دوره آموزشی آمادگی برای گواهی CompTIA SecAI+ (CY0-001)

5 ساعت 53 دقیقهمتوسط2026-01-30

مدرسین

Mike Chapple

Teaching Professor at the University of Notre Dame

Frederick Nwanganga

Information Technology Professional and Teacher

جزئیات دوره

هوش مصنوعی و امنیت سایبری دو روی یک سکه‌اند؛ جایی که AI هم می‌تواند یک تهدیدِ پیچیده باشد و هم قدرتمندترین ابزار دفاعی. در این دوره‌ی آموزشی، Mike Chapple، استاد برجسته‌ی فناوری اطلاعات، شما را برای آزمون CompTIA SecAI+ (CY0-001) آماده می‌کند.

اگر می‌خواهید بدانید چطور چرخه‌ی حیات هوش مصنوعی را امن‌سازی کنید، در برابر حملات مدرنی مثل Data Poisoning (مسموم‌سازی داده‌ها) بایستید یا دسترسی‌های غیرمجاز به مدل‌های AI را مسدود کنید، این دوره نقشه راه شماست. سرفصل‌ها از مبانی هوش مصنوعی شروع شده و به مباحث پیشرفته‌ای مثل AI-enabled Penetration Testing (تست نفوذ با هوش مصنوعی) و حکمرانی بر هوش مصنوعی (AI Governance) ختم می‌شود. این دوره نه تنها دانش تئوریک شما را تقویت می‌کند، بلکه با تمرکز بر مدیریت ریسک و انطباق (Compliance)، شما را برای حفاظت از سیستم‌های یکپارچه‌شده با AI آماده می‌کند.

اهداف یادگیری
درک عمیق مفاهیم بنیادین هوش مصنوعی و ارتباط آن با امنیت سایبری
بررسی مسئولیت‌های امنیتی در تمامی مراحل چرخه‌ی حیات مدل‌های AI
شناسایی و مقابله با بردارهای حمله (Attack Vectors) مانند مسموم‌سازی داده‌ها و دسترسی‌های غیرمجاز
کار با ابزارهای امنیتیِ مبتنی بر هوش مصنوعی برای شناسایی تهدیدات (Threat Detection)
پیاده‌سازی تست نفوذ با کمک هوش مصنوعی و خودکارسازی وظایف کلیدی امنیتی
یادگیری چارچوب‌های حکمرانی، مدیریت ریسک و انطباق (GRC) در سیستم‌های هوشمند
آمادگی کامل برای شرکت در آزمون گواهینامه‌ی بین‌المللی CompTIA SecAI+

سرفصل ها

مقدمه

درباره آزمون SecAI+

آزمون SecAI+

آزمون SecAI+
مشاغل در امنیت هوش مصنوعی
ارزش گواهینامه
منابع مطالعه

داخل آزمون SecAI+

محیط امتحان حضوری
آزمایش در منزل
انواع سوال SecAI+
قبولی در آزمون SecAI+
نکات امتحانی

حوزه ۱ - مفاهیم پایه هوش مصنوعی مرتبط با امنیت سایبری

مروری بر مفاهیم پایه هوش مصنوعی مرتبط با حوزه امنیت سایبری

انواع هوش مصنوعی

انواع هوش مصنوعی
یادگیری ماشینی
یادگیری عمیق
پردازش زبان طبیعی
LLM در مقابل SLM
هوش مصنوعی مولد

تکنیک‌های آموزش الگو

یادگیری تحت نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری فدرال
اعتبارسنجی مدل
تنظیم دقیق مدل

مهندسی سریع

مهندسی سریع
نقش‌های سریع
دستورالعمل بدون محدودیت
راهنمایی تک‌مرحله‌ای
اعلان چند مرحله‌ای

پردازش داده‌ها

انواع داده‌ها
پاکسازی داده‌ها
تأیید داده‌ها
یکپارچگی داده‌ها
تبار و منشأ داده‌ها
افزایش داده‌ها
متوازن‌سازی داده‌ها
واترمارکینگ

تولید افزوده بازیابی (RAG)

بازیابی-تولید افزوده (RAG)
ایمن‌سازی مخزن دانش
یکپارچگی داده‌های بازیابی شده
ملاحظات حریم خصوصی RAG

امنیت در چرخه حیات هوش مصنوعی

چرخه حیات هوش مصنوعی
همسویی کسب‌وکار در چرخه حیات هوش مصنوعی
جمع‌آوری داده‌ها
آماده‌سازی داده‌ها
توسعه و انتخاب مدل
ارزیابی و اعتبارسنجی مدل
استقرار و یکپارچه‌سازی مدل
نظارت و نگهداری

