PLAN PÚBLICO

Plan de AI Security Engineer

Una vista de metadatos de la secuencia, los hitos y el límite de vista previa gratuita.

CURRÍCULO DISPONIBLE: 35 unidades
Vista previa gratuita: 3 unidades de vista previa gratuita

Aplicación de IA con modelado de amenazas y primera puerta de seguridad

Primer ataque

Inicia el Aegis Vulnerable AI Lab ya preparado, reproduce una falla de seguridad determinista entre tenants, implementa y verifica la recuperación (retrieval) acotada al tenant, mapea el flujo de datos de IA y los límites de confianza, implementa autorización de objetos mediante un segundo punto de extensión modificable bajo control del estudiante, convierte las amenazas observadas en requisitos comprobables y supera una puerta acumulativa de ataque más utilidad.

Aegis Vulnerable AI LabAplicación de IA con modelado de amenazasPrimer exploit + límite de tenant + modelo de amenazas

6 unidades

01
Iniciar Aegis y reproducir la primera falla de seguridad
A01 · Ruta inicial
02
Corregir el primer límite de tenant y demostrar la utilidad
A02 · Ruta inicial
Hito
03
Mapear el flujo de datos de IA y los límites de confianza
A03 · Ruta inicial
Hito
04
Reforzar la identidad, la autorización y el contexto de tenant
A04
05
Construir el modelo de amenazas y los requisitos de verificación
A05
06
Capstone de Aplicación de IA con modelado de amenazas
A06
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

RAG seguro y límites de datos

RAG seguro

Reproduce un caso de inyección de prompt directa y otro de inyección indirecta contra el laboratorio local de Aegis, implementa un límite de confianza para el contenido recuperado de modo que el contenido autorizado deje de actuar como instrucción, extiende la autorización al almacenamiento en caché y la revalidación de evidencia de recuperación, valida la salida estructurada del modelo antes de cualquier interpretación posterior, agrega controles de procedencia de documentos y salida de datos local mediante dos sublaboratorios acotados y supera una puerta acumulativa que demuestra que los cinco límites de la Fase B funcionan en conjunto sin destruir la utilidad legítima de RAG.

Aegis Vulnerable AI LabRAG multi-tenant resistente a inyecciónInyección de prompt + autorización de recuperación + límite de salida + procedencia/salida de datos

6 unidades

01
Reproducir casos de inyección de prompt directa e indirecta
B07
02
Implementar el límite de confianza del contenido recuperado
B08
Hito
03
Implementar autorización de evidencia de recuperación y revalidación de caché
B09
Hito
04
Validar la salida estructurada del modelo antes de interpretarla
B10
05
Procedencia de documentos y salida de datos local: dos sublaboratorios acotados
B11
06
Capstone acumulativo de RAG seguro
B12
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

Runtime de agente de mínimo privilegio

Seguridad de agentes

Inventaría las capacidades del runtime de agente de Aegis ya preparado y separa la propuesta del modelo del permiso de la aplicación (C13), implementa las políticas emparejadas de autorización de herramientas y aprobación que detienen ataques de confused deputy y de concesión por parte de quien no tiene autoridad para aprobar (C14), implementa el límite de confianza de memoria que impide admitir como contexto de confianza una escritura sin procedencia demostrada (C15), implementa autorización por llamada para capacidades MCP contra el servidor local fijo de entrenamiento (C16), implementa el límite de aprobación para acciones sensibles del navegador (C17) y supera una puerta acumulativa que demuestra que los cinco límites de la Fase C funcionan en conjunto mientras todos los flujos de utilidad declarados siguen funcionando (C18).

Aegis Vulnerable AI LabRuntime de agente de mínimo privilegioInventario de capacidades + autorización/aprobación de herramientas + confianza de memoria + MCP + navegador

6 unidades

01
Inventariar capacidades y separar propuesta de permiso
C13
02
Autorizar herramientas y restringir quién puede aprobarlas
C14
Hito
03
Admitir como contexto de confianza solo memoria con procedencia bien demostrada
C15
Hito
04
Autorizar llamadas a capacidades MCP según el rol del actor
C16
05
Exigir aprobación para acciones sensibles del navegador
C17
06
Capstone del runtime de agente de mínimo privilegio
C18
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

Red teaming de IA y evaluaciones de seguridad

Evaluaciones de seguridad

Usa el harness de evaluación de Aegis, ya preparado y completo, para convertir el modelo de amenazas y los controles de las Fases A-C en un programa repetible de pruebas de seguridad de IA: redacta hipótesis de amenaza falsables contra evidencia real de Aegis (D19), implementa las dos decisiones que el harness no puede tomar por sí solo -- si la evidencia de ejecución realmente demuestra contención y si una ejecución completada realmente demuestra utilidad legítima (D20), demuestra de forma adversarial que las entradas protegidas del conjunto holdout no se exponen a través de interfaces del dataset legibles por el estudiante (D21), aprende a leer un gate de liberación declarativo que no puede ser engañado por un promedio alto (D23) y vuelve a ejecutar las mismas dos políticas aceptadas, sin modificarlas, sobre el dataset completo de cuatro particiones para obtener una decisión de liberación reproducible en el capstone (D24).

