PLANO PÚBLICO

Plano de AI Security Engineer

Uma visão geral da sequência, dos marcos e do conteúdo incluído na prévia gratuita.

CURRÍCULO DISPONÍVEL: 35 unidades
Prévia gratuita: 3 unidades de prévia gratuita

Aplicação de AI com Modelagem de Ameaças e Primeiro Gate de Segurança

Primeiro Ataque

Inicie o Aegis Vulnerable AI Lab já pronto, reproduza uma falha de segurança determinística entre tenants, implemente e verifique recuperação (retrieval) com escopo por tenant, mapeie o fluxo de dados de AI e os limites de confiança, implemente autorização de objetos por meio de um segundo ponto de política (policy seam) sob responsabilidade do aluno, converta ameaças observadas em requisitos testáveis e passe por um gate cumulativo de ataque mais utilidade.

Aegis Vulnerable AI LabAplicação de AI com Modelagem de AmeaçasPrimeiro Exploit + Limite de Tenant + Modelo de Ameaças

6 unidades

01
Iniciar o Aegis e reproduzir a primeira falha de segurança
A01 · Trilha inicial
02
Corrigir o primeiro limite de tenant e provar utilidade
A02 · Trilha inicial
Marco
03
Mapear o fluxo de dados de AI e os limites de confiança
A03 · Trilha inicial
Marco
04
Fortalecer identidade, autorização e contexto de tenant
A04
05
Construir o modelo de ameaças e os requisitos de verificação
A05
06
Projeto integrador (capstone) de Aplicação de AI com Modelagem de Ameaças
A06
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

Secure RAG e Limites de Dados

Secure RAG

Reproduza um caso de direct prompt injection e um de indirect prompt injection contra o laboratório Aegis local, implemente um limite de confiança para conteúdo recuperado para que conteúdo autorizado deixe de atuar como instrução, estenda a autorização ao cache e à revalidação de evidência de recuperação, valide a saída estruturada do modelo antes de qualquer interpretação downstream, adicione controles de proveniência do documento e saída local de dados por meio de dois sublaboratórios delimitados e passe por um gate cumulativo que prove que os cinco limites da Phase B funcionam em conjunto sem destruir a utilidade legítima do RAG.

Aegis Vulnerable AI LabRAG Multi-Tenant Resistente a Prompt InjectionPrompt Injection + Autorização de Recuperação + Limite de Output + Proveniência/Egress

6 unidades

01
Reproduzir casos de direct prompt injection e indirect prompt injection
B07
02
Implementar o limite de confiança do conteúdo recuperado
B08
Marco
03
Implementar autorização de evidência de recuperação e revalidação de cache
B09
Marco
04
Validar a saída estruturada do modelo antes da interpretação
B10
05
Proveniência do documento e saída local de dados: dois sublaboratórios delimitados
B11
06
Projeto integrador cumulativo de Secure RAG
B12
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

Runtime de Agentes com Menor Privilégio

Segurança de Agentes

Inventarie as capacidades do runtime de agentes pronto para uso do Aegis e separe a proposta do modelo da permissão da aplicação (C13), implemente as políticas pareadas de autorização de ferramenta e aprovação que interrompem ataques de confused deputy e de concessão por não aprovador (C14), implemente o limite de confiança da memória que impede que uma gravação sem proveniência seja admitida como contexto confiável (C15), implemente autorização de capacidades MCP por chamada contra o servidor local fixo de treinamento (C16), implemente o limite de aprovação de ações sensíveis do navegador (C17) e passe por um gate cumulativo que prove que os cinco limites da Phase C funcionam em conjunto enquanto todos os workflows de utilidade declarados continuam funcionando (C18).

Aegis Vulnerable AI LabRuntime de Agentes com Menor PrivilégioInventário de Capacidades + Autorização/Aprovação de Ferramentas + Confiança da Memória + MCP + Navegador

6 unidades

01
Inventarie capacidades e separe proposta de permissão
C13
02
Autorize ferramentas e restrinja quem pode aprová-las
C14
Marco
03
Admita como contexto confiável apenas memória com boa proveniência
C15
Marco
04
Autorize chamadas de capacidades MCP por role do ator
C16
05
Exija aprovação para ações sensíveis do navegador
C17
06
Projeto integrador do Runtime de Agentes com Menor Privilégio
C18
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

Red Teaming de AI e Security Evals

Security Evals

Use o harness de avaliação completo e pronto do Aegis para transformar o modelo de ameaças e os controles das Phases A-C em um programa repetível de testes de segurança de AI: escreva hipóteses de ameaça falsificáveis com base em evidências reais do Aegis (D19), implemente as duas decisões que o harness não consegue tomar sozinho -- se a evidência de execução realmente demonstra contenção e se um run concluído realmente demonstra utilidade legítima (D20), prove de forma adversarial que entradas protegidas do holdout não são expostas por interfaces de dataset legíveis pelo aluno (D21), aprenda a ler um release gate declarativo que não pode ser enganado por uma média alta (D23) e execute novamente, sem modificá-las, as mesmas duas políticas aceitas sobre o dataset completo de quatro partições para obter uma decisão de release reproduzível no projeto integrador (D24).