طراحی هوش مصنوعی انسان‌محور

طراحی هوش مصنوعی انسان محور
انسان در حلقه
نظارت انسانی
اعتبارسنجی انسانی

دامنه ۲ - ایمن‌سازی سیستم‌های هوش مصنوعی

مروری بر حوزه ایمن‌سازی سیستم‌های هوش مصنوعی

حملات داده‌ای و آموزشی

مسمومیت با داده‌ها
مسمومیت مدل
معرفی سوگیری‌ها
حملات یادگیری انتقالی
کج شدن مدل
حملات در پشتی و تروجان

حملات دستکاری ورودی و اعلان

دور زدن گاردریل‌ها و فرار از زندان
دستکاری ورودی
تزریق سریع

حملات استخراج مدل و نشت اطلاعات

وارونگی مدل
استنتاج عضویت
سرقت مدل
افشای اطلاعات حساس

حملات یکپارچه‌سازی و عملیاتی

دستکاری ادغام برنامه‌ها
حملات زنجیره تامین هوش مصنوعی
طراحی ناامن افزونه
مدیریت خروجی ناامن
حملات یکپارچگی خروجی
مدل انکار سرویس
عاملیت بیش از حد
اتکای بیش از حد
توهمات هوش مصنوعی

کنترل‌های امنیتی هوش مصنوعی

ارزیابی ریسک مدل
نرده‌های محافظ مدل
قالب‌های اعلان
تست و اعتبارسنجی گاردریل

کنترل‌های دسترسی هوش مصنوعی

فایروال‌های سریع
محدودیت‌ها و سهمیه‌ها
کنترل‌های دسترسی مدل
کنترل‌های دسترسی به داده‌ها
کنترل‌های دسترسی عامل
کنترل‌های دسترسی به شبکه و API

رمزگذاری و ایمنی داده‌ها

رمزگذاری داده‌ها
برچسب‌گذاری طبقه‌بندی داده‌ها
کمینه‌سازی داده‌ها
ویرایش داده‌ها
پوشش داده‌ها
ناشناس‌سازی داده‌ها

نظارت و حسابرسی هوش مصنوعی

نظارت بر پیشنهادات و پاسخ‌ها
نظارت بر گزارش‌ها
نظارت بر نرخ و هزینه
حسابرسی برای توهمات هوش مصنوعی
حسابرسی برای دقت
حسابرسی برای سوگیری و انصاف
حسابرسی دسترسی و رعایت امنیت

دامنه ۳ - امنیت با کمک هوش مصنوعی

مروری بر Ddmain امنیتی با کمک هوش مصنوعی

ابزارهای امنیتی با کمک هوش مصنوعی

هوش مصنوعی در ابزارهای امنیتی
افزونه‌های IDE
افزونه‌های مرورگر
افزونه‌های رابط خط فرمان (CLI)
چت‌بات‌ها و دستیاران شخصی
سرورهای MCP

موارد استفاده از امنیت هوش مصنوعی

تشخیص و پیشگیری از تهدید
توسعه کد امن
تست نفوذ
واکنش به حوادث و مدیریت آنها
عملیات امنیتی مبتنی بر زبان

حملات مبتنی بر هوش مصنوعی

محتوای دیپ‌فیک
شبکه‌های خصمانه
شناسایی
مهندسی اجتماعی
مبهم‌سازی
همبستگی خودکار داده‌ها
تولید خودکار حمله

خودکارسازی وظایف امنیتی

ابزارهای اسکریپت‌نویسی
ترکیب و خلاصه‌سازی اسناد
مدیریت تیکت پاسخ به حوادث
مدیریت تغییر
عوامل هوش مصنوعی
هوش مصنوعی در خط تولید CI CD

حوزه ۴ - حاکمیت هوش مصنوعی، ریسک و انطباق

مروری بر حوزه حاکمیت، ریسک و انطباق هوش مصنوعی

حاکمیت هوش مصنوعی

هوش مصنوعی حاکم
سازماندهی برای هوش مصنوعی
سیاست‌ها و رویه‌های هوش مصنوعی
نقش‌های مرتبط با هوش مصنوعی

خطرات هوش مصنوعی

هوش مصنوعی مسئول
خطرات هوش مصنوعی
مقدمه‌ای بر بایاس
نشت تصادفی داده‌ها
از دست دادن اعتبار
دقت و عملکرد مدل
ریسک‌های مالکیت معنوی
سیستم‌های خودگردان
فناوری اطلاعات در سایه و هوش مصنوعی در سایه
آموزش آگاهی‌بخشی

انطباق با هوش مصنوعی

انطباق با هوش مصنوعی
قانون هوش مصنوعی اتحادیه اروپا
استانداردهای سازمان همکاری و توسعه اقتصادی (OECD)
استانداردهای ایزو هوش مصنوعی
چارچوب مدیریت ریسک هوش مصنوعی NIST
سیاست‌های هوش مصنوعی شرکت‌ها
ارزیابی‌های انطباق با مقررات توسط اشخاص ثالث
حاکمیت داده‌ها

قدم بعدی چیست؟

آماده شدن برای امتحان