Aegis Vulnerable AI LabPrograma repetible de pruebas de seguridad de IAHipótesis de amenaza + scoring basado en evidencia + entradas protegidas + gates de liberación

5 unidades

01
Define hipótesis de amenaza y evidencia observable
D19
02
Implementa scoring de seguridad y utilidad basado en evidencia
D20
Hito
03
Demuestra la protección de visibilidad de entradas protegidas
D21
04
Lee el gate de liberación que D20 ya superó
D23
05
Capstone del Programa repetible de pruebas de seguridad de IA
D24
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

Runtime de IA verificado y cadena de suministro

Integridad del runtime

Usa las superficies ya preparadas de integridad y runtime restringido de Aegis para leer un inventario real de activos de IA y un modelo de procedencia (E25), leer la vinculación real y ya incondicional de origen-argumentos-esquema para herramientas/MCP de Aegis como evidencia de integridad de dependencias, herramientas y MCP (E26), implementar la única brecha real -- una decisión ligera de verificación de artefactos y atestación que vincula una declaración de verificación con el sujeto, digest y autoridad del builder observados por el inventario confiable (E27), leer las fronteras reales y ya aplicadas de salida de datos, campos sensibles y autorización de capacidades de Aegis como la evidencia de restricción que, de otro modo, tendría que construir un sandbox completo (E28), leer los presupuestos de recursos reales y ya fijados de agente/handoff/MCP/navegador de Aegis y el evento canónico de agotamiento de presupuesto como evidencia de denial-of-wallet (E29), y volver a ejecutar la política aceptada de E27, sin modificarla y compuesta con la evidencia estructural de solo lectura de E26/E28/E29, para obtener una decisión de liberación reproducible en el capstone (E30).

Aegis Vulnerable AI LabRuntime de IA verificado y restringidoComprensión del inventario + Comprensión de la integridad + Verificación de artefactos + Comprensión de fronteras + Comprensión de presupuestos

6 unidades

01
Leer el inventario real de activos de IA y el modelo de procedencia
E25
02
Leer la vinculación real de integridad de dependencias, herramientas y MCP
E26
03
Implementar verificación ligera de artefactos y atestación
E27
Hito
04
Leer las fronteras reales de salida de datos, campos sensibles y capacidades
E28
05
Leer los presupuestos reales de recursos y la evidencia de denial-of-wallet
E29
06
Capstone de Runtime de IA verificado y restringido
E30
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

Operaciones de Seguridad de IA y Capstone de Purple Team

Operaciones de Seguridad

Usa las superficies ya preparadas de Aegis para incidentes, respuesta, reproducción, evidencia y Control Plane para leer evidencia real de detección basada en eventos canónicos (F31), leer el comportamiento real de triage de incidentes y preservación de evidencia (F32), implementar la única brecha genuina -- una decisión de autorización de respuesta que vincula el objetivo de una respuesta propuesta con el alcance afectado registrado por el propio incidente (F33), reutilizar el harness de evaluación ya aceptado de la Fase D para razonar sobre la verificación de remediación (F34), leer el AI Security Control Plane real, ya de carácter no autoritativo (F35), y componer un incidente de Purple Team de extremo a extremo que reutiliza el propio punto de extensión de F33 mediante un ciclo de autorización nuevo para la decisión final de liberación del curso (F36).

Aegis Vulnerable AI LabAI Security Control PlaneDetectar + Triage + Autorizar + Remediar + Observar + Recuperar

6 unidades

01
Leer evidencia real de detección a partir de eventos canónicos
F31
Hito
02
Leer el comportamiento real de triage de incidentes y preservación de evidencia
F32
03
Implementar autorización de respuesta acotada
F33
Hito
04
Razonar sobre la verificación de remediación usando el harness de la Fase D
F34
05
Leer el AI Security Control Plane real y no autoritativo
F35
06
Capstone de incidente y recuperación de Purple Team
F36
Hito

El progreso de la fase aparecerá aquí cuando tu cuenta tenga acceso.

AI Security Engineer Encuentra tu ruta

Cargando espacio de trabajo

Aplicación de IA con modelado de amenazas y primera puerta de seguridad

RAG seguro y límites de datos

Runtime de agente de mínimo privilegio

Red teaming de IA y evaluaciones de seguridad

Runtime de IA verificado y cadena de suministro

Operaciones de Seguridad de IA y Capstone de Purple Team