernizar su infraestructura de monitoreo integrando prácticas de AIOps mediante el uso de Prometheus, Grafana y técnicas de aprendizaje automático.
Al finalizar esta capacitación, los participantes podrán:
- Configurar Prometheus y Grafana para la observabilidad entre sistemas y servicios.
- Recopilar, almacenar y visualizar datos de series temporales de alta calidad.
- Aplicar modelos de aprendizaje automático para la detección de anomalías y predicciones (forecasting).
- Construir reglas inteligentes de alertas basadas en información predictiva.
Formato del curso
- Conferencia interactiva y discusión grupal.
- Numerosos ejercicios y prácticas.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.
LLMOps: Production LLM Operations and Governance
14 HorasThis instructor-led, live training in México (online or onsite) is aimed at ML engineers and platform teams who need to build robust operational pipelines for LLM-powered applications at scale.