Aegis Vulnerable AI LabPrograma Repetível de Testes de Segurança de AIHipóteses de Ameaça + Pontuação Baseada em Evidências + Entradas Protegidas + Release Gates

5 unidades

01
Definir hipóteses de ameaça e evidência observável
D19
02
Implementar pontuação de segurança e utilidade baseada em evidências
D20
Marco
03
Provar a proteção da visibilidade de entradas protegidas
D21
04
Ler o release gate que D20 já aprovou
D23
05
Projeto integrador do Programa Repetível de Testes de Segurança de AI
D24
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

Runtime de AI Verificado e Cadeia de Suprimentos

Integridade do Runtime

Use as superfícies prontas de integridade e runtime restrito do Aegis para ler um inventário real de ativos de AI e um modelo de proveniência (E25), ler a vinculação real e já incondicional de origem, argumentos e schema de tool/MCP do Aegis como evidência de integridade de dependências, tools e MCP (E26), implementar a única lacuna real -- uma decisão leve de verificação de artefato e atestação que vincula uma declaração apresentada ao sujeito observado, ao digest e à autoridade do processo de build do inventário confiável (E27), ler os limites reais e já aplicados pelo Aegis para saída de dados, campos sensíveis e autorização de capacidades como a evidência de restrição que um sandbox completo teria de construir (E28), ler os orçamentos de recursos reais e já fixos de agent/handoff/MCP/browser do Aegis e o evento canônico de esgotamento de orçamento como evidência de denial-of-wallet (E29) e reexecutar, sem modificações, a política aceita em E27, composta com a evidência estrutural somente leitura de E26/E28/E29, para uma decisão de release reprodutível no projeto integrador (E30).

Aegis Vulnerable AI LabRuntime de AI Verificado e RestritoLeitura de Inventário + Leitura de Integridade + Verificação de Artefato + Leitura de Limites + Leitura de Orçamentos

6 unidades

01
Leia o inventário real de ativos de AI e o modelo de proveniência
E25
02
Leia a vinculação real de integridade de dependências, tools e MCP
E26
03
Implemente verificação leve de artefato e atestação
E27
Marco
04
Leia os limites reais de saída de dados, campos sensíveis e capacidades
E28
05
Leia os orçamentos de recursos reais e a evidência de denial-of-wallet
E29
06
Projeto integrador de Runtime de AI Verificado e Restrito
E30
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

Operações de Segurança de AI e Projeto Integrador Purple-Team

Operações de Segurança

Use as superfícies prontas de incidentes, resposta, replay, evidência e Control Plane do Aegis para ler evidências reais de detecção baseadas em eventos canônicos (F31), ler o comportamento real de triagem de incidentes e preservação de evidências (F32), implementar a única lacuna real -- uma decisão de autorização de resposta que vincula o alvo de uma resposta proposta ao escopo afetado registrado pelo próprio incidente (F33), reutilizar o harness de avaliação já aceito da Phase D para raciocinar sobre verificação da remediação (F34), ler o AI Security Control Plane real e já não autoritativo (F35) e compor um incidente purple team de ponta a ponta que reutiliza o próprio ponto de política de F33 por meio de um novo ciclo de autorização para a decisão final de release do curso (F36).

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

6 unidades

01
Ler evidências reais de detecção a partir de eventos canônicos
F31
Marco
02
Ler o comportamento real de triagem de incidentes e preservação de evidências
F32
03
Implementar autorização de resposta com escopo definido
F33
Marco
04
Raciocinar sobre verificação da remediação usando o harness da Phase D
F34
05
Ler o AI Security Control Plane real e não autoritativo
F35
06
Projeto integrador Purple-Team de Incidente e Recuperação
F36
Marco

O progresso da fase aparecerá aqui quando você entrar na sua conta.

AI Security Engineer Encontre sua trilha

Carregando área de trabalho

Aplicação de AI com Modelagem de Ameaças e Primeiro Gate de Segurança

Secure RAG e Limites de Dados

Runtime de Agentes com Menor Privilégio

Red Teaming de AI e Security Evals

Runtime de AI Verificado e Cadeia de Suprimentos

Operações de Segurança de AI e Projeto Integrador Purple-Team